我希望这里有人能帮忙。我一直在谷歌上疯狂地搜索这个错误,但没有发现任何东西。
我有一个管道,在本地执行时工作得很好,但在GCP上执行时会失败。以下是我得到的错误信息。
工作流失败。原因:S03:写入转换fn/WriteMetadata/ResolveBeamFutures/CreateSingleton/Read-WriteMetadata/ResolveBeamFutures/ResolveFutures/Do-Write转换fn/WriteMetadata/WriteMetadata失败。,尝试了4次工作项均未成功。每次工人最终与服务部门失去联系时。已在以下位置尝试了该工作项:
回溯(最后一次调用):文件“preprocess.py”,第491行,在main()文件“preprocess.py”的第487行,在主转换_数据(args,pipeline_选项,runner)文件“preprocess.py”的第451行,在转换_数据eval|中=标识eval
有什么想法吗??
谢谢,
佩德罗
如果管道在本地工作,但在GCP上失败,则可能是版本不匹配。
什么TF,TF。Transform,beam版本您是否在本地和GCP上运行?
作为以下问答的后续问题: https://stackoverflow.com/questions/31156774/about-key-grouping-with-groupbykey 我想与谷歌数据流工程团队(@jkff)确认尤金提出的第三个选项是否有可能使用谷歌数据流:
只是想知道新版本(3.X)的python是否提供了更多的管道I/O和运行时参数。如果我是正确的,那么当前ApacheBeam只提供基于文件的IOs:使用python时提供textio、avroio、tfrecordio。但在Java中,我们有更多的选项,如基于文件的IOs、BigQueryIO、BigtableIO、PubSubIO和SpanRio。 在我的需求中,我想使用Python 3在GCP
我试图在Apache Beam中运行一个非常简单的程序来尝试它是如何工作的。 在运行此操作时,我得到以下错误 谢谢
我们希望提高在GCP数据流中运行特定Apache Beam管道(Python SDK)的成本。 我们已经构建了一个内存密集型Apache Beam管道,这需要在每个执行器上运行大约8.5 GB的内存。一个大型机器学习模型目前加载在转换方法中,因此我们可以为数百万用户预先计算建议。 现有的GCP计算引擎机器类型的内存/vCPU比率低于我们的要求(每个vCPU高达8GB RAM)或更高的比例(每个vC
我想在谷歌数据流上运行一个管道,该管道取决于另一个管道的输出。现在,我正在本地使用DirectRunner依次运行两条管道: 我的问题如下: DataflowRunner是否保证第二个仅在第一个管道完成后启动
我试图在张量流图中使用条件随机场损失。 我正在执行序列标记任务: 我有一系列元素作为输入。每个元素可以属于三个不同类中的一个。类以一种热编码方式表示:属于类0的元素由向量[表示。 我的输入标签(y)有大小(xx)。 我的网络产生相同形状的日志。 假设我所有的序列都有长度4。 这是我的代码: 我得到以下错误: 文件“/usr/local/lib/python2.7/dist-packages/ten