google-cloud-platform - BigQuery 无法插入作业。工作流失败

Question

我需要通过 Dataflow 和 Beam 运行从 GCS 到 BigQuery 的批处理作业。我的所有文件都是具有相同架构的 avro。
我创建了一个数据流 java 应用程序，它在较小的数据集(~1gb，大约 5 个文件)上成功。
但是当我尝试在更大的数据集(>500gb，>1000 个文件)上运行它时，我收到一条错误消息

java.lang.RuntimeException: org.apache.beam.sdk.util.UserCodeException: java.lang.RuntimeException: Failed to create load job with id prefix 1b83679a4f5d48c5b45ff20b2b822728_6e48345728d4da6cb51353f0dc550c1b_00001_00000, reached max retries: 3, last failed load job: ...

3 次重试后，它终止于:

Workflow failed. Causes: S57....... A work item was attempted 4 times without success....

这一步是对 BigQuery 的加载。

堆栈驱动程序说处理卡在步骤....10m00s...和

Request failed with code 409, performed 0 retries due to IOExceptions, performed 0 retries due to unsuccessful status codes.....

我查找了 409 错误代码，指出我可能有一个现有的作业、数据集或表。我已经删除了所有表并重新运行了应用程序，但它仍然显示相同的错误消息。

我目前仅限于 65 个 worker ，我让他们使用 n1-standard-4 cpu。

我相信还有其他方法可以将数据从 gcs 移动到 bq，但我需要演示数据流。

Answer 1

“java.lang.RuntimeException:无法创建前缀为beam_load_csvtobigqueryxxxxxxxxxxxxxxx 的作业，达到最大重试次数:3，上次失败的作业:null。
在 org.apache.beam.sdk.io.gcp.bigquery.BigQueryHelpers$PendingJob.runJob(BigQueryHelpers.java:198)....."

可能的原因之一可能是权限问题。确保与 BigQuery 交互的用户帐户在预定义角色“*BigQuery User”中具有“bigquery.jobs.create”权限