Apache Beam с DirectRunner (SUBPROCESS_SDK) использует только одного работника, как заставить его использовать всех доступных работников? - PullRequest
Новая
       107

Apache Beam с DirectRunner (SUBPROCESS_SDK) использует только одного работника, как заставить его использовать всех доступных работников?

0 голосов
/ 04 ноября 2019

Следующий код: 

def get_pipeline(workers):
    pipeline_options = PipelineOptions(['--direct_num_workers', str(workers)])
    return beam.Pipeline(options=pipeline_options,
                         runner=fn_api_runner.FnApiRunner(
                             default_environment=beam_runner_api_pb2.Environment(
                                 urn=python_urns.SUBPROCESS_SDK,
                                 payload=b'%s -m apache_beam.runners.worker.sdk_worker_main'
                                         % sys.executable.encode('ascii'))))

with get_pipeline(4) as pipeline:
  _ = (  
        pipeline
        | 'ReadTestData' >> beam.io.ReadFromParquet(input_files, columns=all_columns)
        | "write" >> beam.io.WriteToText("/tmp/txt2")
  )

использует только одного работника из 4 доступных и генерирует только один большой выходной файл (даже при том, что входных файлов много).

Как заставить параллельный конвейер Beam работать, т.е. как заставить каждый входной файл обрабатываться отдельно другим работником?

...