apache/beam

[Feature Request]: Cache the BigQuery table definition instead of calling tables.get() from every worker

Open

Aperta il 26 feb 2025

Vedi su GitHub
 (9 commenti) (0 reazioni) (2 assegnatari)Java (7313 star) (4097 fork)batch import
P2good first issuenew featurepythonstale

Descrizione

What would you like to happen?

When calling BigQuery's tables.get method, today, we are calling it from every Dataflow worker. This is resulting in customers hitting Quota issues. Please can we cache the Table definition and re-use for all workers instead of calling the method from every worker.

https://cloud.google.com/bigquery/docs/reference/rest/v2/tables/get

https://github.com/apache/beam/blob/9a1e7bf4cd399177e5de7fe28bad741cade452a5/sdks/python/apache_beam/io/gcp/bigquery.py#L902-L903

https://github.com/apache/beam/blob/9a1e7bf4cd399177e5de7fe28bad741cade452a5/sdks/python/apache_beam/io/gcp/bigquery_tools.py#L565

Issue Priority

Priority: 2 (default / most feature requests should be filed as P2)

Issue Components

  • Component: Python SDK
  • Component: Java SDK
  • Component: Go SDK
  • Component: Typescript SDK
  • Component: IO connector
  • Component: Beam YAML
  • Component: Beam examples
  • Component: Beam playground
  • Component: Beam katas
  • Component: Website
  • Component: Infrastructure
  • Component: Spark Runner
  • Component: Flink Runner
  • Component: Samza Runner
  • Component: Twister2 Runner
  • Component: Hazelcast Jet Runner
  • Component: Google Cloud Dataflow Runner

Guida contributor

Tech stack
python
Dominio
backendcloudapi
Tipo issue
feature
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
2
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-2 days
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
active
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
clear
Prerequisiti
PythonApache BeamGoogle Cloud BigQuerycaching concepts
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
70
Direzione di ricerca
Analizza le chiamate esistenti a tables.get() nell'SDK Python, specificamente in bigquery.py (righe 902-903) e bigquery tools.py (riga 565) come linkato nell'issue. Determina una strategia di caching che eviti di chiamare l'API da ogni worker. Considera l'uso di una cache condivisa tra i worker o un pattern di inizializzazione lazy. Rivedi i 9 commenti nell'issue per eventuali soluzioni proposte o feedback dei maintainer.