ApaceBeam的FileIO.Match步骤在匹配大量来自GCS的文件时卡住了Dataflow作业。
创始人
2024-09-03 10:30:37
0

可以通过为 FileIO.Match 步骤设置合适的数据切分、增加机器实例等方式来解决该问题。此外,还可以尝试使用 PipelineOptions 来控制 Dataflow 作业的一些参数。下面是可能的解决方法的示例代码:

PipelineOptions options = PipelineOptionsFactory.create();
options.as(DataflowPipelineOptions.class).setWorkerMachineType("n1-standard-16");
options.as(DataflowPipelineOptions.class).setNumWorkers(50);

Pipeline pipeline = Pipeline.create(options);
PCollection files = pipeline.apply(FileIO.match().filepattern("gs://bucket_name/path/to/files/*.txt"));

PCollection contents = files.apply(FileIO.readMatches().withCompression(GZIP));

PCollection lines = contents.apply(TextIO.readFiles().withCompressionType(TextIO.CompressionType.GZIP));

// do some transformations and write output
lines.apply(TextIO.write().to("gs://bucket_name/path/to/output").withSuffix(".txt"));

在上面的示例代码中,我们增加了机器实例,提高了作业的并行度,同时也设置了文件分片来防止出现数据倾斜的问题。

相关内容

热门资讯

保存时出现了1个错误,导致这篇... 当保存文章时出现错误时,可以通过以下步骤解决问题:查看错误信息:查看错误提示信息可以帮助我们了解具体...
汇川伺服电机位置控制模式参数配... 1. 基本控制参数设置 1)设置位置控制模式   2)绝对值位置线性模...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
表格中数据未显示 当表格中的数据未显示时,可能是由于以下几个原因导致的:HTML代码问题:检查表格的HTML代码是否正...
本地主机上的图像未显示 问题描述:在本地主机上显示图像时,图像未能正常显示。解决方法:以下是一些可能的解决方法,具体取决于问...
表格列调整大小出现问题 问题描述:表格列调整大小出现问题,无法正常调整列宽。解决方法:检查表格的布局方式是否正确。确保表格使...
不一致的条件格式 要解决不一致的条件格式问题,可以按照以下步骤进行:确定条件格式的规则:首先,需要明确条件格式的规则是...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...