时间戳

首页 > 解决方案 > 数据流错误：“客户端具有非平凡的本地和不可腌制的状态”

python - 数据流错误：“客户端具有非平凡的本地和不可腌制的状态”

问题描述

我有一个可以在本地执行而不会出现任何错误的管道。我曾经在本地运行的管道中遇到此错误

    'Clients have non-trivial state that is local and unpickleable.'
     PicklingError: Pickling client objects is explicitly not supported.

我相信我通过降级到 apache-beam=2.3.0 解决了这个问题，然后在本地它会完美运行。

现在我正在使用DataflowRunner 并且在 requirements.txt 文件中我有以下依赖项

    apache-beam==2.3.0
    google-cloud-bigquery==1.1.0
    google-cloud-core==0.28.1
    google-cloud-datastore==1.6.0
    google-cloud-storage==1.10.0
    protobuf==3.5.2.post1
    pytz==2013.7

但我又遇到了这个可怕的错误

    'Clients have non-trivial state that is local and unpickleable.'
     PicklingError: Pickling client objects is explicitly not supported.

为什么它给了我 DataflowRunner 的错误而不是 DirectRunner 的错误？他们不应该使用相同的依赖项/环境吗？任何帮助，将不胜感激。

我已经读过这是解决它的方法但是当我尝试它时我仍然得到同样的错误

    class MyDoFn(beam.DoFn):

        def start_bundle(self, process_context):
            self._dsclient = datastore.Client()

        def process(self, context, *args, **kwargs):
        # do stuff with self._dsclient

来自https://github.com/GoogleCloudPlatform/google-cloud-python/issues/3191

我之前在本地修复此问题的参考帖子：

在 apache-beam 作业中使用 start_bundle() 不起作用。Unpickleable storage.Client()

提前致谢！

标签： pythongoogle-cloud-dataflowpickleapache-beam

解决方案

在方法中初始化 unpickleable 客户端start_bundle是一种正确的方法，Beam IO 经常遵循这种方法，请参阅datastoreio.py作为示例。这是一个在 DoFn 中使用 GCS python 客户端执行简单操作的管道。我在 Apache Beam 2.16.0 上运行它没有问题。如果您仍然可以重现您的问题，请提供更多详细信息。

gcs_client.py 文件： 

import argparse
import logging
import time

import apache_beam as beam
from apache_beam.options.pipeline_options import PipelineOptions
from google.cloud import storage

class MyDoFn(beam.DoFn):
  def start_bundle(self):
    self.storage_client = storage.Client()

  def process(self, element):
    bucket = self.storage_client.get_bucket("existing-gcs-bucket")
    blob = bucket.blob(str(int(time.time())))
    blob.upload_from_string("payload")
    return element

logging.getLogger().setLevel(logging.INFO)
_, options = argparse.ArgumentParser().parse_known_args()

pipeline_options = PipelineOptions(options)
p = beam.Pipeline(options=pipeline_options)
_ = p | beam.Create([None]) | beam.ParDo(MyDoFn())

p.run().wait_until_finish()

requirements.txt 文件：

google-cloud-storage==1.23.0

命令行：

python -m gcs_client \
    --project=insert_your_project \
    --runner=DataflowRunner \
    --temp_location gs://existing-gcs-bucket/temp/ \
    --requirements_file=requirements.txt \
    --save_main_session

推荐阅读