java - 来自 Beam PTransform 的 IllegalMutationException

Question

这是我编写的 Apache Beam PTransform:

public class NormalizeTransform
  extends PTransform<PCollection<String>, PCollection<SimpleTable>> {

@Override
public PCollection<SimpleTable> expand(PCollection<String> lines) {
  ExtractFields extract_i = new ExtractFields();
  PCollection<SimpleTable> table = lines
    .apply("Extracting data model fields from lines",
           ParDo.of(extract_i));
}                                                   

public class ExtractFields extends DoFn<String, SimpleTable> {

@ProcessElement
public void processElement(ProcessContext c){
  try {
    String line = c.element();              
    // fill table
    for (Table_Struct st: this.struct){
      String o = line.substring(st.pos_1, st.pos_2));
      this.table.getClass().getField(st.Field_Name).set(
        this.table, o);                                                                     
    }
    c.output(this.table);
  }
}

并且偶尔会出现以下错误IllegalMutationException，这意味着我重复运行代码，有时有效，有时无效。

org.apache.beam.sdk.util.IllegalMutationException: PTransform Transform/Extracting data model fields from lines/ParMultiDo(ExtractFields) mutated value  after it was output (new value was ). Values must not be mutated in any way after being output.

at org.apache.beam.runners.direct.ImmutabilityCheckingBundleFactory$ImmutabilityEnforcingBundle.commit(ImmutabilityCheckingBundleFactory.java:135)
at org.apache.beam.runners.direct.EvaluationContext.commitBundles(EvaluationContext.java:214)
at org.apache.beam.runners.direct.EvaluationContext.handleResult(EvaluationContext.java:163)
at org.apache.beam.runners.direct.ExecutorServiceParallelExecutor$TimerIterableCompletionCallback.handleResult(ExecutorServiceParallelExecutor.java:268)
at org.apache.beam.runners.direct.TransformExecutor.finishBundle(TransformExecutor.java:168)
at org.apache.beam.runners.direct.TransformExecutor.run(TransformExecutor.java:109)
at java.util.concurrent.Executors$RunnableAdapter.call(Unknown Source)
at java.util.concurrent.FutureTask.run(Unknown Source)
at java.util.concurrent.ThreadPoolExecutor.runWorker(Unknown Source)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(Unknown Source)
at java.lang.Thread.run(Unknown Source)

我认为我没有专门更改代码中任何位置的值的任何输出。 MutationDetectors 将比较两个值:previousValue 和 newValue。就我而言， previousValue 通常是一个输入值，而 newValue 是另一个输入值。为什么 Transform 会尝试使用一个输入值来修改另一个输入值？

Answer 1

我不确定 this.table 来自哪里。

但为了帮助您理解错误消息，请记住，可能会在多个输入上调用 processElement。第一次调用将输出 this.table。下一次调用将在输出之前改变 this.table。

如果此突变发生在第一次调用输出 this.table 之后且下游代码有机会读取 this.table 之前，您将得到不正确的结果。因此，此错误表明您在输出引用后更改了 this.table 的内容 - 这是您不应该做的事情。

考虑 (1) 输出 this.table 的副本或 (2) 将表创建为本地字段。例如:

@ProcessElement
public void processElement(ProcessContext c){
  try {
    String line = c.element(); 
    Table table = /* create the table */;             
    // fill table
    for (Table_Struct st: this.struct){
      String o = line.substring(st.pos_1, st.pos_2));
      this.table.getClass().getField(st.Field_Name)
        .set(table, o);                                                                     
    }
    c.output(table);
  }
}

另请注意，在每个 processElement 中执行反射可能会比预期慢。如果可以直接修改字段，可能会更好。