SlidingWindows Python Apache Beam 复制数据

问题

每次系统从带有滑动窗口的 pubsub 收到一条消息时，它都会被复制

The code

 | 'Parse dictionary' >> beam.Map(lambda elem: (elem['Serial'], int(elem['Value'])))    
 | 'window' >> beam.WindowInto(window.SlidingWindows(30, 15),accumulation_mode=AccumulationMode.DISCARDING)
 | 'Count' >> beam.CombinePerKey(beam.combiners.MeanCombineFn())

输出

如果我只从 pub/sub 发送一条消息，并尝试在滑动窗口完成后使用代码打印我所拥有的内容：

class print_row2(beam.DoFn):
    def process(self, row=beam.DoFn.ElementParam, window=beam.DoFn.WindowParam,timestamp=beam.DoFn.TimestampParam):
        print row, timestamp2str(float(window.start)), timestamp2str(float(window.end)),timestamp2str(float(timestamp))

结果

('77777', 120.0) 2018-11-16 08:21:15.000 2018-11-16 08:21:45.000 2018-11-16 08:21:45.000
('77777', 120.0) 2018-11-16 08:21:30.000 2018-11-16 08:22:00.000 2018-11-16 08:22:00.000

如果我之前打印消息'window' >> beam.WindowInto(window.SlidingWindows(30, 15))我只得到一次

过程在“图形模式下：

  time: ----t+00---t+15---t+30----t+45----t+60------>
             :      :      :       :       :
  w1:        |=X===========|       :       :
  w2:               |==============|       :
  ...

消息 X 在滑动窗口开始时只发送了一次，它应该只接收一次，但已经接收了两次

我尝试过使用 AccumulationMode 值和触发器=AftyerWatermark，但我无法解决问题。

可能出什么问题了？

Extra

对于固定 Windows，这是适合我的目的的正确代码：

| 'Window' >> beam.WindowInto(window.FixedWindows(1 * 30))
| 'Speed Average' >> beam.GroupByKey()
| "Calculating average" >> beam.CombineValues(beam.combiners.MeanCombineFn())

or

| 'Window' >> beam.WindowInto(window.FixedWindows(1 * 30))
| "Calculating average" >> beam.CombinePerKey(beam.combiners.MeanCombineFn())

属于该窗口的所有元素都会被发出。如果一个元素属于多个窗口，它将在每个窗口中发出。

仅当您计划处理延迟数据/多次触发器触发时，累积模式才有意义。在这种情况下，当触发器再次触发时，丢弃模式只会在窗口中提供新元素，即仅发出自上次触发器触发以来到达同一窗口的元素，已发出的元素不会再次发出并被丢弃。在累积模式下，每次触发触发都会发出整个窗口，它将包括上次已发出的旧元素以及此后到达的新元素。

如果我理解你的例子，你有滑动窗口，它们的长度为 30 秒，每 15 秒启动一次。所以它们重叠了 15 秒：

  time: ----t+00---t+15---t+30----t+45----t+60------>
             :      :      :       :       :
  w1:        |=============|       :       :
  w2:               |==============|       :
  w3:                      |===============|
  ...

因此，您的情况下的任何元素都将属于至少两个窗口（第一个和最后一个窗口除外）。

例如。在您的示例中，如果您的消息是在 17:07:15 和 17:07:30 之间发送的，它将出现在两个窗口中。

固定窗口不重叠，因此元素只能属于一个窗口：

  time: ----t+00---t+15---t+30----t+45----t+60------>
             :             :               :
  w1:        |=============|               :
  w2:                      |===============|
  w3:                                      |====...
  ...

有关 Windows 的更多信息请参见此处：https://beam.apache.org/documentation/programming-guide/#windowing https://beam.apache.org/documentation/programming-guide/#windowing