Shouldn't the runner isolate each instance of the pipeline behind an appropriate class loader?

On Sun, Jun 3, 2018 at 12:45 PM Reuven Lax <relax@google.com> wrote:
Just an update: Romain and I chatted on Slack, and I think I understand his concern. The concern wasn't specifically about schemas, rather about having a generic way to register per-ParDo state that has worker lifetime. As evidence that such is needed, in many cases static variables are used to simiulate that. static variables however have downsides - if two pipelines are run on the same JVM (happens often with unit tests, and there's nothing that prevents a runner from doing so in a production environment), these static variables will interfere with each other.

On Thu, May 24, 2018 at 12:30 AM Reuven Lax <relax@google.com> wrote:
Romain, maybe it would be useful for us to find some time on slack. I'd like to understand your concerns. Also keep in mind that I'm tagging all these classes as Experimental for now, so we can definitely change these interfaces around if we decide they are not the best ones.

Reuven

On Tue, May 22, 2018 at 11:35 PM Romain Manni-Bucau <rmannibucau@gmail.com> wrote:
Why not extending ProcessContext to add the new remapped output? But looks good (the part i dont like is that creating a new context each time a new feature is added is hurting users. What when beam will add some reactive support? ReactiveOutputReceiver?)

Pipeline sounds the wrong storage since once distributed you serialized the instances so kind of broke the lifecycle of the original instance and have no real release/close hook on them anymore right? Not sure we can do better than dofn/source embedded instances today.




Le mer. 23 mai 2018 08:02, Romain Manni-Bucau <rmannibucau@gmail.com> a écrit :


Le mer. 23 mai 2018 07:55, Jean-Baptiste Onofré <jb@nanthrax.net> a écrit :
Hi,

IMHO, it would be better to have a explicit transform/IO as converter.

It would be easier for users.

Another option would be to use a "TypeConverter/SchemaConverter" map as
we do in Camel: Beam could check the source/destination "type" and check
in the map if there's a converter available. This map can be store as
part of the pipeline (as we do for filesystem registration).


It works in camel because it is not strongly typed, isnt it? So can require a beam new pipeline api.

+1 for the explicit transform, if added to the pipeline api as coder it wouldnt break the fluent api:

p.apply(io).setOutputType(Foo.class)

Coders can be a workaround since they owns the type but since the pcollection is the real owner it is surely saner this way, no?

Also it needs to ensure all converters are present before running the pipeline probably, no implicit environment converter support is probably good to start to avoid late surprises.



My $0.01

Regards
JB

On 23/05/2018 07:51, Romain Manni-Bucau wrote:
> How does it work on the pipeline side?
> Do you generate these "virtual" IO at build time to enable the fluent
> API to work not erasing generics?
>
> ex: SQL(row)->BigQuery(native) will not compile so we need a
> SQL(row)->BigQuery(row)
>
> Side note unrelated to Row: if you add another registry maybe a pretask
> is to ensure beam has a kind of singleton/context to avoid to duplicate
> it or not track it properly. These kind of converters will need a global
> close and not only per record in general:
> converter.init();converter.convert(row);....converter.destroy();,
> otherwise it easily leaks. This is why it can require some way to not
> recreate it. A quick fix, if you are in bytebuddy already, can be to add
> it to setup/teardown pby, being more global would be nicer but is more
> challenging.
>
> Romain Manni-Bucau
> @rmannibucau <https://twitter.com/rmannibucau> |  Blog
> <https://rmannibucau.metawerx.net/> | Old Blog
> <http://rmannibucau.wordpress.com> | Github
> <https://github.com/rmannibucau> | LinkedIn
> <https://www.linkedin.com/in/rmannibucau> | Book
> <https://www.packtpub.com/application-development/java-ee-8-high-performance>
>
>
> Le mer. 23 mai 2018 à 07:22, Reuven Lax <relax@google.com
> <mailto:relax@google.com>> a écrit :
>
>     No - the only modules we need to add to core are the ones we choose
>     to add. For example, I will probably add a registration for
>     TableRow/TableSchema (GCP BigQuery) so these can work seamlessly
>     with schemas. However I will add that to the GCP module, so only
>     someone depending on that module need to pull in that dependency.
>     The Java ServiceLoader framework can be used by these modules to
>     register schemas for their types (we already do something similar
>     for FileSystem and for coders as well).
>
>     BTW, right now the conversion back and forth between Row objects I'm
>     doing in the ByteBuddy generated bytecode that we generate in order
>     to invoke DoFns.
>
>     Reuven
>
>     On Tue, May 22, 2018 at 10:04 PM Romain Manni-Bucau
>     <rmannibucau@gmail.com <mailto:rmannibucau@gmail.com>> wrote:
>
>         Hmm, the pluggability part is close to what I wanted to do with
>         JsonObject as a main API (to avoid to redo a "row" API and
>         schema API)
>         Row.as(Class<T>) sounds good but then, does it mean we'll get
>         beam-sdk-java-row-jsonobject like modules (I'm not against, just
>         trying to understand here)?
>         If so, how an IO can use as() with the type it expects? Doesnt
>         it lead to have a tons of  these modules at the end?
>
>         Romain Manni-Bucau
>         @rmannibucau <https://twitter.com/rmannibucau> |  Blog
>         <https://rmannibucau.metawerx.net/> | Old Blog
>         <http://rmannibucau.wordpress.com> | Github
>         <https://github.com/rmannibucau> | LinkedIn
>         <https://www.linkedin.com/in/rmannibucau> | Book
>         <https://www.packtpub.com/application-development/java-ee-8-high-performance>
>
>
>         Le mer. 23 mai 2018 à 04:57, Reuven Lax <relax@google.com
>         <mailto:relax@google.com>> a écrit :
>
>             By the way Romain, if you have specific scenarios in mind I
>             would love to hear them. I can try and guess what exactly
>             you would like to get out of schemas, but it would work
>             better if you gave me concrete scenarios that you would like
>             to work.
>
>             Reuven
>
>             On Tue, May 22, 2018 at 7:45 PM Reuven Lax <relax@google.com
>             <mailto:relax@google.com>> wrote:
>
>                 Yeah, what I'm working on will help with IO. Basically
>                 if you register a function with SchemaRegistry that
>                 converts back and forth between a type (say JsonObject)
>                 and a Beam Row, then it is applied by the framework
>                 behind the scenes as part of DoFn invocation. Concrete
>                 example: let's say I have an IO that reads json objects
>                   class MyJsonIORead extends PTransform<PBegin,
>                 JsonObject> {...}
>
>                 If you register a schema for this type (or you can also
>                 just set the schema directly on the output PCollection),
>                 then Beam knows how to convert back and forth between
>                 JsonObject and Row. So the next ParDo can look like
>
>                 p.apply(new MyJsonIORead())
>                 .apply(ParDo.of(new DoFn<JsonObject, T>....
>                     @ProcessElement void process(@Element Row row) {
>                    })
>
>                 And Beam will automatically convert JsonObject to a Row
>                 for processing (you aren't forced to do this of course -
>                 you can always ask for it as a JsonObject).
>
>                 The same is true for output. If you have a sink that
>                 takes in JsonObject but the transform before it produces
>                 Row objects (for instance - because the transform before
>                 it is Beam SQL), Beam can automatically convert Row back
>                 to JsonObject for you. 
>
>                 All of this was detailed in the Schema doc I shared a
>                 few months ago. There was a lot of discussion on that
>                 document from various parties, and some of this API is a
>                 result of that discussion. This is also working in the
>                 branch JB and I were working on, though not yet
>                 integrated back to master.
>
>                 I would like to actually go further and make Row an
>                 interface and provide a way to automatically put a Row
>                 interface on top of any other object (e.g. JsonObject,
>                 Pojo, etc.) This won't change the way the user writes
>                 code, but instead of Beam having to copy and convert at
>                 each stage (e.g. from JsonObject to Row) it simply will
>                 create a Row object that uses the the JsonObject as its
>                 underlying storage.
>
>                 Reuven
>
>                 On Tue, May 22, 2018 at 11:37 AM Romain Manni-Bucau
>                 <rmannibucau@gmail.com <mailto:rmannibucau@gmail.com>>
>                 wrote:
>
>                     Well, beam can implement a new mapper but it doesnt
>                     help for io. Most of modern backends will take json
>                     directly, even javax one and it must stay generic.
>
>                     Then since json to pojo mapping is already done a
>                     dozen of times, not sure it is worth it for now.
>
>                     Le mar. 22 mai 2018 20:27, Reuven Lax
>                     <relax@google.com <mailto:relax@google.com>> a écrit :
>
>                         We can do even better btw. Building a
>                         SchemaRegistry where automatic conversions can
>                         be registered between schema and Java data
>                         types. With this the user won't even need a DoFn
>                         to do the conversion. 
>
>                         On Tue, May 22, 2018, 10:13 AM Romain
>                         Manni-Bucau <rmannibucau@gmail.com
>                         <mailto:rmannibucau@gmail.com>> wrote:
>
>                             Hi guys,
>
>                             Checked out what has been done on schema
>                             model and think it is acceptable - regarding
>                             the json debate - 
>                             if https://issues.apache.org/jira/browse/BEAM-4381
>                             can be fixed.
>
>                             High level, it is about providing a
>                             mainstream and not too impacting model OOTB
>                             and JSON seems the most valid option for
>                             now, at least for IO and some user transforms.
>
>                             Wdyt?
>
>                             Le ven. 27 avr. 2018 18:36, Romain
>                             Manni-Bucau <rmannibucau@gmail.com
>                             <mailto:rmannibucau@gmail.com>> a écrit :
>
>                                  Can give it a try end of may, sure.
>                                 (holidays and work constraints will make
>                                 it hard before).
>
>                                 Le 27 avr. 2018 18:26, "Anton Kedin"
>                                 <kedin@google.com
>                                 <mailto:kedin@google.com>> a écrit :
>
>                                     Romain,
>
>                                     I don't believe that JSON approach
>                                     was investigated very thoroughIy. I
>                                     mentioned few reasons which will
>                                     make it not the best choice my
>                                     opinion, but I may be wrong. Can you
>                                     put together a design doc or a
>                                     prototype?
>
>                                     Thank you,
>                                     Anton
>
>
>                                     On Thu, Apr 26, 2018 at 10:17 PM
>                                     Romain Manni-Bucau
>                                     <rmannibucau@gmail.com
>                                     <mailto:rmannibucau@gmail.com>> wrote:
>
>
>
>                                         Le 26 avr. 2018 23:13, "Anton
>                                         Kedin" <kedin@google.com
>                                         <mailto:kedin@google.com>> a écrit :
>
>                                             BeamRecord (Row) has very
>                                             little in common with
>                                             JsonObject (I assume you're
>                                             talking about javax.json),
>                                             except maybe some
>                                             similarities of the API. Few
>                                             reasons why JsonObject
>                                             doesn't work:
>
>                                               * it is a Java EE API:
>                                                   o Beam SDK is not
>                                                     limited to Java.
>                                                     There are probably
>                                                     similar APIs for
>                                                     other languages but
>                                                     they might not
>                                                     necessarily carry
>                                                     the same semantics /
>                                                     APIs;
>
>
>                                         Not a big deal I think. At least
>                                         not a technical blocker.
>
>                                                   o It can change
>                                                     between Java versions;
>
>                                         No, this is javaee ;).
>
>
>                                                   o Current Beam java
>                                                     implementation is an
>                                                     experimental feature
>                                                     to identify what's
>                                                     needed from such
>                                                     API, in the end we
>                                                     might end up with
>                                                     something similar to
>                                                     JsonObject API, but
>                                                     likely not
>
>
>                                         I dont get that point as a blocker
>
>                                                   o ;
>                                               * represents JSON, which
>                                                 is not an API but an
>                                                 object notation:
>                                                   o it is defined as
>                                                     unicode string in a
>                                                     certain format. If
>                                                     you choose to adhere
>                                                     to ECMA-404, then it
>                                                     doesn't sound like
>                                                     JsonObject can
>                                                     represent an Avro
>                                                     object, if I'm
>                                                     reading it right;
>
>
>                                         It is in the generator impl, you
>                                         can impl an avrogenerator.
>
>                                               * doesn't define a type
>                                                 system (JSON does, but
>                                                 it's lacking):
>                                                   o for example, JSON
>                                                     doesn't define
>                                                     semantics for numbers;
>                                                   o doesn't define
>                                                     date/time types;
>                                                   o doesn't allow
>                                                     extending JSON type
>                                                     system at all;
>
>
>                                         That is why you need a metada
>                                         object, or simpler, a schema
>                                         with that data. Json or beam
>                                         record doesnt help here and you
>                                         end up on the same outcome if
>                                         you think about it.
>
>                                               * lacks schemas;
>
>                                         Jsonschema are standard, widely
>                                         spread and tooled compared to
>                                         alternative.
>
>                                             You can definitely try
>                                             loosen the requirements and
>                                             define everything in JSON in
>                                             userland, but the point of
>                                             Row/Schema is to avoid it
>                                             and define everything in
>                                             Beam model, which can be
>                                             extended, mapped to JSON,
>                                             Avro, BigQuery Schemas,
>                                             custom binary format etc.,
>                                             with same semantics across
>                                             beam SDKs.
>
>
>                                         This is what jsonp would allow
>                                         with the benefit of a natural
>                                         pojo support through jsonb.
>
>
>
>                                             On Thu, Apr 26, 2018 at
>                                             12:28 PM Romain Manni-Bucau
>                                             <rmannibucau@gmail.com
>                                             <mailto:rmannibucau@gmail.com>>
>                                             wrote:
>
>                                                 Just to let it be clear
>                                                 and let me understand:
>                                                 how is BeamRecord
>                                                 different from a
>                                                 JsonObject which is an
>                                                 API without
>                                                 implementation (not
>                                                 event a json one OOTB)?
>                                                 Advantage of json *api*
>                                                 are indeed natural
>                                                 mapping (jsonb is based
>                                                 on jsonp so no new
>                                                 binding to reinvent) and
>                                                 simple serialization
>                                                 (json+gzip for ex, or
>                                                 avro if you want to be
>                                                 geeky).
>
>                                                 I fail to see the point
>                                                 to rebuild an ecosystem ATM.
>
>                                                 Le 26 avr. 2018 19:12,
>                                                 "Reuven Lax"
>                                                 <relax@google.com
>                                                 <mailto:relax@google.com>>
>                                                 a écrit :
>
>                                                     Exactly what JB
>                                                     said. We will write
>                                                     a generic conversion
>                                                     from Avro (or json)
>                                                     to Beam schemas,
>                                                     which will make them
>                                                     work transparently
>                                                     with SQL. The plan
>                                                     is also to migrate
>                                                     Anton's work so that
>                                                     POJOs works
>                                                     generically for any
>                                                     schema.
>
>                                                     Reuven
>
>                                                     On Thu, Apr 26, 2018
>                                                     at 1:17 AM
>                                                     Jean-Baptiste Onofré
>                                                     <jb@nanthrax.net
>                                                     <mailto:jb@nanthrax.net>>
>                                                     wrote:
>
>                                                         For now we have
>                                                         a generic schema
>                                                         interface.
>                                                         Json-b can be an
>                                                         impl, avro could
>                                                         be another one.
>
>                                                         Regards
>                                                         JB
>                                                         Le 26 avr. 2018,
>                                                         à 12:08, Romain
>                                                         Manni-Bucau
>                                                         <rmannibucau@gmail.com
>                                                         <mailto:rmannibucau@gmail.com>>
>                                                         a écrit:
>
>                                                             Hmm,
>
>                                                             avro has
>                                                             still the
>                                                             pitfalls to
>                                                             have an
>                                                             uncontrolled
>                                                             stack which
>                                                             brings way
>                                                             too much
>                                                             dependencies
>                                                             to be part
>                                                             of any API,
>                                                             this is why
>                                                             I proposed a
>                                                             JSON-P based
>                                                             API
>                                                             (JsonObject)
>                                                             with a
>                                                             custom beam
>                                                             entry for
>                                                             some
>                                                             metadata
>                                                             (headers "à
>                                                             la Camel").
>
>
>                                                             Romain
>                                                             Manni-Bucau
>                                                             @rmannibucau
>                                                             <https://twitter.com/rmannibucau>
>                                                             |   Blog
>                                                             <https://rmannibucau.metawerx.net/> |
>                                                             Old Blog
>                                                             <http://rmannibucau.wordpress.com>
>                                                             |  Github
>                                                             <https://github.com/rmannibucau> |
>                                                             LinkedIn
>                                                             <https://www.linkedin.com/in/rmannibucau> |
>                                                             Book
>                                                             <https://www.packtpub.com/application-development/java-ee-8-high-performance>
>
>
>                                                             2018-04-26
>                                                             9:59
>                                                             GMT+02:00
>                                                             Jean-Baptiste Onofré
>                                                             <jb@nanthrax.net
>                                                             <mailto:jb@nanthrax.net>>:
>
>
>                                                                 Hi Ismael
>
>                                                                 You mean
>                                                                 directly
>                                                                 in Beam
>                                                                 SQL ?
>
>                                                                 That
>                                                                 will be
>                                                                 part of
>                                                                 schema
>                                                                 support:
>                                                                 generic
>                                                                 record
>                                                                 could be
>                                                                 one of
>                                                                 the
>                                                                 payload
>                                                                 with
>                                                                 across
>                                                                 schema.
>
>                                                                 Regards
>                                                                 JB
>                                                                 Le 26
>                                                                 avr.
>                                                                 2018, à
>                                                                 11:39,
>                                                                 "Ismaël
>                                                                 Mejía" <
>                                                                 iemejia@gmail.com
>                                                                 <mailto:iemejia@gmail.com>>
>                                                                 a écrit:
>
>                                                                     Hello Anton,
>
>                                                                     Thanks for the descriptive email and the really useful work. Any plans
>                                                                     to tackle PCollections of GenericRecord/IndexedRecords? it seems Avro
>                                                                     is a natural fit for this approach too.
>
>                                                                     Regards,
>                                                                     Ismaël
>
>                                                                     On Wed, Apr 25, 2018 at 9:04 PM, Anton Kedin <kedin@google.com
>                                                                     <mailto:kedin@google.com>> wrote:
>
>                                                                             
>
>                                                                         Hi,
>
>                                                                         I want
>                                                                         to
>                                                                         highlight
>                                                                         a couple
>                                                                         of
>                                                                         improvements
>                                                                         to
>                                                                         Beam
>                                                                         SQL
>                                                                         we
>                                                                         have
>                                                                         been
>
>                                                                         working
>                                                                         on
>                                                                         recently
>                                                                         which
>                                                                         are
>                                                                         targeted
>                                                                         to
>                                                                         make
>                                                                         Beam
>                                                                         SQL
>                                                                         API
>                                                                         easier
>                                                                         to
>                                                                         use.
>
>                                                                         Specifically
>                                                                         these
>                                                                         features
>                                                                         simplify
>                                                                         conversion
>                                                                         of
>                                                                         Java
>                                                                         Beans
>                                                                         and
>                                                                         JSON
>
>                                                                         strings
>                                                                         to
>                                                                         Rows.
>
>
>                                                                         Feel
>                                                                         free
>                                                                         to
>                                                                         try
>                                                                         this
>                                                                         and
>                                                                         send
>                                                                         any
>                                                                         bugs/comments/PRs
>                                                                         my
>                                                                         way.
>
>
>                                                                         **Caveat:
>                                                                         this
>                                                                         is
>                                                                         still
>                                                                         work
>                                                                         in
>                                                                         progress,
>                                                                         and
>                                                                         has
>                                                                         known
>                                                                         bugs
>                                                                         and
>                                                                         incomplete
>
>                                                                         features,
>                                                                         see
>                                                                         below
>                                                                         for
>                                                                         details.**
>
>
>                                                                         Background
>
>
>                                                                         Beam
>                                                                         SQL
>                                                                         queries
>                                                                         can
>                                                                         only
>                                                                         be
>                                                                         applied
>                                                                         to
>                                                                         PCollection<Row>.
>                                                                         This
>                                                                         means
>                                                                         that
>
>                                                                         users
>                                                                         need
>                                                                         to
>                                                                         convert
>                                                                         whatever
>                                                                         PCollection
>                                                                         elements
>                                                                         they
>                                                                         have
>                                                                         to
>                                                                         Rows
>                                                                         before
>
>                                                                         querying
>                                                                         them
>                                                                         with
>                                                                         SQL.
>                                                                         This
>                                                                         usually
>                                                                         requires
>