【问题标题】:DataflowRunner requires gcpTempLocation, but failed to retrieve a value from PipelineOptionsDataflowRunner 需要 gcpTempLocation,但无法从 PipelineOptions 检索值
【发布时间】:2019-11-18 02:57:11
【问题描述】:

我正在创建一个演示管道,以使用我的免费 G​​oogle 帐户将 CSV 文件加载到带有 Dataflow 的 BigQuery 中。这就是我所面临的。

当我从 GCS 文件中读取数据并记录数据时,这非常有效。下面是我的示例代码。

这段代码运行正常

DataflowPipelineOptions options = PipelineOptionsFactory.as(DataflowPipelineOptions.class);
options.setProject("project12345");
options.setStagingLocation("gs://mybucket/staging");
options.setRunner(DataflowRunner.class);
DataflowRunner.fromOptions(options);
Pipeline p = Pipeline.create(options);
p.apply(TextIO.read().from("gs://mybucket/charges.csv")).apply(ParDo.of(new DoFn<String, Void>() {
            @ProcessElement
            public void processElement(ProcessContext c) {
                LOG.info(c.element());
            }

}));

但是,当我添加一个带有我创建的存储桶路径的临时文件夹位置时,我收到一个错误,下面是我的代码。


        LOG.debug("Starting Pipeline");
        DataflowPipelineOptions options = PipelineOptionsFactory.as(DataflowPipelineOptions.class);
        options.setProject("project12345");
        options.setStagingLocation("gs://mybucket/staging");
        options.setTempLocation("gs://project12345/temp");
        options.setJobName("csvtobq");
        options.setRunner(DataflowRunner.class);
    
        DataflowRunner.fromOptions(options);
        Pipeline p = Pipeline.create(options);

        boolean isStreaming = false;
        TableReference tableRef = new TableReference();
        tableRef.setProjectId("project12345");
        tableRef.setDatasetId("charges_data");
        tableRef.setTableId("charges_data_id");

        p.apply("Loading Data from GCS", TextIO.read().from("gs://mybucket/charges.csv"))
                .apply("Convert to BiqQuery Table Row", ParDo.of(new FormatForBigquery()))
                .apply("Write into Data in to Big Query",
                        BigQueryIO.writeTableRows().to(tableRef).withSchema(FormatForBigquery.getSchema())
                                .withCreateDisposition(BigQueryIO.Write.CreateDisposition.CREATE_IF_NEEDED)
                                .withWriteDisposition(isStreaming ? BigQueryIO.Write.WriteDisposition.WRITE_APPEND
                                        : BigQueryIO.Write.WriteDisposition.WRITE_TRUNCATE));

        p.run().waitUntilFinish();
    } 

当我运行它时,我收到以下错误

Exception in thread "main" java.lang.IllegalArgumentException: DataflowRunner requires gcpTempLocation, but failed to retrieve a value from PipelineOptions
    at org.apache.beam.runners.dataflow.DataflowRunner.fromOptions(DataflowRunner.java:242)
    at demobigquery.StarterPipeline.main(StarterPipeline.java:74)
Caused by: java.lang.IllegalArgumentException: Error constructing default value for gcpTempLocation: tempLocation is not a valid GCS path, gs://project12345/temp. 
    at org.apache.beam.sdk.extensions.gcp.options.GcpOptions$GcpTempLocationFactory.create(GcpOptions.java:247)
    at org.apache.beam.sdk.extensions.gcp.options.GcpOptions$GcpTempLocationFactory.create(GcpOptions.java:228)
    at org.apache.beam.sdk.options.ProxyInvocationHandler.returnDefaultHelper(ProxyInvocationHandler.java:592)
    at org.apache.beam.sdk.options.ProxyInvocationHandler.getDefault(ProxyInvocationHandler.java:533)
    at org.apache.beam.sdk.options.ProxyInvocationHandler.invoke(ProxyInvocationHandler.java:155)
    at com.sun.proxy.$Proxy15.getGcpTempLocation(Unknown Source)
    at org.apache.beam.runners.dataflow.DataflowRunner.fromOptions(DataflowRunner.java:240)

这是身份验证问题吗?因为我通过 Eclipse Dataflow 插件从 GCP 使用 JSON 凭据作​​为项目所有者。

任何帮助将不胜感激。

【问题讨论】:

标签: java google-cloud-platform google-cloud-storage google-cloud-dataflow dataflow


【解决方案1】:

看起来像从 [1] 抛出的错误消息。默认的 GCS 验证器在 [2] 中实现。如您所见,Beam 代码也会引发IllegalArgumentException 的异常。因此,您可以进一步检查堆栈以了解GcsPathValidator 中发生的异常。

[1]https://github.com/apache/beam/blob/master/sdks/java/extensions/google-cloud-platform-core/src/main/java/org/apache/beam/sdk/extensions/gcp/options/GcpOptions.java#L278

[2]https://github.com/apache/beam/blob/master/sdks/java/extensions/google-cloud-platform-core/src/main/java/org/apache/beam/sdk/extensions/gcp/storage/GcsPathValidator.java#L29

【讨论】:

    【解决方案2】:

    它可能与您正在设置的流式传输选项有关。 CSV 上传会自动设置为批处理作业。因此,如果您尝试将其设置为流,则可能会导致问题。

    如果您坚持流式传输,请查看this documentation

    【讨论】:

      【解决方案3】:

      也许您缺少凭据?由于您需要创建一个文件夹结构(每次执行一个新文件夹),您需要Storage Admin 而不仅仅是Storage Object AdminStorage Object Creator

      【讨论】:

        【解决方案4】:

        这可能有多种原因:

        1. 您没有使用正确的 GCP 项目凭据登录 - 错误的用户(或没有登录的用户)或错误的 项目正在登录中

          确保 GOOGLE_APPLICATION_CREDENTIALS 环境变量 适用于正确的用户和项目。如果没有获得权利 凭据使用

          gcloud auth 应用程序默认登录

          下载 json,并将 GOOGLE_APPLICATION_CREDENTIALS 更改为下载的文件。重新启动系统,然后重试

        2. 您可以使用正确的用户 ID 登录正确的项目, 但可能缺少存储桶访问所需的权限。 确保您具有以下访问权限:

          • 存储管理员
          • Storage Legacy Bucket Owner
          • 存储旧对象所有者(可选)
        3. 您尝试的网址不存在或拼写错误

        【讨论】:

          猜你喜欢
          • 1970-01-01
          • 1970-01-01
          • 2019-01-23
          • 2019-03-13
          • 2015-08-07
          • 2016-11-02
          • 2020-06-20
          • 1970-01-01
          • 1970-01-01
          相关资源
          最近更新 更多