如何使用 Apache Beam Python SDK 使用 ParDo 过滤 PCollection 的元素

Question

我有一个 PCollection，我想使用 ParDo 从中过滤掉一些元素。

有什么地方可以找到这方面的例子吗？

Answer 1

在 Apache Beam Python SDK 中，有一个 Filter 转换接收 lambda，并过滤掉所有 return False 的元素。这是一个例子：

filtered_collection = (beam.Create([1, 2, 3, 4, 5])
                       beam.Filter(lambda x: x % 2 == 0))

在这种情况下，filtered_collection 将是包含 2 和 4.

的 PCollection

---

如果您想将其编码为传递给 ParDo 转换的 DoFn，您可以这样做：

class FilteringDoFn(beam.DoFn):
  def process(self, element):
    if element % 2 == 0:
      yield element
    else:
      return  # Return nothing

你可以像这样应用它：

filtered_collection = (beam.Create([1, 2, 3, 4, 5])
                       beam.ParDo(FilteringDoFn()))

其中，与之前一样，filtered_collection 是包含 2 和 4.

的 PCollection