apache beam java api_Apache Beam的基本概念

不多说，直接上干货！

Apache Beam的基本概念

在使用Apache Beam构建数据处理程序，首先需要使用Beam SDK中的类创建一个Driver程序，在Driver程序中创建一个满足我们数据处理需求的Pipeline，Pipeline中包括输入(Inputs)、转换(Transformations)、输出(Outputs)三个核心的组件。然后，根据我们选择的Beam SDK来确定底层使用Pipeline Runner(执行引擎，或计算引擎)，将我们定义好的Pipeline运行在Pipeline Runner上。

Apache Beam SDKs提供一组抽象，用来简化大规模分布式数据处理。同一个Beam抽象，能够同时适应批量处理、流处理两种数据源。

下面，我们了解一下Apache Beam的一些关键抽象：

Pipeline

一个Pipeline是对一个数据处理任务抽象，它包含了我们在对给定数据集处理的全部逻辑，主要包括从数据源读取数据(可能从多个数据源读取)、在给定的数据集上执行Transform操作(中间可能是一个DAG图，通过多个Transform连接，而Transform的输出和输出都可能是一个数据集)、将Transform的数据结果写入到指定对的存储系统中。

PCollection

一个PCollection是对分布式数据集的抽象，他可以是输入数据集、中间结果数据集、输出数据集。每一个由PCollection表征的数据集作为输入时，都会存在一个或多个Transform作用在其上(对数据集进行处理的逻辑)。

Transform

一个Transform表示数据处理过程中一个步骤(Step)，对应于Pipeline中一个操作，每一个Transform会以一个或多个PCollection作为输入，经过处理后输出一个或多个PCollection。

Source and Sink

Apache Beam提供了Source和Sink的API，用来表示读取和写入数据。Source表示从一个外部的数据源读入数据到Pipeline，而Sink表示经过Pipeline处理后将数据写入到外部存储系统。

PipelineRunner

PipelineRunner是实际用来处理Pipeline逻辑的底层组件，它能够将用户构建的Pipeline翻译成底层计算引擎能够处理的Job，并执行Pipeline的处理逻辑。

apache beam java api_Apache Beam的基本概念相关推荐

Apache Thrift - java开发详解
2019独角兽企业重金招聘Python工程师标准>>> Apache Thrift - java开发详解博客分类: java 架构中间件 1.添加依赖 jar <depen ...
三星.android beam,三星S Beam取代Android Beam
三星S Beam是一种全新的无线文件分享传输技术,通过S Beam,只需要将两部手机"背靠背"轻触,就可以快捷的分享手机上的各种文件:图片,音乐,视频,联系人甚至是正在浏览的网页等 ...
关于java流的几个概念：IO、BIO、NIO、AIO，有几个人全知道？
转载自关于java流的几个概念:IO.BIO.NIO.AIO,有几个人全知道? 关于同步.阻塞的知识我之前的文章有介绍,所以关于流用到这些概念与之前多线程用的概念一样. 下面具体来看看java中的几 ...
Java流程控制语句的基本概念
Java流程控制语句的基本概念概述: 流程:做事情的顺序控制:按照一定的规定去做某些事情人为的定义好一定的规定,java语句按照规定进行执行的语句. 分类: 一.顺序语句: 自上而下自左往右执行 ...
java函数式编程归约reduce概念原理 stream reduce方法详解 reduce三个参数的reduce方法如何使用
java函数式编程归约reduce概念原理 stream reduce方法详解 reduce三个参数的reduce方法如何使用
linux反序列化漏洞,Apache Camel Java对象反序列化漏洞(CVE-2015-5348)
Apache Camel Java对象反序列化漏洞(CVE-2015-5348) 发布日期:2015-12-15 更新日期:2015-12-18 受影响系统:Apache Group Camel 描述 ...
java多线程中锁的概念的理解,java 并发多线程显式锁概念简介什么是显式锁多线程下篇（一）...
目前对于同步,仅仅介绍了一个关键字synchronized,可以用于保证线程同步的原子性.可见性.有序性对于synchronized关键字,对于静态方法默认是以该类的class对象作为锁,对于实例方 ...
Apache Lucene Java 全文检索引擎架构
Apache Lucene Java 全文检索引擎架构 Apache Lucene 8.9.0 已发布,Lucene 是完全用 Java 编写的高性能.功能齐全的全文检索引擎架构,提供了完整的查询引擎 ...
Java基础之面向对象的概念继承---组合----枚举类
Java基础之面向对象的概念继承---组合----枚举类本章作为面向对象概念的最后一篇,但是作为一名java程序员在面向对象的这条路上还很长. 一.继承与组合简介继承是实现类重用的重要手段,但是 ...

apache beam java api_Apache Beam的基本概念

apache beam java api_Apache Beam的基本概念相关推荐

最新文章

热门文章