我正在通过Python API使用Apache Beam on Dataflow从Bigquery读取数据，进行处理并将其转储到Datastore接收器中。
就在写入数据存储区之前，我已经创建了一个ParDo函数，该函数将数据写入Memorystore-Google的托管Redis服务。由于Python中没有Redis Sink API，因此我只需在ParDo中调用Redis API。
不幸的是，工作经常无限期地挂起，我不得不手动停止它。在将数据写入Datastore和Redis的过程中，从Dataflow图中，我注意到只有少数几个条目被卡住而使工作挂起。
结果，当一台拥有15台16核机器的作业运行9个小时（正常情况下，该作业运行30分钟）时，将导致巨额成本。
也许有一种方法可以设置一个计时器，如果它超过时间限制，该计时器将停止数据流作业？
JobID：2018-06-23_17_45_06-10997437951845491641
答案 0 :(得分：1)
我们查看了2018-06-23_17_45_06-10997437951845491641作业，看起来有些元素在处理中卡住了，但是我们无法确定它为什么发生。 您可以尝试删除Redis或数据存储写入，然后重试吗？ 如果您可以创建一个customer support ticket，以便我们尝试与您进行调试，那就太好了。
也许有一种方法可以设置一个计时器，该计时器将在以下情况下停止数据流作业 超过时间限制了吗？
不幸的是，答案是否定的，Dataflow在一定时间后没有自动取消作业的方法。但是，可以使用API进行此操作。可以wait_until_finish（）超时，然后取消（）管道。
答案 1 :(得分：0)
总结起来，借助@ankitk答案，这对我有用（python 2.7，sdk 2.14）：
pipe = beam.Pipeline(options=pipeline_options)
... # main pipeline code
run = pipe.run() # doesn't do anything
run.wait_until_finish(duration=3600000) # (ms) actually starts a job
run.cancel() # cancels if can be cancelled
因此，如果作业在wait_until_finished()的持续时间内成功完成，那么cancel()只会打印警告“已关闭”，否则将关闭正在运行的作业。
P.S。如果您尝试打印作业的状态
state = run.wait_until_finish(duration=3600000)
logging.info(state)
对于RUNNING内尚未完成的工作，它将为wait_until_finished()，对于已完成的工作将为DONE。