2

Apache Beam 文档Authoring I/O Transforms - Overview指出：

在 Beam 中读取和写入数据是一项并行任务，使用 ParDos、GroupByKeys 等通常就足够了。很少，您将需要更专业的 Source 和 Sink 类来实现特定功能。

有人可以提供一个非常基本的例子来说明如何在 Python 中做到这一点吗？

例如，如果我有一个包含 100 个 jpeg 图像的本地文件夹，我将如何：

  1. 使用 ParDos 读取/打开文件。
  2. 在图像上运行一些任意代码（也许将它们转换为灰度）。
  3. 使用 ParDos 将修改后的图像写入不同的本地文件夹。

谢谢，

4

1 回答 1

1

这是管道示例https://github.com/apache/beam/blob/fc738ab9ac7fdbc8ac561e580b1a557b919437d0/sdks/python/apache_beam/examples/wordcount.py#L37

在您的情况下，首先获取文件的名称，然后一次读取每个文件并写入输出。您可能还希望将文件名推送到 groupby 以使用运行器提供的并行化。因此，总的来说，您的管道可能类似于读取文件名列表 -> 使用 GroupBy Key 将文件名发送到随机播放 -> 在 pardo 中一次获取 1 个文件名 -> 在 pardo 中读取单个文件、处理和写入

于 2018-10-15T21:54:39.677 回答