使用来自 python 的 Airflow 触发 SQL 时出现模板错误?

Posted

技术标签:

【中文标题】使用来自 python 的 Airflow 触发 SQL 时出现模板错误?【英文标题】:Getting Template Error while triggering SQL using Airflow from python? 【发布时间】:2020-04-14 04:10:26 【问题描述】:

我正在尝试从 Airflow 运行 SQL 脚本。由于模板错误而失败。

该脚本基本上是尝试从 Athena 运行 sql 并加载到 Redshift 表中。

SQl 放置在:redshift/sql/public/flow/KN_AWS_RE_ShipmentData_dup_update.sql

我的气流代码

from datetime import datetime, timedelta

from airflow import DAG
from airflow.operators.postgres_operator import PostgresOperator

from utils import FAILURE_EMAILS

yesterday = datetime.combine(datetime.today() - timedelta(1), datetime.min.time())

default_args = 
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': yesterday,
    'email': FAILURE_EMAILS,
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': timedelta(minutes=5)


dag = DAG('sample_sql', default_args=default_args, schedule_interval='0 4 * * *')

execute_notebook = PostgresOperator(
    task_id='sample_sql',
    postgres_conn_id='REDSHIFT_CONN',
    sql="redshift/sql/public/flow/KN_AWS_RE_ShipmentData_dup_update.sql",
    params='limit': '50',
    dag=dag
)

错误

[2020-04-14 02:19:24,412] standard_task_runner.py:52 INFO - Started process 23012 to run task
[2020-04-14 02:19:24,482] logging_mixin.py:112 INFO - [2020-04-14 02:19:24,481] dagbag.py:403 INFO - Filling up the DagBag from /usr/local/airflow/dags/Scripts/Sample.py
[2020-04-14 02:19:24,495] baseoperator.py:807 ERROR - KN_AWS_RE_ShipmentData_dup_update.sql
Traceback (most recent call last):
  File "/usr/local/lib/python3.7/site-packages/airflow/models/baseoperator.py", line 805, in resolve_template_files
    setattr(self, field, env.loader.get_source(env, content)[0])
  File "/usr/local/lib/python3.7/site-packages/jinja2/loaders.py", line 187, in get_source
    raise TemplateNotFound(template)
jinja2.exceptions.TemplateNotFound: KN_AWS_RE_ShipmentData_dup_update.sql
[2020-04-14 02:19:24,545] logging_mixin.py:112 INFO - Running %s on host %s <TaskInstance: sample_sql.sample_sql 2020-04-14T02:14:08.020072+00:00 [running]> 0ca54c719ff7
[2020-04-14 02:19:24,583] taskinstance.py:1088 ERROR - KN_AWS_RE_ShipmentData_dup_update.sql
Traceback (most recent call last):
  File "/usr/local/lib/python3.7/site-packages/airflow/models/taskinstance.py", line 940, in _run_raw_task
    self.render_templates(context=context)

我该如何解决这个问题?

【问题讨论】:

【参考方案1】:

您必须在 DAG 实例化时指定 .sql 模板文件的路径,变量为 template_searchpath。默认情况下,Jinja 会查看您的 DAG 文件夹。

请注意,您的 DAG 包含一种不好的做法,即使用动态的 start_datestart_date 应该是固定的(即datetime(2020,4,13))而不是动态的(即datetime.now())。你可以阅读更多关于它的信息here。

这表示我会尝试将 DAG 定义更改为:

from datetime import datetime, timedelta

from airflow import DAG
from airflow.operators.postgres_operator import PostgresOperator

from utils import FAILURE_EMAILS

# Remove this
# yesterday = datetime.combine(datetime.today() - timedelta(1), datetime.min.time())

default_args = 
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': datetime(2020,4,13),  # Change this
    'email': FAILURE_EMAILS,
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': timedelta(minutes=5)


dag = DAG(
    'sample_sql', 
    default_args=default_args, 
    schedule_interval='0 4 * * *',
    template_searchpath='/redshift/sql/public/flow/')

execute_notebook = PostgresOperator(
    task_id='sample_sql',
    postgres_conn_id='REDSHIFT_CONN',
    sql='KN_AWS_RE_ShipmentData_dup_update.sql',
    params='limit': '50',
    dag=dag
)

execute_notebook  # Tell airflow the tasks dependencies, in this case no dependency

当然你应该选择正确的绝对基本路径分配给template_searchpath,比如/home/redshift/sql/public/flow

【讨论】:

以上是关于使用来自 python 的 Airflow 触发 SQL 时出现模板错误?的主要内容,如果未能解决你的问题,请参考以下文章

使用来自 Airflow 的 Python 在 Pub/Sub 中发布消息时遇到问题

大数据调度平台Airflow:Airflow使用

如何使用 TriggerDagRunOperator 触发 Airflow -dag

使用 Python 和 Airflow 在电子邮件中发送 Redshift 查询结果

对于 Apache Airflow,如何通过 CLI 手动触发 DAG 时传递参数?

使用从 S3 事件调用的 AWS Lambda 触发 Airflow DAG