Google bigquery 将数据流式传输到Google BigQuery表：使用InsertId消除重复记录的问题

我们正在使用Camel BigQueryAPI（版本2.20）将记录从ActiveMQ服务器（版本5.14.3）上的消息队列流式传输到Google BigQuery表中

我们已经在主站点上运行的Spring框架中实现并部署了作为XML路由定义的流机制，它似乎工作得很好

<?xml version="1.0" encoding="UTF-8"?>
<beans
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xmlns="http://www.springframework.org/schema/beans"
    xmlns:beans="http://www.springframework.org/schema/beans"
    xsi:schemaLocation="
        http://www.springframework.org/schema/beans 
        ./spring-beans.xsd
        http://camel.apache.org/schema/spring
        ./camel-spring.xsd">

    <!--
    # ==========================================================================
    # ActiveMQ JMS Bean Definition
    # ==========================================================================
    -->
    <bean id="jms" class="org.apache.camel.component.jms.JmsComponent">
        <property name="connectionFactory">
            <bean class="org.apache.activemq.ActiveMQConnectionFactory">
                <property name="brokerURL" value="nio://192.168.10.10:61616?jms.useAsyncSend=true" />
                <property name="userName"  value="MyAmqUserName" />
                <property name="password"  value="MyAmqPassword" />
            </bean>
        </property>
    </bean>

    <!--
    # ==========================================================================
    # GoogleBigQueryComponent
    # https://github.com/apache/camel/tree/master/components/camel-google-bigquery
    # ==========================================================================
    -->
    <bean id="gcp" class="org.apache.camel.component.google.bigquery.GoogleBigQueryComponent">
        <property name="connectionFactory">
            <bean class="org.apache.camel.component.google.bigquery.GoogleBigQueryConnectionFactory">
                <property name="credentialsFileLocation" value="MyDir/MyGcpKeyFile.json" />
            </bean>
        </property>
    </bean>

    <!--
    # ==========================================================================
    # Main Context Bean Definition
    # ==========================================================================
    -->
    <camelContext id="camelContext" xmlns="http://camel.apache.org/schema/spring" >

        <!--
        # ==================================================================
        # Message Route :
        # 1. consume messages from my AMQ queue
        # 2. set the InsertId / INSERT_ID (it is not clear which is the correct one)
        # 3. write message to Google BigQuery table
        # see https://github.com/apache/camel/blob/master/components/camel-google-bigquery/src/main/docs/google-bigquery-component.adoc
        # ==================================================================
        <log message="${headers} | ${body}" />
        -->
        <route>
            <from uri="jms:my.amq.queue.of.output.data.for.gcp?acknowledgementModeName=DUPS_OK_ACKNOWLEDGE&amp;concurrentConsumers=20" />
            <setHeader headerName="CamelGoogleBigQuery.InsertId">
                <simple>${header.KeyValuePreviouslyGenerated}</simple>
            </setHeader>
            <setHeader headerName="GoogleBigQueryConstants.INSERT_ID">
                <simple>${header.KeyValuePreviouslyGenerated}</simple>
            </setHeader>
            <to uri="gcp:my_gcp_project:my_bq_data_set:my_bq_table" />
        </route>

    </camelContext>

</beans>

${header.KeyValuePreviouslyGenerated}
${header.KeyValuePreviouslyGenerated}

为了实现高（er）可用性，我们现在已将相同的实现部署到备份站点，流式传输到相同的目标BigQuery表。正如预期的那样，当相同的记录从两个站点流到同一个表中时，会出现重复的记录。为了消除记录重复，我们尝试遵循以下指南：

消息头部分建议使用合适的运行时键值设置名为camelgebigquery.InsertId的消息头

但是，在同一页下方的“确保数据一致性”部分建议设置GoogleBigQueryConstants.INSERT_ID

我们已经检查了主服务器和备份服务器是否在同一时区（UTC）内运行，并且正在生成我们认为合适的运行时唯一键：一个包含UNIX时间的字符串，精确到秒

上面的代码示例显示，我们已经尝试了这两种方法，但是对目标BigQuery表中的数据的检查表明这两种方法似乎都不起作用，即我们仍然有重复的记录

问题

我们在上面的代码中设置InsertID/INSERT_ID的方式是否有错误

您是否使用了Camel Google BigQuery API将数据流传输到BigQuery中

如果是，您是否成功使用了InsertId/INSERT_ID重复数据消除机制？如果是，是哪一个？如何

您观察到了什么样的重复数据消除时间窗口

---

GoogleBigQueryConstants.INSERT\u ID

是字符串常量，值为

CamelGoogleBigQueryInsertId

像这样使用它：

<setHeader headerName="CamelGoogleBigQueryInsertId">
    <simple>${header.KeyValuePreviouslyGenerated}</simple>
</setHeader>

${header.KeyValuePreviouslyGenerated}

下面是演示此行为的单元测试：

---

---

关于这些标题的文档有点过时，我已经修复了它，可以在中找到正确的版本。在网站上，它将很快发布。

重新测试和审查结果的时间比预期的要长一些，但非常感谢，“CamelGoogleBigQueryInsertId”工作得很好-这说明文档中的一个小点是如何决定事情的！再次感谢。