小编Ala*_*ain的帖子

我目前正在将 DAG 从气流版本 1.10.10 迁移到 2.0.0。

该 DAG 使用自定义 Python 运算符，根据任务的复杂性动态分配资源。问题是 v1.10.10 中使用的导入（airflow.contrib.kubernetes.pod import Resources）不再有效。我读到，对于 v2.0.0，我应该使用kubernetes.client.models.V1ResourceRequirements，但我需要动态构建此资源对象。这可能听起来很愚蠢，但我一直无法找到构建这个对象的正确方法。

例如，我尝试过

            self.resources = k8s.V1ResourceRequirements(
                request_memory=get_k8s_resources_mapping(resource_request)['memory'],
                limit_memory=get_k8s_resources_mapping(resource_request)['memory_l'],
                request_cpu=get_k8s_resources_mapping(resource_request)['cpu'],
                limit_cpu=get_k8s_resources_mapping(resource_request)['cpu_l']
            )

或者

            self.resources = k8s.V1ResourceRequirements(
                requests={'cpu': get_k8s_resources_mapping(resource_request)['cpu'],
                          'memory': get_k8s_resources_mapping(resource_request)['memory']},
                limits={'cpu': get_k8s_resources_mapping(resource_request)['cpu_l'],
                        'memory': get_k8s_resources_mapping(resource_request)['memory_l']}
            )

（get_k8s_resources_mapping(resource_request)['xxxx'] 仅根据resource_request返回一个值，例如内存的“2Gi”或CPU的“2”）

但它们似乎不起作用。任务失败。

所以，我的问题是，如何在 Python 中正确构建 V1ResourceRequirements？并且，它在任务实例的 executor_config 属性中应该是什么样子？也许是这样的？

'resources': {'limits': {'cpu': '1', 'memory': '512Mi'}, 'requests': {'cpu': '1', 'memory': '512Mi'}}