Airflow ETL 管道 - 在函数中使用计划日期？

Question

是否可以在您的 Python 函数中引用 default_args start_date？

default_args = {
    'owner': 'airflow', 
    'depends_on_past': False, 
    'start_date': datetime(2016, 11, 21),
    'email': ['mmm.mm@mmm.com'], 
    'email_on_failure': True, 
    'email_on_retry': True,
    'retries': 1, 
    'retry_delay': timedelta(minutes=1)
}

我的 python 脚本主要使用子进程来发出这条语句：

query = '"SELECT * FROM {}.dbo.{} WHERE row_date = \'{}\'"'.format(database,                                                             select_database(database)[table_int],
                                                                       query_date)
command = 'BCP {} queryout \"{}\" -t, -c -a 10240 -S "server" -T'.format(query, os.path.join(path, filename))

我要运行的任务是使用BCP查询'Select * from table where date = {}'。目前，我的 python 脚本具有日期变量的所有逻辑（默认为昨天）。但是，最好参考 default_arg 并让气流处理日期。

所以，为了简化，我想使用 default_arg start_date 和时间表（每天运行s）来填写我的 BCP 命令上的变量。这是正确的方法还是我应该在 python 脚本中保留日期逻辑？

Answer 1

这是正确的方法，但您真正需要的是 execution_date，而不是 start_date。您可以使用 provide_context=True 参数通过 PythonOperator 中的上下文将 execution_date 作为 'ds' 默认变量。 provide_context=True 参数通过 kwargs 参数传递 Jinja 模板中使用的一组默认变量。您可以在文档的相关部分阅读有关默认变量和 Jinja 模板的更多信息。 https://airflow.incubator.apache.org/code.html#default-variables https://airflow.incubator.apache.org/concepts.html#jinja-templating

您的代码应如下所示：

def query_db(**kwargs):
    #get execution date in format YYYY-MM-DD
    query_date = kwargs.get('ds') 

    #rest of your logic

t_query_db = PythonOperator( task_id='query_db', python_callable=query_db, provide_context=True, dag=dag)

Airflow ETL 管道 - 在函数中使用计划日期？

Airflow ETL pipeline - using schedule date in functions?

python

airflow