如何基于气流中的另一个 AWS-glue 任务成功完成，在气流中启动 python operator boto3 AWS-glue 任务？

Question

我的 Ariflow 脚本有几个使用 python 运算符的任务，以使用 boto3 启动粘合作业。即使流程取决于 Ariflow 中的每个任务。连续的任务不会等到前一个任务成功完成。

一旦调用前一个粘合作业任务，就会调用下一个粘合作业任务。最后，即使 Airflow 看起来成功完成，胶水作业仍在运行几分钟。

    from airflow import DAG
    from airflow.operators.python_operator import PythonOperator
    from datetime import datetime, timedelta
    from airflow.operators.sensors import TimeDeltaSensor
    import boto3
    import json

    default_args = {
    'owner': 'SAM',
    'start_date': datetime(2019, 5, 27)
     }


    glue_client = boto3.client('glue', region_name='us-east-1')

    def run_customer_job():
        glue_client.start_job_run(JobName='customer')  


    def run_product_job():
        glue_client.start_job_run(JobName='product')



    with DAG('dataload', default_args=default_args, schedule_interval="0 15 * * *") as dag:
        task1 = PythonOperator(task_id='task1',                                              
                               python_callable=run_customer_job)
        task2 = PythonOperator(task_id='task2',                                                          
                               python_callable=run_product_job)



    task1 >> task2 

Answer 1

我会在调用后创建一个状态循环start_job_run，以便您的任务在胶水作业完成之前不会完成。

快速而简单的示例（您将需要处理失败的任务等）：

job = glue_client.start_job_run(JobName='customer')

while True:
  status = glue.get_job_run(JobName=job['Name'], RunId=job['JobRunId'])
  if status['JobRun']['JobRunState'] == 'SUCCEEDED':
    break

  time.sleep(10)