Question

新气流。尝试运行sql并将结果存储在BigQuery表中。

获取以下错误。不确定在哪里设置default_rpoject_id。

请帮帮我。

错误：

Traceback (most recent call last):
  File "/usr/local/bin/airflow", line 28, in <module>
    args.func(args)
  File "/usr/local/lib/python2.7/dist-packages/airflow/bin/cli.py", line 585, in test
    ti.run(ignore_task_deps=True, ignore_ti_state=True, test_mode=True)
  File "/usr/local/lib/python2.7/dist-packages/airflow/utils/db.py", line 53, in wrapper
    result = func(*args, **kwargs)
  File "/usr/local/lib/python2.7/dist-packages/airflow/models.py", line 1374, in run
    result = task_copy.execute(context=context)
  File "/usr/local/lib/python2.7/dist-packages/airflow/contrib/operators/bigquery_operator.py", line 82, in execute
    self.allow_large_results, self.udf_config, self.use_legacy_sql)
  File "/usr/local/lib/python2.7/dist-packages/airflow/contrib/hooks/bigquery_hook.py", line 228, in run_query
    default_project_id=self.project_id)
  File "/usr/local/lib/python2.7/dist-packages/airflow/contrib/hooks/bigquery_hook.py", line 917, in _split_tablename
    assert default_project_id is not None, "INTERNAL: No default project is specified"
AssertionError: INTERNAL: No default project is specified

代码：

sql_bigquery = BigQueryOperator(
        task_id='sql_bigquery',
        use_legacy_sql=False,
        write_disposition='WRITE_TRUNCATE',
        allow_large_results=True,
        bql='''
            #standardSQL
                SELECT ID, Name, Group, Mark, RATIO_TO_REPORT(Mark) OVER(PARTITION BY Group) AS percent FROM `tensile-site-168620.temp.marks`
                ''',
        destination_dataset_table='temp.percentage',
        dag=dag
        )

Answer 1

编辑：我终于修复了这个问题，只需在BigQueryOperator任务中添加bigquery_conn_id='bigquery'参数，然后在单独的python脚本中运行下面的代码。

显然，您需要在管理员中指定您的项目ID - ＆gt; Airflow UI中的连接。您必须将此作为JSON对象执行，例如＆＃34; project＆＃34; ：＆＃34;＆＃34;。

就个人而言，我无法让网络服务器在GCP上工作，所以这是不可行的。这里有一个程序化的解决方案：

from airflow.models import Connection
from airflow.settings import Session

session = Session()
gcp_conn = Connection(
    conn_id='bigquery',
    conn_type='google_cloud_platform',
    extra='{"extra__google_cloud_platform__project":"<YOUR PROJECT HERE>"}')
if not session.query(Connection).filter(
        Connection.conn_id == gcp_conn.conn_id).first():
    session.add(gcp_conn)
    session.commit()

但我不知道在哪里放这个。这些建议来自a similar question here.

Answer 2

本地运行气流时出现相同的错误。我的解决方案是将以下连接字符串添加为环境变量：

AIRFLOW_CONN_BIGQUERY_DEFAULT="google-cloud-platform://?extra__google_cloud_platform__project=<YOUR PROJECT HERE>"

BigQueryOperator使用“ bigquery_default”连接。如果未指定，本地气流将使用连接的内部版本，该版本会丢失属性project_id。如您所见，上面的连接字符串提供了project_id属性。

启动时，Airflow将以“ AIRFLOW_”开头的环境变量加载到内存中。如气流文档here中所述，此机制可用于覆盖气流属性并在本地运行时提供连接。请注意，这在不启动Web服务器而直接运行气流时也适用。

因此，我为我的所有连接设置了环境变量，例如AIRFLOW_CONN_MYSQL_DEFAULT。我已经将它们放入从我的IDE中获取的.ENV文件中，但是将它们放入您的.bash_profile中也可以正常工作。

在Cloud Composer上的气流实例内部查看时，您会发现在“ bigquery_default”连接处的project_id属性已设置。这就是在通过Cloud Composer运行时BigQueryOperator可以工作的原因。

（我正在使用气流1.10.2和BigQuery 1.10.2）

AssertionError：INTERNAL：未指定默认项目

2 个答案: