Airflow 中外部连接的连接池

Question

我正在尝试寻找一种方法来管理 Airflow 中创建的外部连接的连接池。
Airflow 版本：2.1.0
Python 版本：3.9.5
Airflow DB：SQLite
创建的外部连接：MySQL 和 Snowflake

我知道airflow.cfg 文件中有属性

sql_alchemy_pool_enabled = True  
sql_alchemy_pool_size = 5

但这些属性用于管理气流内部数据库，在我的例子中是 SQLite。

我有一些在 MySQL 和 Snowflake 中读取或写入数据的任务。

snowflake_insert = SnowflakeOperator(
          task_id='insert_snowflake',
          dag=dag,
          snowflake_conn_id=SNOWFLAKE_CONN_ID,
          sql="Some Insert query",
          warehouse=SNOWFLAKE_WAREHOUSE,
          database=SNOWFLAKE_DATABASE,
          schema=SNOWFLAKE_SCHEMA,
          role=SNOWFLAKE_ROLE
     )

和

insert_mysql_task = MySqlOperator(task_id='insert_record', mysql_conn_id='mysql_default', sql="some insert query", dag=dag)

从 MySQL 读取数据

def get_records():
    mysql_hook = MySqlHook(mysql_conn_id="mysql_default")
    records = mysql_hook.get_records(sql=r"""Some select query""")
    print(records)

我观察到的是，Snowflake 的每个任务（同一个 dag 中有多个任务）都会创建一个新会话，但尚未验证 MySQL 的情况是否相同。

有没有办法维护外部连接的连接池（在我的例子中是 Snowflake 和 MySQL）或任何其他方式来在同一会话中的同一 DAG 中运行所有查询？

谢谢

Answer 1

Airflow 提供使用池作为限制外部服务并发的方法。

您可以通过 UI 创建池：菜单 -> 管理 -> 池

或者使用CLI：

airflow pools set NAME slots

该池具有槽位，用于定义可以并行运行多少个使用资源的任务。如果池已满，任务将排队直到打开一个插槽。

要在操作符中使用池，只需添加pool=Name到操作符中即可。

在您的情况下，假设Pool是使用名称雪花创建的，然后：

snowflake_insert = SnowflakeOperator(
          task_id='insert_snowflake',
          dag=dag,
          snowflake_conn_id=SNOWFLAKE_CONN_ID,
          sql="Some Insert query",
          warehouse=SNOWFLAKE_WAREHOUSE,
          database=SNOWFLAKE_DATABASE,
          schema=SNOWFLAKE_SCHEMA,
          role=SNOWFLAKE_ROLE,
          pool='snowflake',
     )

请注意，默认情况下，任务占用池中的 1 个槽，但这是可配置的。如果使用示例，一个任务可能会占用超过 1 个槽pool_slots：

snowflake_insert = SnowflakeOperator(
          task_id='insert_snowflake',
          ...
          pool='snowflake',
          pool_slots=2,
     )