作业图太大，无法提交到 Google Cloud Dataflow

Question

我正在尝试运行 Dataflow 上的作业，每当我尝试使用 DataflowRunner 将其提交到运行时，我都会从服务中收到以下错误：

{
  "code" : 400,
  "errors" : [ {
    "domain" : "global",
    "message" : "Request payload size exceeds the limit: x bytes.",
    "reason" : "badRequest"
  } ],
  "message" : "Request payload size exceeds the limit: x bytes.",
  "status" : "INVALID_ARGUMENT"
}
Caused by: com.google.api.client.googleapis.json.GoogleJsonResponseException: 400 Bad Request
{
  "code" : 400,
  "errors" : [ {
    "domain" : "global",
    "message" : "(3754670dbaa1cc6b): The job graph is too large. Please try again with a smaller job graph, or split your job into two or more smaller jobs.",
    "reason" : "badRequest",
    "debugInfo" : "detail: \"(3754670dbaa1cc6b): CreateJob fails due to Spanner error: New value exceeds the maximum size limit for this column in this database: Jobs.CloudWorkflowJob, size: 17278017, limit: 10485760.\"\n"
  } ],
  "message" : "(3754670dbaa1cc6b): The job graph is too large. Please try again with a smaller job graph, or split your job into two or more smaller jobs.",
  "status" : "INVALID_ARGUMENT"
}

如何将我的作业更改为更小或增加作业大小限制？

Answer 1

此问题有一个解决方法，可让您将作业图的大小增加到最多 100MB。您可以指定此实验：--experiments=upload_graph.

该实验激活了一个新的提交路径，该路径将作业文件上传到 GCS，并通过不包含作业图的 HTTP 请求创建作业 - 但只是对其的引用。

缺点是 UI 可能无法正确显示作业，因为它依赖于 API 请求来共享作业。

额外注意：减小作业图的大小仍然是一个好习惯。

一个重要的提示是，有时可以创建一些匿名 DoFns / lambda 函数，这些函数在其闭包中具有非常大的上下文，因此我建议查看代码中的任何闭包，并确保它们不是包括非常大的上下文。

也许避免匿名 lambdas/DoFns 会有所帮助，因为上下文将成为 class 的一部分，而不是序列化对象。

作业图太大，无法提交到 Google Cloud Dataflow

Job graph too large to submit to Google Cloud Dataflow

python

java

google-cloud-dataflow

apache-beam