气流DAG的功能？

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中

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中

 from common.common import create_dag

 create_dag('foo', 'v1')

在用python测试脚本时，它看起来很好：

 $ 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

然后在本地启动and服务器和调度程序。我的问题是我没有看到任何带有id foo_v1的DAG。没有创建pyc文件。究竟做错了什么？为什么没有执行foo_v1.py中的代码？

Answer 1

要通过气流找到DAG对象，create_dag()返回的DAG对象必须位于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')

后者看起来可能有点过火，但对于动态创建多个DAG来说却很有用。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*.py中的任何$AIRFLOW_HOME/dags文件(即使是在子目录中，比如您的例子中的common )都将被气流解析。如果您不想这样做，可以使用.airflowignore或封装DAGs。

Answer 2

您需要将dag分配给模块中的导出变量。如果dag不在模块中，__dict__气流的DagBag处理器就不会把它捡起来。

查看这里的源代码：https://github.com/apache/incubator-airflow/blob/master/airflow/models.py#L428