数据流作业失败并尝试在 Bigquery 上创建 temp_dataset

Question

我是运行一个简单的数据流作业，用于从 table 读取数据并写回另一个。作业失败并出现错误：

Workflow failed. Causes: S01:ReadFromBQ+WriteToBigQuery/WriteToBigQuery/NativeWrite failed., BigQuery creating dataset "_dataflow_temp_dataset_18172136482196219053" in project "[my project]" failed., BigQuery execution failed., Error: Message: Access Denied: Project [my project]: User does not have bigquery.datasets.create permission in project [my project].

不过我并没有尝试创建任何数据集，它基本上是在尝试创建一个 temp_dataset，因为作业失败了。但我没有得到任何关于幕后真正错误的信息。阅读不是问题，真正失败的是写作步骤。我认为这与权限无关，但我的问题更多是关于如何获得真正的错误而不是这个错误。知道如何解决这个问题吗？

代码如下：

import apache_beam as beam
from apache_beam.options.pipeline_options import PipelineOptions, GoogleCloudOptions, StandardOptions, WorkerOptions
from sys import argv

options = PipelineOptions(flags=argv)
google_cloud_options = options.view_as(GoogleCloudOptions)
google_cloud_options.project = "prj"
google_cloud_options.job_name = 'test'
google_cloud_options.service_account_email = "mysa"
google_cloud_options.staging_location = 'gs://'
google_cloud_options.temp_location = 'gs://'
options.view_as(StandardOptions).runner = 'DataflowRunner'
worker_options = options.view_as(WorkerOptions)
worker_options.subnetwork = 'subnet'

with beam.Pipeline(options=options) as p:
    query = "SELECT ..."

    bq_source = beam.io.BigQuerySource(query=query, use_standard_sql=True)

    bq_data = p | "ReadFromBQ" >> beam.io.Read(bq_source)

    table_schema = ...
    bq_data | beam.io.WriteToBigQuery(
        project="prj",
        dataset="test",
        table="test",
        schema=table_schema,
        create_disposition=beam.io.BigQueryDisposition.CREATE_IF_NEEDED,
        write_disposition=beam.io.BigQueryDisposition.WRITE_APPEND
    )

Answer 1

使用 BigQuerySource 时，SDK 会创建一个临时数据集并将查询的输出存储到临时 table。然后它从该临时 table 发出导出以从中读取结果。

因此它创建此 temp_dataset 是预期的行为。这意味着它可能没有隐藏错误。

这没有很好的记录，但可以通过读取调用在 BigQuerySource 的实现中看到：BigQuerySource.reader() --> BigQueryReader() --> BigQueryReader().__iter__() --> BigQueryWrapper.run_query() --> BigQueryWrapper._start_query_job()。

数据流作业失败并尝试在 Bigquery 上创建 temp_dataset

Dataflow job fails and tries to create temp_dataset on Bigquery

google-bigquery

google-cloud-dataflow

apache-beam