我正在开发一个 Airflow 管道,一旦传感器任务在特定存储桶路径中找到文件 _SUCCESS
,就会触发 Spark Databricks 作业。
问题是 Airflow 无法直接访问存储桶以验证此文件是否存在,而且我们不是此 AWS 帐户的所有者,但我们拥有允许我们访问此存储桶的角色。
我尝试将来自 S3KeySensor Operator 的 aws_conn_id 与 Airflow 连接一起使用,但它不起作用。 下图显示了 Airflow 中的配置:
下面的代码显示了我的 DAG:
with DAG(...) as ingestion_xxx:
staging = DatabricksRunNowOperator(
task_id="xxx-table-staging",
job_id=xxx,
json={"jar_params": [...]}
)
sensor = S3KeySensor(
task_id="sensor",
bucket_name="mybucket",
bucket_key="bucketprefix/date={{ ds }}/_SUCCESS",
aws_conn_id="aws_s3_role_conn"
)
sensor >> staging
我没有出错,但我得出的结论是问题出在角色上。
注意:我测试了 databricks 作业,它可以正常工作。
如果我们不能使用 Airflow 连接,我们可以使用带有 boto3 的 AWS API 直接从我的 DAG 文件中承担角色吗?