0
我正在尝试创建处理数千个文件的数据流作业,并且为每个文件写入到GCS中的其他目标。Google Dataflow作业因“上传数据不足”而失败
我必须做很多TextIO作为源代码并将其作为单独的流写入目标。示例代码片段如下:
List<PCollection<String>> pcs = new ArrayList<>();
for(int i = 0; i < 2000; i++) {
pcs.add(p.apply(TextIO.Read.from("gs://wushilin-asia/some-folder/input-" + i + "/*")));
}
for(int i = 0; i < 2000; i++) {
pcs.get(i).apply(TextIO.Write.to("gs://wushilin-asia/some-folder/output-" + i + "/"));
}
p.run();
这静静地失败(似乎永远挂),误差在后台“上传数据不足”。
这里怎么回事?
事实证明,数据流结构太复杂,数据流作业元数据存储无法处理它。减少到更少的组件解决了这个问题 –