数据流作业在 40 秒内失败

Question

我有一个简单的 google could http trigger function，它负责触发数据流运行器作业，将云存储上的数据从 CSV 加载到 BigQuery 表。

我的代码如下所示：-

import apache_beam as beam
import argparse
from apache_beam.options.pipeline_options import SetupOptions, PipelineOptions

PROJECT = 'proj'
BUCKET='BUCKET'
SCHEMA = 'sr:INTEGER,abv:FLOAT,id:INTEGER,name:STRING,style:STRING,ounces:FLOAT,ibu:STRING,brewery_id:STRING'
DATAFLOW_JOB_NAME = 'jobname'


def execute(request):
    argv = [
      '--project={0}'.format(PROJECT),
      '--job_name={0}'.format(DATAFLOW_JOB_NAME),
      '--staging_location=gs://{0}/staging/'.format(BUCKET),
      '--temp_location=gs://{0}/staging/'.format(BUCKET),
      '--region=europe-west2',
      '--runner=DataflowRunner'
   ]

    #p = beam.Pipeline(argv=argv)
    pipeline_options = PipelineOptions(argv)
    pipeline_options.view_as(SetupOptions).save_main_session = True
    p = beam.Pipeline(options=pipeline_options)
    input = 'gs://{0}/beers.csv'.format(BUCKET)
    print ('step-222')

    (p | 'ReadData' >> beam.io.ReadFromText(input, skip_header_lines =1)
       | 'SplitData' >> beam.Map(lambda x: x.split(','))
       | 'FormatToDict' >> beam.Map(lambda x: {"sr": x[0], "abv": x[1], "ibu": x[2], "id": x[3], "name": x[4], "style": x[5], "brewery_id": x[6], "ounces": x[7]}) 
       | 'WriteToBigQuery' >> beam.io.WriteToBigQuery(
           table='data',
           dataset='sandbox',
           project=PROJECT
           schema=SCHEMA,
           create_disposition=beam.io.BigQueryDisposition.CREATE_IF_NEEDED,
           write_disposition=beam.io.BigQueryDisposition.WRITE_APPEND
           ))
    p.run()
    return "success"

Function 成功运行，它还创建了一个 Dataflow 实例，但 Dataflow 实例在 40 秒内失败，没有创建 Graph-View。 它给出了错误：-

Answer 1

正如@captainnabla 在他的评论中所说，您必须创建一个su.network并将其作为您的Dataflow作业的选项。

• 解决方案 1

在项目的默认VPC中，为Dataflow创建 su.network

如果您没有指定 su.network，通常 Dataflow 作业将使用项目默认的 VPC.network。 我不知道为什么这在您的情况下不起作用（也许在这种情况下，作业采用的 default.network 在执行作业的项目之外）。

• 方案二

为您的数据管道创建另一个VPC ，为数据流创建一个Dataflow

.network 配置取决于您的团队策略。

在这两个解决方案中，您可以将Dataflow作为程序参数传递给数据流作业：

--subnetwork=https://www.googleapis.com/compute/v1/projects/{PROJECT_ID}/regions/{REGION}/subnetworks/{SUBNETWORK}