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 10:30:27
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

记者揭秘!新版边锋掼蛋辅助器(... 记者揭秘!新版边锋掼蛋辅助器(wEpOke),太坑了原来是真的有挂(有挂攻略)-哔哩哔哩;致您一封信...
6分钟了解(微扑克机器人)外挂... 6分钟了解(微扑克机器人)外挂透明挂辅助神器(ai代打)透视辅助(2024已更新)(哔哩哔哩);微扑...
科技分享(德扑之星开桌)外挂透... 科技分享(德扑之星开桌)外挂透明挂辅助工具(软件)德州ai机器人(2024已更新)(哔哩哔哩)是一款...
推荐攻略!边锋杭麻圈有挂(We... 推荐攻略!边锋杭麻圈有挂(WepokE),太坑了的确真的有挂(有挂教程)-哔哩哔哩;亲真的是有正版授...
四分钟了解!边锋老友棋牌一直输... 四分钟了解!边锋老友棋牌一直输,来玩德州 辅助,详细有挂(有挂攻略)-哔哩哔哩;边锋老友棋牌一直输软...
最新技巧!雀神小程序游戏规则(... 最新技巧!雀神小程序游戏规则(辅助挂)太坑了竟然是真的有挂(有挂教程)-哔哩哔哩;雀神小程序游戏规则...
七分钟了解(wePOke)外挂... 七分钟了解(wePOke)外挂透明挂辅助机制(系统)软件透明挂(2023已更新)(哔哩哔哩);(需添...
重大通报!鄱阳翻精系统发牌机制... 重大通报!鄱阳翻精系统发牌机制(wepoKE),太坑了其实真的有挂(有挂了解)-哔哩哔哩科技教程也叫...
我来教教你!边锋杭麻圈辅助,a... 我来教教你!边锋杭麻圈辅助,appoker透视辅助下载,详细有挂(有挂总结)-哔哩哔哩;边锋杭麻圈辅...
新手必备!广东雀神辅助插件哪里... 新手必备!广东雀神辅助插件哪里买(辅助挂)太坑了确实是真的有挂(有挂教学)-哔哩哔哩;科技详细教程小...