来自 Beam PTransform 的 IllegalMutationException

Question

这是我写的 Apache Beam PTransform：

public class NormalizeTransform
  extends PTransform<PCollection<String>, PCollection<SimpleTable>> {

@Override
public PCollection<SimpleTable> expand(PCollection<String> lines) {
  ExtractFields extract_i = new ExtractFields();
  PCollection<SimpleTable> table = lines
    .apply("Extracting data model fields from lines",
           ParDo.of(extract_i));
}                                                   

public class ExtractFields extends DoFn<String, SimpleTable> {

@ProcessElement
public void processElement(ProcessContext c){
  try {
    String line = c.element();              
    // fill table
    for (Table_Struct st: this.struct){
      String o = line.substring(st.pos_1, st.pos_2));
      this.table.getClass().getField(st.Field_Name).set(
        this.table, o);                                                                     
    }
    c.output(this.table);
  }
}

偶尔会出现以下错误 IllegalMutationException，这意味着我重复了代码的运行，有时有效，有时无效。

org.apache.beam.sdk.util.IllegalMutationException: PTransform Transform/Extracting data model fields from lines/ParMultiDo(ExtractFields) mutated value  after it was output (new value was ). Values must not be mutated in any way after being output.

at org.apache.beam.runners.direct.ImmutabilityCheckingBundleFactory$ImmutabilityEnforcingBundle.commit(ImmutabilityCheckingBundleFactory.java:135)
at org.apache.beam.runners.direct.EvaluationContext.commitBundles(EvaluationContext.java:214)
at org.apache.beam.runners.direct.EvaluationContext.handleResult(EvaluationContext.java:163)
at org.apache.beam.runners.direct.ExecutorServiceParallelExecutor$TimerIterableCompletionCallback.handleResult(ExecutorServiceParallelExecutor.java:268)
at org.apache.beam.runners.direct.TransformExecutor.finishBundle(TransformExecutor.java:168)
at org.apache.beam.runners.direct.TransformExecutor.run(TransformExecutor.java:109)
at java.util.concurrent.Executors$RunnableAdapter.call(Unknown Source)
at java.util.concurrent.FutureTask.run(Unknown Source)
at java.util.concurrent.ThreadPoolExecutor.runWorker(Unknown Source)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(Unknown Source)
at java.lang.Thread.run(Unknown Source)

我不认为我在我的代码中的任何地方专门更改了值的任何输出。 MutationDetectors 将比较两个值：previousValue 和 newValue。在我的例子中，previousValue 通常是一个输入值，newValue 是另一个输入值。为什么 Transform 会尝试使用一个输入值来修改另一个输入值？

Answer 1

我不确定 this.table 的来源。

但为了帮助您理解错误消息，请记住可能会在多个输入上调用 processElement。第一次调用将输出 this.table。下一次调用将在输出之前变异 this.table。

如果此突变发生在第一次调用输出 this.table 之后且下游代码有机会读取 this.table 之前，您将得到不正确的结果。因此，此错误表明您在输出引用后更改了 this.table 的内容——您不应该这样做。

考虑改为 (1) 输出 this.table 的副本或 (2) 创建 table 作为本地字段。例如：

@ProcessElement
public void processElement(ProcessContext c){
  try {
    String line = c.element(); 
    Table table = /* create the table */;             
    // fill table
    for (Table_Struct st: this.struct){
      String o = line.substring(st.pos_1, st.pos_2));
      this.table.getClass().getField(st.Field_Name)
        .set(table, o);                                                                     
    }
    c.output(table);
  }
}

另请注意，在每个 processElement 中执行反射可能比预期的要慢。如果能直接修改字段，可能会更好。

Answer 2

另请注意，强制执行比较反序列化的值，因此它假定反序列化是确定性的。如果对象包含集合，这可能需要注意元素的顺序。

来自 Beam PTransform 的 IllegalMutationException

IllegalMutationException from Beam PTransform

java

google-cloud-dataflow

apache-beam