Question

我已经在airflow中创建了任务，我计划每小时运行一次，atopsar -b 20:39:45 -e 20:42:45 -r /venki/atop_temp -S -x -a -m | awk 'BEGIN {DATE_STAMP=""; } /analysis date: /{DATE_STAMP=$4;} /^[0-9]/ {print DATE_STAMP, $0;}' > /venki/atop_mem4设置为start_date

2016-11-16

我在default_args = { 'owner': 'airflow', 'depends_on_past': False, 'start_date': datetime(2016, 11, 16), 'email': ['airflow@airflow.com'], 'email_on_failure': False, 'email_on_retry': False, 'retries': 1, 'retry_delay': timedelta(minutes=5), # 'queue': 'bash_queue', # 'pool': 'backfill', # 'priority_weight': 10, # 'end_date': datetime(2016, 1, 1), } dag = DAG('test_hourly_job', default_args=default_args,schedule_interval="@hourly")的当前时间开始气流，我可以看到Airflow正在从10:00 AM开始运行，然后是00:00 AM，依此类推：

01:00 AM

如何配置气流从当前时间开始说并且每小时运行一次，而不是从INFO - Executing command: airflow run test_hourly_job task1 2016-11-16T00:00:00 --local -sd DAGS_FOLDER/test_airflow.py ........ ........ INFO - Executing command: airflow run test_hourly_job task1 2016-11-16T01:00:00 --local -sd DAGS_FOLDER/test_airflow.py ....... .......开始？

Answer 1

在你的问题中你写了字典：default_args

In this there is Key: 'start_date': datetime(2016, 11, 16)

实际上这里是创建了具有输入YYYY / MM / DD格式的datetime对象，我们没有提供时间输入所以默认为00:00，所以你的脚本在00:00运行你可以这样检查：在python中

来自datetime import datetime

datetime（2016,11,16）

 #That Datetime object is generated with 00:00 Time

#datetime（2016,11,16,0,0）

#If you need Current date and time to start process you can set value as:
'start_date': datetime.now()
#if you want only current time with respective date then you can use as fallows:

current_date = datetime.now() 
default_args = {
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': datetime(2016, 11, 16, current_date.hour, current_date.minute),
    'email': ['airflow@airflow.com'],
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': timedelta(minutes=5),
    # 'queue': 'bash_queue',
    # 'pool': 'backfill',
    # 'priority_weight': 10,
    # 'end_date': datetime(2016, 1, 1),
}
dag = DAG('test_hourly_job', default_args=default_args,schedule_interval="@hourly")

Answer 2

在python虚拟环境中安装气流。
激活环境。
重置load_examples = False

~/airflow/airflow.cfg

启动气流。 $ airflow webserver -p <port>
在~/airflow/dags
启动调度程序$ airflow scheduler

现在有关计划间隔，请参阅以下代码。

试试这个：

 'start_date': datetime.now()
 dag = DAG('tutorial', default_args=default_args, schedule_interval="* * * * *")

或

'start_date': datetime(2015, 6, 1),
dag = DAG('tutorial', default_args=default_args, schedule_interval="@hourly")

完整代码

"""
Code that goes along with the Airflow tutorial located at:
https://github.com/airbnb/airflow/blob/master/airflow/example_dags/tutorial.py
"""
from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from datetime import datetime, timedelta


default_args = {
    'owner': 'airflow',
    'depends_on_past': False,
    #'start_date': datetime(2015, 6, 1),
    'start_date': datetime.now(),
    'email': ['airflow@airflow.com'],
    'email_on_failure': False,
    'email_on_retry': False,
    #'retries': 1,
    #'retry_delay': timedelta(minutes=5),
    # 'queue': 'bash_queue',
    # 'pool': 'backfill',
    # 'priority_weight': 10,
    # 'end_date': datetime(2016, 1, 1),
}

dag = DAG('tutorial', default_args=default_args, schedule_interval="* * * * *") // For minute
#dag = DAG('tutorial', default_args=default_args, schedule_interval="@hourly")
#

# t1, t2 and t3 are examples of tasks created by instantiating operators
t1 = BashOperator(
    task_id='print_date',
    bash_command='date',
    dag=dag)

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

templated_command = """
    {% for i in range(5) %}
        echo "{{ ds }}"
        echo "{{ macros.ds_add(ds, 7)}}"
        echo "{{ params.my_param }}"
    {% endfor %}
"""

t3 = BashOperator(
    task_id='templated',
    bash_command=templated_command,
    params={'my_param': 'Parameter I passed in'},
    dag=dag)

t2.set_upstream(t1)
t3.set_upstream(t1)

Answer 3

Airflow为名为 LatestOnlyOperator 的运算符提供gem，以跳过在DAG的最近计划运行期间未运行的任务。如果现在的时间不在其execution_time和下一个计划的execution_time之间，则LatestOnlyOperator将跳过所有直接下游任务及其自身。该运算符可减少CPU周期的浪费。

default_args = {
'owner': 'airflow',
'depends_on_past': False,
'start_date': datetime(2016, 11, 16),
'email': ['airflow@airflow.com'],
'email_on_failure': False,
'email_on_retry': False,
'retries': 1,
'retry_delay': timedelta(minutes=5)
}

dag = DAG('test_hourly_job', default_args=default_args,schedule_interval="@hourly")

latest_only = LatestOnlyOperator(task_id='latest_only', dag=dag)

task1 = DummyOperator(task_id='task1', dag=dag)

latest_only >> task

Latest_only应始终位于您要跳过的任务的上游。 latest_only运算符的优点是，无论何时重启dag，它都会跳过以前所有的任务并运行当前的dag。

最好不要硬编码开始时间。取而代之的是：

from datetime import datetime, timedelta

START_DATE = datetime.combine(datetime.today() - timedelta(1), datetime.min.time())

设定气流计划间隔

3 个答案: