如何使用 Airflow DAG 调用 REST 端点

Question

我是 Apache Airflow 的新手。 我想使用 DAG 调用 REST 端点。 例如 REST 端点

@PostMapping(path = "/api/employees", consumes = "application/json")

现在我想使用 Airflow DAG 调用这个休息端点，并安排它。 我正在做的是使用 SimpleHttpOperator 来调用 Rest 端点。

t1 = SimpleHttpOperator(
task_id='post_op',
endpoint='http://localhost:8084/api/employees',
data=json.dumps({"department": "Digital","id": 102,"name": "Rakesh","salary": 80000}),
headers={"Content-Type": "application/json"},
dag=dag,)

当我触发 DAG 时，任务失败

[2019-12-30 09:09:06,330] {{taskinstance.py:862}} INFO - Executing <Task(SimpleHttpOperator): 
post_op> on 2019-12-30T08:57:00.674386+00:00
[2019-12-30 09:09:06,331] {{base_task_runner.py:133}} INFO - Running: ['airflow', 'run', 
'example_http_operator', 'post_op', '2019-12-30T08:57:00.674386+00:00', '--job_id', '6', '--pool', 
'default_pool', '--raw', '-sd', 'DAGS_FOLDER/ExampleHttpOperator.py', '--cfg_path', 
'/tmp/tmpf9t6kzxb']
[2019-12-30 09:09:07,446] {{base_task_runner.py:115}} INFO - Job 6: Subtask post_op [2019-12-30 
09:09:07,445] {{__init__.py:51}} INFO - Using executor SequentialExecutor
[2019-12-30 09:09:07,446] {{base_task_runner.py:115}} INFO - Job 6: Subtask post_op [2019-12-30 
09:09:07,446] {{dagbag.py:92}} INFO - Filling up the DagBag from 
/usr/local/airflow/dags/ExampleHttpOperator.py
[2019-12-30 09:09:07,473] {{base_task_runner.py:115}} INFO - Job 6: Subtask post_op [2019-12-30 
09:09:07,472] {{cli.py:545}} INFO - Running <TaskInstance: example_http_operator.post_op 2019-12- 
30T08:57:00.674386+00:00 [running]> on host 855dbc2ce3a3
[2019-12-30 09:09:07,480] {{http_operator.py:87}} INFO - Calling HTTP method
[2019-12-30 09:09:07,483] {{logging_mixin.py:112}} INFO - [2019-12-30 09:09:07,483] 
{{base_hook.py:84}} INFO - Using connection to: id: http_default. Host: https://www.google.com/, 
Port: None, Schema: None, Login: None, Password: None, extra: {}
[2019-12-30 09:09:07,484] {{logging_mixin.py:112}} INFO - [2019-12-30 09:09:07,484] 
{{http_hook.py:131}} INFO - Sending 'POST' to url: 
https://www.google.com/http://localhost:8084/api/employees
[2019-12-30 09:09:07,501] {{logging_mixin.py:112}} INFO - [2019-12-30 09:09:07,501] 
{{http_hook.py:181}} WARNING - HTTPSConnectionPool(host='www.google.com', port=443): Max retries 
exceeded with url: /http://localhost:8084/api/employees (Caused by SSLError(SSLError("bad handshake: 
SysCallError(-1, 'Unexpected EOF')"))) Tenacity will retry to execute the operation
[2019-12-30 09:09:07,501] {{taskinstance.py:1058}} ERROR - 
HTTPSConnectionPool(host='www.google.com', port=443): Max retries exceeded with url: 
/http://localhost:8084/api/employees (Caused by SSLError(SSLError("bad handshake: SysCallError(-1, 
'Unexpected EOF')")))
Traceback (most recent call last):
File "/usr/local/lib/python3.7/site-packages/urllib3/contrib/pyopenssl.py", line 485, in wrap_socket
cnx.do_handshake()
File "/usr/local/lib/python3.7/site-packages/OpenSSL/SSL.py", line 1934, in do_handshake
self._raise_ssl_error(self._ssl, result)
File "/usr/local/lib/python3.7/site-packages/OpenSSL/SSL.py", line 1664, in _raise_ssl_error
raise SysCallError(-1, "Unexpected EOF")
OpenSSL.SSL.SysCallError: (-1, 'Unexpected EOF')

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "/usr/local/lib/python3.7/site-packages/urllib3/connectionpool.py", line 672, in urlopen
chunked=chunked,
File "/usr/local/lib/python3.7/site-packages/urllib3/connectionpool.py", line 376, in _make_request
self._validate_conn(conn)
File "/usr/local/lib/python3.7/site-packages/urllib3/connectionpool.py", line 994, in _validate_conn
conn.connect()
File "/usr/local/lib/python3.7/site-packages/urllib3/connection.py", line 394, in connect
ssl_context=context,
File "/usr/local/lib/python3.7/site-packages/urllib3/util/ssl_.py", line 370, in ssl_wrap_socket
return context.wrap_socket(sock, server_hostname=server_hostname)
File "/usr/local/lib/python3.7/site-packages/urllib3/contrib/pyopenssl.py", line 491, in wrap_socket
raise ssl.SSLError("bad handshake: %r" % e)
ssl.SSLError: ("bad handshake: SysCallError(-1, 'Unexpected EOF')",)

Airflow 在 Docker 上运行，docker 镜像是puckel/docker-airflow 。 为什么它调用主机http_default。 主持人： https ://www.google.com/

Answer 1

您需要考虑您正在使用的Operator以及它用于连接的底层Hook 。 Hook从 Airflow Connection 获取连接信息， Airflow Connection只是一个用于存储凭据和其他连接信息的容器。 您可以在 Airflow UI 中配置Connections （使用 Airflow UI -> Admin -> Connections）。

所以在这种情况下，您需要首先配置您的 HTTP Connection 。

从http_hook 文档：

http_conn_id (str) – connection that has the base API url i.e https://www.google.com/

碰巧的是，对于httpHook ，您应该通过将host参数设置为等于端点的base_url来配置Connection ： http://localhost:8084/ 。

由于您的运营商具有默认的http_conn_id ，因此该挂钩将使用 Airflow UI 中名为“http_default”的Airflow Connection 。 如果您不想更改默认连接，您可以使用 Airflow UI 创建另一个Airflow Connection ，并将新的 conn_id 参数传递给您的操作员。

请参阅源代码以更好地了解如何使用Connection对象。

最后，根据http_operator 文档：

endpoint (str) – The relative part of the full url. (templated)

您应该只将 URL 的相对部分传递给操作员。 其余部分将从底层http_hook获得。

在这种情况下，您的Operator的endpoint值应该是api/employees （而不是完整的 URL）。

不幸的是，Airflow 项目文档在这种情况下不是很清楚。 请考虑做出改进，他们总是受欢迎的:)

Answer 2

我认为您需要在 Dockerfile 或 docker run 命令中设置连接字符串的 ENV 变量：

ENV AIRFLOW__CORE__SQL_ALCHEMY_CONN my_conn_string

看到这个和 这个

连接

与外部系统的连接信息存储在 Airflow 元数据数据库中，并在 UI 中进行管理（菜单 -> 管理 -> 连接）在那里定义了一个 conn_id，并附加了主机名/登录名/密码/架构信息。 气流管道可以简单地引用集中管理的 conn_id，而无需在任何地方硬编码任何此类信息。

可以定义许多具有相同 conn_id 的连接，在这种情况下，当钩子使用 BaseHook 中的 get_connection 方法时，Airflow 将随机选择一个连接，在与重试结合使用时允许一些基本的负载平衡和容错。

Airflow 还能够通过操作系统中的环境变量引用连接。 环境变量需要以 AIRFLOW_CONN_ 为前缀才能被视为连接。 在 Airflow 管道中引用连接时，conn_id 应该是不带前缀的变量名称。 例如，如果 conn_id 命名为 POSTGRES_MASTER，则环境变量应命名为 AIRFLOW_CONN_POSTGRES_MASTER。 Airflow 假定从环境变量返回的值采用 URI 格式（例如 postgres://user:password@localhost:5432/master）。

看到这个

因此您现在使用默认值：

Using connection to: id: http_default. Host: https://www.google.com/