数据流作业失败并尝试在 Bigquery 上创建 temp_dataset

Question

我正在运行一个简单的数据流作业来从一个表中读取数据并写回另一个表。 作业失败并出现错误：

工作流程失败。原因：S01：ReadFromBQ+WriteToBigQuery/WriteToBigQuery/NativeWrite 失败。，BigQuery 在项目“[我的项目]”中创建数据集“_dataflow_temp_dataset_18172136482196219053”失败。，BigQuery 执行失败。，错误： 消息：访问被拒绝：项目 [我的项目]：用户在项目 [我的项目] 中没有 bigquery.datasets.create 权限。

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。 知道如何处理这个问题吗？

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一个临时表中。然后它从该临时表发出导出以从中读取结果。

所以它创建这个 temp_dataset 是预期的行为。这意味着它可能没有隐藏错误。

这没有很好的文档记录，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() --> @ 987654325@.