作业图太大，无法提交到Google云数据流

Question

我正在尝试在Dataflow上运行作业，每当我尝试提交作业以与DataflowRunner一起运行时，我都会收到来自服务的以下错误：

{
  "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"
}

我如何将我的工作变小，或增加工作规模限制

Answer 1

这个问题有一个解决方法，可以让您将作业图的大小增加到100MB。您可以指定此实验： experiments=upload_graph

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HTTP请求创建作业，该请求不包含作业图，只包含对作业图的引用

这样做的缺点是UI可能无法显示作业，因为它依赖API请求来共享作业

---

另外要注意的是：减小工作图的大小仍然是一个很好的做法

一个重要提示是，有时可以创建一些匿名DoFns/lambda函数，这些函数的闭包中将包含非常大的上下文，因此我建议查看代码中的任何闭包，并确保它们本身不包含非常大的上下文

也许避免匿名lambdas/dofn会有所帮助，因为上下文将是类的一部分，而不是序列化对象