我正在尝试扫描某些行“脏”的 BigTable 数据 - 但这取决于扫描失败，导致（序列化？）InvalidChunk异常。代码如下：
from google.cloud import bigtable
from google.cloud import happybase
client = bigtable.Client(project=project_id, admin=True)
instance = client.instance(instance_id)
connection = happybase.Connection(instance=instance)
table = connection.table(table_name)
for key, row in table.scan(limit=5000): #BOOM!
pass
省略一些列或将行限制为更少或指定开始和停止键，允许扫描成功。我无法从堆栈跟踪中检测到哪些值有问题 - 它因列而异 - 扫描失败。这使得从源头清理数据成为问题。
当我利用 python 调试器时，我看到块（类型为google.bigtable.v2.bigtable_pb2.CellChunk）没有值（它是 NULL / undefined）：
ipdb> pp chunk.value
b''
ipdb> chunk.value_size
0
我可以通过 rowkey 的 HBase shell 确认这一点（我从self._row.row_key得到）
所以问题就变成了：BigTable 如何扫描过滤掉具有未定义/空/空值的列？
我从两个谷歌云 API 中都遇到了同样的问题，它们返回生成器，这些生成器在 gRPC 上将数据作为块内部流式传输：
- 谷歌云。happybase .table.Table# scan ()
- 谷歌云。bigtable .table.Table# read_rows ()。消费全部（）
缩写的堆栈跟踪如下：
---------------------------------------------------------------------------
InvalidChunk Traceback (most recent call last)
<ipython-input-48-922c8127f43b> in <module>()
1 row_gen = table.scan(limit=n)
2 rows = []
----> 3 for kvp in row_gen:
4 pass
.../site-packages/google/cloud/happybase/table.py in scan(self, row_start, row_stop, row_prefix, columns, timestamp, include_timestamp, limit, **kwargs)
391 while True:
392 try:
--> 393 partial_rows_data.consume_next()
394 for row_key in sorted(rows_dict):
395 curr_row_data = rows_dict.pop(row_key)
.../site-packages/google/cloud/bigtable/row_data.py in consume_next(self)
273 for chunk in response.chunks:
274
--> 275 self._validate_chunk(chunk)
276
277 if chunk.reset_row:
.../site-packages/google/cloud/bigtable/row_data.py in _validate_chunk(self, chunk)
388 self._validate_chunk_new_row(chunk)
389 if self.state == self.ROW_IN_PROGRESS:
--> 390 self._validate_chunk_row_in_progress(chunk)
391 if self.state == self.CELL_IN_PROGRESS:
392 self._validate_chunk_cell_in_progress(chunk)
.../site-packages/google/cloud/bigtable/row_data.py in _validate_chunk_row_in_progress(self, chunk)
368 self._validate_chunk_status(chunk)
369 if not chunk.HasField('commit_row') and not chunk.reset_row:
--> 370 _raise_if(not chunk.timestamp_micros or not chunk.value)
371 _raise_if(chunk.row_key and
372 chunk.row_key != self._row.row_key)
.../site-packages/google/cloud/bigtable/row_data.py in _raise_if(predicate, *args)
439 """Helper for validation methods."""
440 if predicate:
--> 441 raise InvalidChunk(*args)
InvalidChunk:
你能告诉我如何从 Python 扫描 BigTable，忽略/记录引发 InvalidChunk 的脏行吗？ （尝试......除了无法绕过生成器，它位于谷歌云 API row_data PartialRowsData类中）
另外，你能告诉我在 BigTable 中对表扫描进行分块流式处理的代码吗？似乎不支持 HappyBase batch_size和scan_batching 。