Question

我正在使用Airflow在Google Cloud Composer上运行Spark作业。我需要

创建集群（用户提供的YAML参数）
火花作业列表（作业参数也由每个作业YAML提供）

使用Airflow API-我可以读取YAML文件，并使用xcom在各个任务之间推送变量。

但是，考虑一下DataprocClusterCreateOperator()

cluster_name
project_id
zone

和其他一些参数标记为模板化。

如果我想以模板形式传入其他参数（当前不是这样）怎么办？ -像image_version， num_workers，worker_machine_type等？

有什么解决方法吗？

Answer 1

不确定“动态”的含义，但是当yaml文件更新时，如果读取文件进程在dag文件主体中，则dag将被刷新以从yaml文件中申请新的args。因此，实际上，您不需要XCOM来获取参数。只需简单地创建一个params字典，然后传递给default_args：

CONFIGFILE = os.path.join(
    os.path.dirname(os.path.realpath(\__file__)), 'your_yaml_file')

with open(CONFIGFILE, 'r') as ymlfile:
    CFG = yaml.load(ymlfile)

default_args = {
    'cluster_name': CFG['section_A']['cluster_name'], # edit here according to the structure of your yaml file.
    'project_id': CFG['section_A']['project_id'],
    'zone': CFG['section_A']['zone'],
    'mage_version': CFG['section_A']['image_version'],
    'num_workers': CFG['section_A']['num_workers'],
    'worker_machine_type': CFG['section_A']['worker_machine_type'],
    # you can add all needs params here.
}

DAG = DAG(
    dag_id=DAG_NAME,
    schedule_interval=SCHEDULE_INTEVAL,
    default_args=default_args, # pass the params to DAG environment
)

Task1 = DataprocClusterCreateOperator(
    task_id='your_task_id',
    dag=DAG
)

但是，如果您想要动态的dag而不是参数，则可能需要其他策略，例如this。

因此，您可能需要弄清楚基本概念：动态在哪一级？任务级别？ DAG级别？

或者您可以创建自己的操作员来完成工作并获取参数。

如何传递动态参数Airflow运算符？

1 个答案: