跳过Apache Beam Pipeline中的步骤

问题描述

因此，我正在构建一个Apache Beam管道，并且在跳过python SDK中的其余步骤时遇到了一些麻烦。这是我遇到麻烦的简化示例：

import apache_beam as beam
import os 

os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = API_KEY
def foo(message):
    pass

options = {
    'streaming': True
}

runner = 'DirectRunner'
opts = beam.pipeline.PipelineOptions(flags=[],**options)
with beam.Pipeline(runner,options=opts) as p:
    sub_message = (p | 'sub' >> beam.io.ReadFromPubSub(subscription=my_sub))
    result = (sub_message | 'foo' >> beam.Map(foo))
    result | 'print' >> beam.Map(print)

    job = p.run()
    if runner == 'DirectRunner':
        job.wait_until_finish()

因此，根据此内容：Apache Beam - skip pipeline step在Java中，如果我的函数未返回任何内容，则apache_beam应该跳过其余步骤。如果我错了，请更正我，但是在python中，它与返回None相同，因此我的pass可以替换为return None并且完全相同。但是，当我使用pass或return None运行此代码时，结果的确会转到下一步。也就是说，当它不应该打印任何内容时，它会继续打印None，因为它应该跳过所有后续步骤。任何帮助表示赞赏。

解决方法

很有趣，我一发布这个，我就在文档中找到了答案。因此，在我提供的链接中，看起来就像我一样使用ParDo NOT地图。所以实际上它应该看起来像这样：

import apache_beam as beam
import os 

os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = credentials
class TestFn(beam.DoFn):
    def process(self,element):
        print('hi')
        pass

options = {
    'streaming': True
}

runner = 'DirectRunner'
opts = beam.pipeline.PipelineOptions(flags=[],**options)
with beam.Pipeline(runner,options=opts) as p:
    sub_message = (p | 'sub' >> beam.io.ReadFromPubSub(subscription=mysub))
    result = (sub_message | 'foo' >> beam.ParDo(TestFn()))
    result | 'print' >> beam.Map(print)

    job = p.run()
    if runner == 'DirectRunner':
        job.wait_until_finish()