Question

我已经配置了气流并创建了一些调用多个操作符的Dags和subDags。

我的麻烦是当操作员运行并完成工作时，我希望以某种python结构返回结果。例如：

File1.py

  ...
    ...
    sub_dag_one=SubDagOperator(subdag=subdag_accessHive(
PARENT_DAG_NAME, CHILD_DAG_NAME, default_args, STEP, macros,path,
       ),
        task_id=DELP_DAG_NAME,
        dag=dag,
    )

File2.py

  from airflow import DAG
    from airflow.operators import HiveOperator
def subdag_callHive(parent, child, args, step,
                         user_defined_macros, path
                        ):
        dag_subdag = DAG(
            dag_id='%s.%s' % (parent, child),
            default_args=args,
            schedule_interval="@daily",
            template_searchpath=path,
            user_defined_macros=user_defined_macros,
        )

        # some work...

        HiveOperator(
            task_id='some_id',
            hiveconf_jinja_translate=True,
            hql='select field1 from public.mytable limit 4;',
            trigger_rule='all_done',
            dag=dag_subdag,
        )

        return dag_subdag

函数 subdag_callHive 是从另一个python脚本调用的，其中定义了主Dag并且需要所有其他参数。

我只是希望能够从HiveOperator获得结果（* select * from public.mytable limit 4; *）在这种情况下为4个值。

返回的dag_subdag是一个对象＆lt; class'airflow.models.DAG'＆gt; 并包含传递给调用的所有属性/数据，但不包含有关HiveOperator所执行操作的信息。

这可能吗？如果是这样，它怎么能完成。

Answer 1

您可以根据需要使用挂钩。基本上HiveOperator也是如此，他称Hive Hooks有多种方法可以处理结果。

使用PythonOperator调用一个函数，然后启动一个hive钩子。

以下示例可能会对您有所帮助。

代码段：

callHook = PythonOperator(
    task_id='foo',
    python_callable=do_work,
    dag=dag
)

def do_work():
    hiveserver = HiveServer2Hook()
    hql = "SELECT COUNT(*) FROM foo.bar"
    row_count = hiveserver.get_records(hql, schema='foo')
    print row_count[0][0]

可以在此处找到所有可用的方法：https://github.com/apache/incubator-airflow/blob/master/airflow/hooks/hive_hooks.py

执行操作符

1 个答案: