subDAG在Airflow中的工作原理如何？启用subDAG意味着什么？

Question

我查看了Airflow subDAG部分,并尝试在网上找到其他任何有用的内容,但是我没有找到任何详细说明如何使subDAG工作的内容.subDAG运行的要求之一是它应该被启用.如何启用/禁用子标记？

我写了一些示例代码,它没有显示气流中的任何错误,但是当我尝试运行它时,subDAG中的所有操作符都没有执行.

这是我的主要dag代码:

import os
from airflow import DAG
from airflow.operators import BashOperator
from datetime import datetime, timedelta
from airflow.operators.subdag_operator import SubDagOperator
from linecount_subdag import sub_dag

parent_dag_name = 'example_linecount_dag'
child_dag_name = 'example_linecount_subdag'

args = {
    'owner': 'airflow',
    'start_date': datetime(2016, 04, 20),
    'retries': 0,
}
main_dag = DAG(
    dag_id=parent_dag_name,
    default_args=args,
    schedule_interval=timedelta(minutes=5),
    start_date=datetime(2016, 04, 20),
    max_active_runs=1
)

subdag = SubDagOperator(
    subdag=sub_dag(parent_dag_name, child_dag_name, args, main_dag.schedule_interval),
    task_id=child_dag_name,
    default_args=args,
    dag=main_dag)
t = BashOperator(
    task_id='start',
    bash_command='echo "waiting for subdag..."',
    default_args=args,
    dag=main_dag)
t.set_downstream(subdag)

在此代码中,任务"start"成功,但是subdag任务不执行任何操作,既不会失败也不会成功.

这是我的subDAG代码:

from airflow.models import DAG
from airflow.operators import BashOperator

# Dag is returned by a factory method
def sub_dag(parent_dag_name, child_dag_name, args, schedule_interval):
  dag = DAG(
    '%s.%s' % (parent_dag_name, child_dag_name),
    default_args=args,
    start_date=args['start_date'],
    max_active_runs=1,
  )
  t1 = BashOperator(
    task_id='count_lines',
    bash_command='cat /root/airflow/airflow.cfg | wc -l',
    default_args=args,
    xcom_push=True,
    dag=dag)
  t2 = BashOperator(
    task_id='retrieve_val',
    bash_command='grep "airflow_home" /root/airflow/airflow.cfg',
    default_args=args,
    xcom_push=True,
    dag=dag)
  templated_command = """
    {
        echo "{{ ti.xcom_pull(task_ids='count_lines') }}"
        echo "{{ ti.xcom_pull(task_ids='retrieve_val') }}"
    }"""
  t3 = BashOperator(
    task_id='print_values',
    bash_command=templated_command,
    default_args=args,
    dag=dag)
  t3.set_upstream(t1)
  t3.set_upstream(t2)
  return dag

此代码中的3个运算符获取文件"airflow.cfg"的行数,在该文件中找到"airflow_home"的值,并返回要打印的这两个值.这段代码独立工作,所以我认为这不是问题所在.

我需要更改什么才能使subDAG执行其运算符？

Answer 1

我在本地使用你的代码,它工作正常.

我改变的唯一事情是设置外部dag和sub dag以使schedule_interval = None并手动触发它们.

具有起始日期日期时间(2016,04,20)和schedule_interval的5分钟会淹没许多气流调度回填请求.

您可能需要从使用LocalExecutor切换到CeleryExecutor.LocalExecutor相当有限.

以下是subdag中最后一步的输出:

[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:       {
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:           echo "226"
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:           echo "airflow_home = /root/airflow/"
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:       }