python - 在 GCP Console 上创建数据流作业期间提供参数时出错
问题描述
自 2021 年 10 月 5 日以来,我的 GCP Dataflow 模板文件正在获取模板创建期间提供的参数值(当我在本地计算机上运行 .py 文件以在 GCP 存储上创建模板文件时)并且没有获取参数在基于此相同模板文件的作业创建期间提供。如果我在模板创建期间没有提供任何值,他们会假定一个 RuntimeValueProvider(当不使用 args 的默认值时),而不是在创建作业期间提供的值。
作业创建期间提供的参数存储在 Dataflow 作业会话中。如果我打开作业,请转到右侧栏并打开“管道选项”,因此在创建作业期间提供的正确值在那里,但它们没有到达代码。
我在 GCP 控制台中以经典方式从模板运行我的代码:
gcloud dataflow jobs run JOB_NAME --gcs-location gs://LOCATION/TEMPLATE/FILE --region REGION --project PROJ_NAME --worker-machine-type MACHINE_TYPE --parameters PARAM_1=PARAM_1_VALUE,PARAM_2=PARAM_2_VALUE
我正在使用 SDK 2.32.0,在内部代码中我使用的是“parser.add_value_provider_argument”而不是“parser.add_argument”。但是我使用“parser.add_argument”对其进行了测试,但没有成功。使用这两种方法,我的代码都假设我运行 .py 文件时的参数值。
示例 1
import apache_beam.io.gcp.gcsfilesystem as gcs
from apache_beam.options.pipeline_options import PipelineOptions
class MyOptions(PipelineOptions):
@classmethod
def _add_argparse_args(cls, parser):
parser.add_value_provider_argument('--PARAM_1',
type=str)
parser.add_value_provider_argument('--PARAM_2',
type=str)
beam_options = PipelineOptions()
args = beam_options.view_as(MyOptions)
# Some business operations with args that are always assuming the values provided during template creation
options = {'project': PROJECT,
'runner': 'DataflowRunner',
'region': REGION,
'staging_location': 'gs://{}/temp'.format(BUCKET),
'temp_location': 'gs://{}/temp'.format(BUCKET),
'template_location': 'gs://{}/template/batch_poc'.format(BUCKET)}
pipeline_options = PipelineOptions.from_dictionary(options)
with beam.Pipeline(options = pipeline_options) as p:
lines = (p
| beam...
)
示例 2(与示例 1 相同,但使用默认值)
# ... same as example 1
class MyOptions(PipelineOptions):
@classmethod
def _add_argparse_args(cls, parser):
parser.add_value_provider_argument('--PARAM_1',
default="test1",
type=str)
parser.add_value_provider_argument('--PARAM_2',
default="test2",
type=str)
# ... same as example 1
在所有情况下,我在创建作业期间提供的参数都会被忽略。
案例 1:当在本地机器上运行没有 args 的示例 1(如下面的 python 命令)并在 GCP 控制台上运行其模板时,两种情况:args 和没有 args(如下面的第二个命令)。PARAM_1_VALUE 和 PARAM_2_VALUE 中的值相同:RuntimeValueProvider(...)
LOCALHOST> python3 code.py
GCP> gcloud dataflow jobs run ...
OR
GCP> gcloud dataflow jobs run ... --parameters PARAM_1=another_test_1,PARAM_2=another_test_2
案例 2:在本地机器上运行带有 args 的示例 1(如下面的 python 命令)并在 GCP 控制台上运行其模板时,两种情况:args 和无 args(如下面的第二个命令)。PARAM_1_VALUE 和 PARAM_2_VALUE 中的值与模板创建期间传递的值相同:another_test_{value} 而不是 another_another_test_{value}
LOCALHOST> python3 code.py --PARAM_1 another_test_1 --PARAM_2 another_test_2
GCP> gcloud dataflow jobs run ...
OR
GCP> gcloud dataflow jobs run ... --parameters PARAM_1=another_another_test_1,PARAM_2=another_another_test_2
案例 3:在本地机器上运行没有 args 的示例 2(如下面的 python 命令)并在 GCP 控制台上运行其模板时,两种情况:args 和没有 args(如下面的第二个命令)。PARAM_1_VALUE 和 PARAM_2_VALUE 中的值是默认值。
LOCALHOST> python3 code.py
GCP> gcloud dataflow jobs run ...
OR
GCP> gcloud dataflow jobs run ... --parameters PARAM_1=another_test_1,PARAM_2=another_test_2
案例 4:在本地机器上运行带有 args 的示例 2(如下面的 python 命令)并在 GCP 控制台上运行其模板,两种情况:args 和无 args(如下面的第二个命令)。它的发生与案例 2 相同。
注意:我更新了两个库:apache-beam 和 apache-beam[gcp]
解决方案
请注意,在管道构建期间不能使用“--PARAM_1_VALUE”、“--PARAM_1_VALUE”... 值。根据1:
“RuntimeValueProvider 是默认的 ValueProvider 类型。RuntimeValueProvider 允许您的管道接受仅在管道执行期间可用的值。该值在管道构建期间不可用,因此您无法使用该值来更改管道的工作流图。”</p>
文档显示在 ValueProvider 参数上使用 .get() 方法允许您在运行时检索值并在函数中使用它。字面上地:
“要在您自己的函数中使用运行时参数值,请更新函数以使用 ValueProvider 参数。”</p>
在这里,ValueProvider.get() 在运行时方法 DoFn.process() 中被调用。
基于此,我建议您在2之后更改代码并重试。
推荐阅读
- c# - WPF 使用 .Net 3.1 - Process.Start Excel 文件错误:“指定的可执行文件不是此 OS 平台的有效应用程序。”
- php - 如何找到下午时间和上午时间之间的时差?
- sql - 获取每个组和序列的开始和结束日期,由一个日期列派生
- javascript - NuxtJS vuex 状态变量不保留更新的值
- regex - 这种正则表达式电子邮件模式有什么问题?
- javascript - 为什么我的spring boot控制器在ajax调用后不显示新视图
- javascript - Javascript:函数不是函数
- javascript - 如果 B 和 C 依赖于 A,那么 JS 回调最佳实践是什么?
- excel - 使用复选框将行复制到更正选项卡
- web-scraping - 使用 python 或任何其他工具从同一 URL 抓取动态信息