由于文档仅适用于 JAVA，我无法真正理解它的含义。
它声明 - “虽然 ParDo 总是产生一个主输出 PCollection（作为 apply 的返回值），但您也可以让 ParDo 产生任意数量的附加输出 PCollection。如果您选择有多个输出，您的ParDo 将返回捆绑在一起的所有输出 PCollection（包括主输出）。例如，在 Java 中，输出 PCollection 捆绑在类型安全的 PCollectionTuple 中。"
我了解捆绑在一起的含义，但是如果我在我的 DoFn 中生成一个标签，它是否会在所有其他输出为空的情况下生成一个捆绑包，并在代码中遇到它们时生成其他输出？还是等待所有收益都准备好输入，然后将它们一起输出？
在文档中没有很清楚的说明。虽然我认为它不会等待，遇到时只会屈服，但我仍然需要了解发生了什么。
【问题讨论】：
标签： google-cloud-dataflow apache-beam
回答这个问题的最佳方法是举个例子。这个例子是available in Beam。
假设您要运行字数统计管道（例如，计算每个单词在文档中出现的次数）。为此，您需要将文件中的行拆分为单个单词。考虑到您还想单独计算字长。你的分裂变换是这样的：
with beam.Pipeline(options=pipeline_options) as p:
lines = p | ReadFromText(known_args.input) # Read in the file
# with_outputs allows accessing the explicitly tagged outputs of a DoFn.
split_lines_result = (lines
| beam.ParDo(SplitLinesToWordsFn()).with_outputs(
SplitLinesToWordsFn.OUTPUT_TAG_CHARACTER_COUNT,
main='words'))
short_words = split_lines_result['words']
character_count = split_lines_result[
SplitLinesToWordsFn.OUTPUT_TAG_CHARACTER_COUNT]
在这种情况下，每个都是不同的PCollection，具有正确的元素。 DoFn 将负责拆分其输出，并通过标记元素来实现。见：
class SplitLinesToWordsFn(beam.DoFn):
OUTPUT_TAG_CHARACTER_COUNT = 'tag_character_count'
def process(self, element):
# yield a count (integer) to the OUTPUT_TAG_CHARACTER_COUNT tagged
# collection.
yield pvalue.TaggedOutput(
self.OUTPUT_TAG_CHARACTER_COUNT, len(element))
words = re.findall(r'[A-Za-z\']+', element)
for word in words:
# yield word to add it to the main collection.
yield word
如您所见，对于主输出，您不需要标记元素，但对于其他输出则需要标记。
【讨论】：