处理文件前的Apache beam/PubSub时间延迟
我需要延迟处理或发布文件名（文件）。我在寻找最好的选择。
目前，我有两个Apache Beam数据流和PubSub介于两者之间。首先，dataflow从源代码读取文件名，并将其推送到PubSub主题。另一个数据流读取它们并处理它们。然而，我的用例是在源代码中创建实际文件至少1小时后开始处理/读取这些文件。
所以我有两个选择：
1）延迟发布消息，以便在好的/预期的时刻立即处理它
2）延迟处理检索到的文件
共有1个答案
您可能通过发布作业中的触发器/窗口配置来实现您想要的。
然后，您可以定义一个窗口配置，在该配置中，触发器直到延迟1小时后才触发。类似于：
Window.<String>into(FixedWindows.of(Duration.standardMinutes(1))
.triggering(AfterProcessingTime.pastFirstElementInPane()
.plusDelayOf(Duration.standardHours(1)))
请记住，你最终会得到一份简单的工作，除了保持一个小时的状态之外，什么也不做。另外，上面所述的只是基于处理时间，所以即使文件的实际创建时间足够长，它也会在作业开始后等待一个小时，以便立即发出结果。
您可以将其细化为事件时间触发器，但可能需要编写自己的代码来为记录（文件名）分配时间戳。据我所知，Beam目前不具备读取文件创建时间的内置支持。例如，当通过textio读取文件时，我观察到所有记录都被分配了一个默认的静态时间戳。您应该检查用于读取文件名的转换的细节，看看它是否对您的目的更有用。您还可以使用WithTimestamps转换来自行分配时间戳。
-
到目前为止，我了解到有3种方法可以处理Flink中的后期数据： > 删除延迟事件（这是事件时间窗口运算符的默认行为。（因此，延迟到达的元素不会创建新窗口。）（ 重定向延迟事件（也可以使用side输出功能将延迟事件重定向到另一个数据流） 通过包含延迟事件更新结果（重新计算不完整的结果并发出更新） 我不太清楚非窗口操作符的延迟事件会发生什么，特别是当时间戳被分配到源时。这里我有一个FlinkKafka
-
问题内容： 我正在努力为正在研究的项目中的某些实用程序类设置单元测试，其中一个类（包含许可信息）具有一种根据当前时间进行确定的方法。 也就是说，许可证包含到期日期，并且许可证字符串会验证该日期，但是查看许可证是否过期的实际逻辑是基于当前时间。 因此，我不确定该怎么做，因为“ new Date（）”不是静态标准。 我是否应该不费心地测试’isValid’，而只是分别测试’isLicenseStrin
-
之前章节已经提过，filters/date 插件可以用来转换你的日志记录中的时间字符串，变成 LogStash::Timestamp 对象，然后转存到 @timestamp 字段里。 注意：因为在稍后的 outputs/elasticsearch 中常用的 %{+YYYY.MM.dd} 这种写法必须读取 @timestamp 数据，所以一定不要直接删掉这个字段保留自己的字段，而是应该用 filte
-
如何在Vertx中处理延迟作业列表（实际上是数百个HTTP GET请求，到禁止快速请求主机的有限API）？现在，我正在使用此代码，它被阻止，因为Vertx一次启动所有请求。希望在每个请求之间有5秒的延迟来处理每个请求。
-
我需要延迟处理一些事件。 我有三件事（发表在Kafka上）： A（id： 1， retry At： now） B（id： 2， retry At： 10分钟后） C（id： 3， retry At： now） 我需要立即处理记录A和C，而记录B需要在十分钟后处理。这在Apache Flink中实现可行吗？ 到目前为止，无论我研究了什么，“触发器”似乎都有助于在Flink中实现它，但还没有能够正确实