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次

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

前端-session、jwt 目录:   (1)session (2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作: 我们首先创建了一个文件并在这个文件里面添加了...
关于测试,我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语,但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组,我们想大量频繁的去访问L到R这个区间的和,...
nodejs:本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本,node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构:jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路,走一条最大的...
常用的DOS命令 常用的DOS命令 DOS(Disk Operating System,磁...
<C++> 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数,cons...