气流 ETL 管道 - 在函数中使用计划日期？

Question

是否可以在 Python 函数中引用 default_args start_date？

default_args = {
    'owner': 'airflow', 
    'depends_on_past': False, 
    'start_date': datetime(2016, 11, 21),
    'email': ['mmm.mm@mmm.com'], 
    'email_on_failure': True, 
    'email_on_retry': True,
    'retries': 1, 
    'retry_delay': timedelta(minutes=1)
}

我的 python 脚本主要使用 subprocess 来发出这个语句：

query = '"SELECT * FROM {}.dbo.{} WHERE row_date = \'{}\'"'.format(database,                                                             select_database(database)[table_int],
                                                                       query_date)
command = 'BCP {} queryout \"{}\" -t, -c -a 10240 -S "server" -T'.format(query, os.path.join(path, filename))

我要运行的任务是使用 BCP 查询“从表中选择 * 日期 = {}”。目前，我的 python 脚本具有日期变量的所有逻辑（默认为昨天）。但是，最好参考 default_arg 并让气流处理日期。

因此，为了简化，我想使用 default_arg start_date 和 schedule（每天运行）来填充我的 BCP 命令中的变量。这是正确的方法还是我应该在 python 脚本中保留日期逻辑？

Answer 1

这是正确的方法，但您真正需要的是execution_date，而不是start_date。你可以execution_date为'ds'使用PythonOperator默认变量通过上下文provide_context=True参数。该provide_context=True参数通过一组穿过金贾模板使用默认变量的kwargs参数。您可以在文档的相关部分阅读有关默认变量和 Jinja 模板的更多信息。https://airflow.incubator.apache.org/code.html#default-variables https://airflow.incubator.apache.org/concepts.html#jinja-templating

您的代码应如下所示：

def query_db(**kwargs):
    #get execution date in format YYYY-MM-DD
    query_date = kwargs.get('ds') 

    #rest of your logic

t_query_db = PythonOperator( task_id='query_db', python_callable=query_db, provide_context=True, dag=dag)