Python ApacheBeam和DirectRunner（SUBPROCESS_SDK）只使用一个worker，如何强制它使用所有可用的worker？

以下代码：

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")
  )

仅使用4个可用辅助进程中的一个，并仅生成一个大输出文件（即使有许多输入文件）

---

如何强制Beam管道并行工作，即如何强制每个输入文件由不同的工作程序单独处理？

您使用的是哪个版本的Beam

我对beam 2.16.0也有同样的问题，但版本2.17.0似乎具有预期的行为

---

您可能希望尝试使用此版本，同时保持代码不变。

我也有同样的问题。在查看htop和Beam日志时，似乎只使用一个CPU内核。