DataFlow Runner执行read_excel报错：找不到openpyxl模块

本地运行正常但DataFlow抛出ModuleNotFoundError: No module named 'openpyxl'，核心原因是DataFlow的Worker节点是全新的云端环境，不会自动继承你本地Python环境的依赖包，必须显式配置让Worker安装所需依赖。

以下是几种可行的配置方式：

• 使用requirements.txt声明依赖

  1. 在项目根目录创建requirements.txt文件，写入：

     openpyxl
     

  2. 提交DataFlow任务时，添加命令行参数指定该文件：

     --requirements_file ./requirements.txt
     

• 通过setup.py管理依赖（适合复杂项目）

  1. 编写setup.py文件，在install_requires中加入openpyxl：

     from setuptools import setup
     
     setup(
         name="your-dataflow-project",
         version="0.1",
         install_requires=[
             "openpyxl",
             # 其他项目依赖包
         ],
         packages=["your_project_package"],
     )
     

  2. 提交任务时指定该文件：

     --setup_file ./setup.py
     

• 命令行直接指定额外依赖
  如果仅需单个依赖，可通过--extra_packages参数直接声明（注意部分Beam版本参数名为--extra_package）：

  --extra_packages openpyxl
  

内容的提问来源于stack exchange，提问作者shricharan bhat