Apache 气流中的开始日期和预定日期问题

Question

我正在使用 Apache 气流，但我对预定日期和开始日期有疑问。

我希望 dag 每天在 8:00 AM UTC 运行。所以，我所做的是：

default_args = {
        'owner': 'airflow',
        'depends_on_past': False,
        'start_date': datetime(2020, 12, 7, 10, 0,0),
        'email': ['example@emaiil.com'],
        'email_on_failure': True,
        'email_on_retry': False,
        'retries': 1,
        'retry_delay': timedelta(hours=5)
    }
#never run
dag = DAG(dag_id='id', default_args=default_args, schedule_interval='0 8 * * *',catchup=True)

我上传 dag 的那天是 2020-12-07，我想在 2020-12-08 的 08:00:00 运行它

我将 start_date 设置在 2020-12-07 的 10:00:00 以避免在 2020-12-07 的 08:00:00 运行它，并且只在第二天触发它，但它不起作用。

然后我所做的是修改开始日期：

default_args = {
        'owner': 'airflow',
        'depends_on_past': False,
        'start_date': datetime(2020, 12, 7, 7, 59,0),
        'email': ['example@emaiil.com'],
        'email_on_failure': True,
        'email_on_retry': False,
        'retries': 1,
        'retry_delay': timedelta(hours=5)
    }
#never run
dag = DAG(dag_id='etl-ca-cpke-spark_dev_databricks', default_args=default_args, schedule_interval='0 8 * * *',catchup=True)

现在开始日期是 dag 运行前 1 分钟，事实上，因为 catchup 设置为 True，dag 已在 2020-12-07 08:00:00 触发，但尚未触发 2020 -12-08 在 08:00:00。

为什么？

Answer 1

间隔结束时的气流调度任务（请参阅文档参考）

这意味着当你这样做时：

start_date: datetime(2020, 12, 7, 8, 0,0)
schedule_interval: '0 8 * * *'

第一次运行将2020-12-08在08:00+- 开始（取决于资源）

这次运行execution_date将是：2020-12-07 08:00

在接下来的运行将在踢2020-12-09在08:00

此运行execution_date的2020-12-08 08:00。

因为今天是2020-12-08下一次跑步没有开始，因为它不是间隔的结束。