- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我知道几周前对 CDF 服务进行了更新(默认工作人员类型和附加的 PD 已更改),并且很明显这会使批处理作业变慢。然而,我们的工作绩效已经下降,超出了实际满足我们业务需求的程度。
例如,特别是对于我们的一项作业:它从 BigQuery 中的表中读取约 270 万行,有 6 个辅助输入(BQ 表),执行一些简单的字符串转换,最后将多个输出 (3) 写入大查询。过去,这需要 5-6 分钟,而现在则需要 15-20 分钟 - 无论我们使用多少个虚拟机。
我们可以做些什么来使速度恢复到我们以前看到的速度吗?
以下是一些统计数据:
10 个虚拟机 (n1-standard-2)16分5秒2015-04-22_19_42_20-4740106543213058308
10 个虚拟机 (n1-standard-4)17分11秒2015-04-22_20_04_58-948224342106865432
10 个虚拟机 (n1-standard-1)18分44秒2015-04-22_19_42_20-4740106543213058308
20 个虚拟机 (n1-standard-2)22分53秒2015-04-22_21_26_53-18171886778433479315
50 个虚拟机 (n1-standard-2)17 分 26 秒2015-04-22_21_51_37-16026777746175810525
100 个虚拟机 (n1-standard-2)19分33秒2015-04-22_22_32_13-9727928405932256127
最佳答案
证据似乎表明您的管道处理侧面输入的方式存在问题。具体来说,对于主输入的每个元素,辅助输入很可能会一次又一次地从 BigQuery 重新读取。这与 Dataflow Worker 使用的虚拟机类型的更改完全正交,如下所述。
这与 Dataflow SDK for Java 版本 0.3.150326 中所做的更改密切相关。在此版本中,我们更改了侧输入 API 以应用于每个窗口。对 sideInput()
的调用现在仅返回与主输入元素的窗口相对应的特定窗口中的值,而不是整个侧输入 PCollectionView
。因此,无法再从 DoFn
的 startBundle
和 finishBundle
调用 sideInput()
,因为窗口不尚未可知。
例如,以下代码片段存在一个问题,会导致重新读取每个输入元素的侧面输入。
@Override
public void processElement(ProcessContext c) throws Exception {
Iterable<String> uniqueIds = c.sideInput(iterableView);
for (String item : uniqueIds) {
[...]
}
c.output([...]);
}
可以通过在第一次调用 processElement
期间将侧输入缓存到转换的 List
成员变量(假设它适合内存)来改进此代码,并且在后续调用中使用缓存的 List
而不是侧面输入。
此解决方法应该可以恢复您之前看到的性能,当时可以从 startBundle
调用侧面输入。从长远来看,我们将致力于更好地缓存侧面输入。 (如果这不能帮助完全解决问题,请通过电子邮件与我们联系并分享相关的代码片段。)
另外,确实在 2015 年 4 月 9 日左右对 Cloud Dataflow Service 进行了更新,更改了 Dataflow Worker 使用的虚拟机的默认类型。具体来说,我们减少了每个工作线程的默认核心数量,因为我们的基准测试表明它对于典型作业来说具有成本效益。这并不是任何类型的数据流服务的减慢——默认情况下,它只是以每个工作线程更少的资源运行。用户仍然可以选择覆盖工作人员数量以及工作人员使用的虚拟机类型。
关于google-cloud-dataflow - 数据流性能问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29814922/
这里的这个问题对 updating Google Sheets charts linked to Google slides 有一个简洁的解决方案. function onOpen() { var
我正在尝试将 Google 表单添加到 Google 类作业中,但似乎不可能。 首先,它在这里 ( https://developers.google.com/classroom/reference/
出于某种原因,无论我做什么以及我如何尝试,这个日期格式化程序都不起作用。工具提示仍然显示错误的格式。你可以试试代码here . 在代码中我必须注释掉 formatter.format(dataTabl
我目前正在使用访问 token 和刷新 token 从 Google Analytics Reporting API (v4) 中提取数据。当我致力于自动从 Google Analytics 中提取数
我已在 Google 云端硬盘中创建了一个文件夹,例如测试一下,放入3个文件 a.jpg, b.jpg, c.jpg 我希望在同一帐户下的 Google 电子表格中访问文件,例如生成图像文件的链接,可
电子表格 A 是欢迎新移民来到我们小镇的团队的主数据源。它里面有大量非常敏感的数据,不能公开,哪怕是一点点。 (我们谈论的是 child 的姓名和出生日期以及他们在哪里上学……保证电子表格 A 的安全
有没有办法在 Google 文档中编写 Google Apps 脚本以从 Google 表格中检索仅限于非空白行的范围并将这些行显示为表格? 我正在寻找一个脚本,用于使用 Google Apps 脚本
有没有办法在 Google 文档中编写 Google Apps 脚本以从 Google 表格中检索仅限于非空白行的范围并将这些行显示为表格? 我正在寻找一个脚本,用于使用 Google Apps 脚本
尝试检索存储在 google firebase 中名为条目的节点下的表单条目,并使用谷歌工作表中的脚本编辑器附加到谷歌工作表。 我已将 FirebaseApp 库添加到谷歌表脚本编辑器。然后我的代码看
是否可以将我的 Web 应用程序的登录限制为仅限 google 组中的帐户? 我不希望每个人都可以使用他们的私有(private) gmail 登录,而只能使用我的 google 组中的用户。 最佳答
我们想使用 Google 自定义搜索实现 Google 附加链接搜索框。在谷歌 documentation , 我发现我们需要包含以下代码来启用附加链接搜索框 { "@context"
我想将特定搜索词的 Google 趋势图表添加到我的 Google Data Studio 报告中,但趋势不是数据源列表中的选项。我也找不到嵌入 JavaScript 的选项。是否可以将趋势图表添加到
是否可以将文件从 Google Drive 复制到 Google Cloud Storage?我想它会非常快,因为两者都在类似的存储系统上。 我还没有看到有关无缝执行此操作的任何方法的任何信息,而无需
之间有什么区别 ga('send', 'pageview', { 'dimension1': 'data goes here' }); 和 ga('set', 'dimension1', 'da
我正在尝试记录每个博客站点作者的点击率。 ga('send', 'pageview'); (in the header with the ga code to track each page) ga(
我设置了 Google Tag Manager 和 2 个数据层变量:一个用于跟踪用户 ID,传递给 Google Analytics 以同步用户 session ,另一个用于跟踪访问者类型。 在使用
我在我们的网站上遇到多个职位发布的问题。 我们在加拿大多个地点提供工作机会。所有职位页面都包含一个“LD+JSON ”职位发布的结构化数据,基于 Google 的职位发布文档: https://dev
公司未使用 Google 套件,使用个人(消费者)帐户(甚至是 Google 帐户)违反公司政策。 需要访问 Google Analytics - 没有 Google 帐户是否可能? 谢谢 最佳答案
我想分析人们使用哪些搜索关键字在 Play 商店中找到我的应用。 那可能吗?我怎么能这样做? 最佳答案 自 2013 年 10 月起,您可以关联您的 Google Analytics(分析)和 Goo
Google Now 和 Google Keep 中基于时间和位置的提醒与 Google Calendar 事件提醒不同。是否有公共(public) API 可以访问 Now 和 Keep 中的这些事
我是一名优秀的程序员,十分优秀!