功能中的气流 DAG？

Question

我在$AIRFLOW_HOME/dags工作。 我创建了以下文件：

- common
  |- __init__.py   # empty
  |- common.py     # common code
- foo_v1.py        # dag instanciation

在common.py ：

default_args = ...

def create_dag(project, version):
  dag_id = project + '_' + version
  dag = DAG(dag_id, default_args=default_args, schedule_interval='*/10 * * * *', catchup=False)
  print('creating DAG ' + dag_id)

  t1 = BashOperator(
    task_id='print_date',
    bash_command='date',
    dag=dag)

  t2 = BashOperator(
    task_id='sleep',
    bash_command='sleep 5',
    retries=3,
    dag=dag)

  t2.set_upstream(t1)

在foo_v1.py ：

 from common.common import create_dag

 create_dag('foo', 'v1')

使用 python 测试脚本时，看起来没问题：

 $ python foo_v1.py
 [2018-10-29 17:08:37,016] {__init__.py:57} INFO - Using executor SequentialExecutor
 creating DAG pgrandjean_pgrandjean_spark2.1.0_hadoop2.6.0

然后我在本地启动网络服务器和调度程序。 我的问题是我没有看到任何 ID 为foo_v1 DAG。 没有创建pyc文件。 做错了什么？ 为什么foo_v1.py中的代码foo_v1.py被执行？

Answer 1

要被 Airflow 找到， create_dag()返回的 DAG 对象必须在foo_v1.py模块的全局命名空间中。 将 DAG 放置在全局命名空间中的一种方法是将其分配给模块级变量：

from common.common import create_dag

dag = create_dag('foo', 'v1')

另一种方法是使用globals()更新全局命名空间：

globals()['foo_v1'] = create_dag('foo', 'v1')

后者可能看起来有点矫枉过正，但它对于动态创建多个 DAG很有用。 例如，在 for 循环中：

for i in range(10):
    globals()[f'foo_v{i}'] = create_dag('foo', f'v{i}')

注意：放置在$AIRFLOW_HOME/dags任何*.py文件（甚至在子目录中，例如您的情况中的common ）都将被 Airflow 解析。 如果您不想这样做，您可以使用.airflowignore或打包的 DAG 。

Answer 2

您需要将 dag 分配给模块中的导出变量。 如果 dag 不在模块__dict__气流的 DagBag 处理器将不会拾取它。

在此处查看源： https : //github.com/apache/incubator-airflow/blob/master/airflow/models.py#L428

Answer 3

正如这里提到的，您必须在创建后返回 dag！

default_args = ...

def create_dag(project, version):
  dag_id = project + '_' + version
  dag = DAG(dag_id, default_args=default_args, schedule_interval='*/10 * * * *', catchup=False)
  print('creating DAG ' + dag_id)

  t1 = BashOperator(
    task_id='print_date',
    bash_command='date',
    dag=dag)

  t2 = BashOperator(
    task_id='sleep',
    bash_command='sleep 5',
    retries=3,
    dag=dag)

  t2.set_upstream(t1)

  return dag # Add this line to your code!