Dataflow BigQuery插入作业在使用大数据集时立即失败
-
null
通常，代码做它应该做的事情。但是，当从API收集一个大数据集（大约500.000个JSON文件）时，bigquery插入作业在使用DataFlow Runner时（它与在我的计算机上执行的DirectRunner一起工作）启动后立即停止(=在一秒钟内），而没有特定的错误消息。当使用较小的数据集时，一切都很好。
数据流日志如下：
2019-04-22 (00:41:29) Executing BigQuery import job "dataflow_job_14675275193414385105". You can check its status with the...
Executing BigQuery import job "dataflow_job_14675275193414385105". You can check its status with the bq tool: "bq show -j --project_id=X dataflow_job_14675275193414385105".
2019-04-22 (00:41:29) Workflow failed. Causes: S01:Create Dummy Element/Read+Call API+Transform JSON+Write to Bigquery /Wr...
Workflow failed. Causes: S01:Create Dummy Element/Read+Call API+Transform JSON+Write to Bigquery /WriteToBigQuery/NativeWrite failed., A work item was attempted 4 times without success. Each time the worker eventually lost contact with the service. The work item was attempted on:
beamapp-X-04212005-04211305-sf4k-harness-lqjg,
beamapp-X-04212005-04211305-sf4k-harness-lgg2,
beamapp-X-04212005-04211305-sf4k-harness-qn55,
beamapp-X-04212005-04211305-sf4k-harness-hcsn
按照建议使用bq cli工具来获取有关bq加载作业的更多信息是行不通的。找不到该作业（由于瞬间失败，我怀疑它是否已经创建）。
BigQueryIO目前有以下限制。
您不能将BigQuery write的完成顺序与>Your Pipeline的其他步骤一起进行。
如果您使用的是用于Python的Beam SDK，那么如果您编写了一个非常大的数据集，则可能会出现import size quota>问题。作为一种变通方法，您可以对>数据集进行分区（例如，使用Beam的分区转换）并写入>多个BigQuery表。Beam SDK for Java没有这个>限制，因为它为您划分数据集。
我很感激任何关于如何缩小这个问题的根本原因的提示。
我也想尝试一个分区Fn，但没有找到任何python源代码示例如何将分区的pcollection写入BigQuery表。
共有1个答案
一件可能有助于调试的事情是查看Stackdriver日志。
如果在Google控制台中拉出Dataflow作业，并单击graph面板右上角的logs，那么应该会打开底部的logs面板。日志面板的右上方有一个指向StackDriver的链接。这将为您提供大量关于员工/洗牌/等的日志信息。为了这份特殊的工作。
其中有很多内容，很难筛选出相关的内容，但希望您能够找到比一个工作项尝试了4次都没有成功更有帮助的内容。例如，每个worker偶尔会记录它正在使用的内存，这可以与每个worker的内存量进行比较（基于机器类型），以查看它们是否确实内存不足，或者错误是否发生在其他地方。
-
我试图通过设置服务器身份验证将本地文件加载到bigquery。我已经完成了以下步骤 > gcloud auth激活服务帐户命令 使用登录 gcloud身份验证登录 正在尝试执行python脚本以将文件上载到BigQuery 范围= 结果是 但我有足够的权限创建查询作业 我错过了什么？我以为我已经登录了。
-
问题内容： 我需要将CSV文件中的约180万行插入MySQL数据库。（只有一张桌子） 当前使用Java解析文件并插入每一行。 可以想象，这需要花费几个小时才能运行。（粗略地10） 我之所以没有将其从文件直接传送到db中，是因为在将数据添加到数据库之前必须对其进行操作。 此过程需要由那里的IT经理来运行。因此，我将其设置为一个不错的批处理文件，以便他们在将新的csv文件放入正确的位置后运行。因此，我
-
我正在创建一个如下所示的JobDetail，
-
在我的本地设置中，我使用一个简单的H2数据库。“托管”解决方案将有另一个（类似但不相同）数据库。 我需要将最大可能的日期插入到DateTime列中。我试图用 但是，这会导致列中出现-169104626-12-11 20:08:15.9999999。 关于如何插入最长可能日期，是否有可靠的选项？
-
我已经使用Spring云数据流来控制一些批处理作业。在SCDF中，我定义了一些任务后，它们作为运行状态的作业启动。当我试图停止一项特定的工作时，它并没有立即停止。我发现该工作仍在运行，直到它完成了当前的步骤。 例如，我的作业'abc'有2个步骤A和B。在SCDF中，当步骤A正在执行，而作业'abc'仍在运行时，我停止作业'abc'，直到步骤A完成，并且它没有实现步骤B。 那么，有什么方法可以从Sp
-
我有一个问题与Spring回滚事务。我有一个方法，它创建一个新的订单插入几个表（，，...）。如果在方法完成之前有一个异常，回滚被启动，在中的记录被删除，但记录仍然存在。我想删除在我的数据库中生成的所有记录。字段（主键）是由MySQL 5.6中的自动增量生成的。的主键是两个外键。 用户表： 订单产品表： 我使用的是MySQL 5.6、Hibernate 4和Spring 4。 日志文件相关： 编辑