Airflow 的 bigqueryoperator 不能与 udf 一起使用
Posted
技术标签:
【中文标题】Airflow 的 bigqueryoperator 不能与 udf 一起使用【英文标题】:Airflow's bigqueryoperator not working with udf 【发布时间】:2018-05-25 11:01:53 【问题描述】:我正在尝试在使用用户定义函数 (UDF) 的 Airflow(使用 Google 的 Composer)任务中运行基本的 bigquery 运算符。
示例来自https://cloud.google.com/bigquery/docs/reference/standard-sql/user-defined-functions,在 BigQuery 中完美运行。
但是,当我上传到作曲家时,我得到“未找到函数:multiplyInputs...”请参阅下面的 python 脚本。
BigQueryOperator 的 udf_config 字段需要一个列表,因此我将我的 UDF 定义为一个包含一个字符串的列表 - 不确定这是否正确,因为它显然没有注册为 UDF
任何帮助将不胜感激。
import datetime
from airflow import models
from airflow.contrib.operators import bigquery_operator
yesterday = datetime.datetime.combine(datetime.datetime.today() -
datetime.timedelta(1),
datetime.datetime.min.time())
default_dag_args =
# Setting start date as yesterday starts the DAG
immediately when it is
# detected in the Cloud Storage bucket.
'start_date': yesterday,
# To email on failure or retry set 'email' arg to your
email and enable
# emailing here.
'email_on_failure': False,
'email_on_retry': False,
# If a task fails, retry it once after waiting at least
5 minutes
'retries': 1,
'retry_delay': datetime.timedelta(minutes=5),
'project_id': 'vital-platform-791'
with models.DAG('udf_example',
schedule_interval=datetime.timedelta(days=1),
default_args=default_dag_args) as dag:
table = 'udf_table'
# flatten fe table
task_id = table + '_fe'
udf_config = ["""CREATE TEMPORARY FUNCTION multiplyInputs(x
FLOAT64, y FLOAT64)
RETURNS FLOAT64
LANGUAGE js AS \"""
return x*y;
\""";
"""]
print udf_config
query = """WITH numbers AS
(SELECT 1 AS x, 5 as y
UNION ALL
SELECT 2 AS x, 10 as y
UNION ALL
SELECT 3 as x, 15 as y)
SELECT x, y, multiplyInputs(x, y) as product
FROM numbers"""
print query
query = query
destination_table = 'vital-platform-791.alpha_factors.
table_fe'.format(table=table)
t_fe = bigquery_operator.BigQueryOperator(task_id=task_id,
bql=query,
destination_dataset_table=destination_table,
use_legacy_sql=False,
write_disposition='WRITE_TRUNCATE',
udf_config=udf_config)
【问题讨论】:
【参考方案1】:我对这个例子有点困惑。看来您只需要将udf_config
和query
合并即可:
query = ""CREATE TEMPORARY FUNCTION multiplyInputs(x
FLOAT64, y FLOAT64)
RETURNS FLOAT64
LANGUAGE js AS \"""
return x*y;
\""";
WITH numbers AS
(SELECT 1 AS x, 5 as y
UNION ALL
SELECT 2 AS x, 10 as y
UNION ALL
SELECT 3 as x, 15 as y)
SELECT x, y, multiplyInputs(x, y) as product
FROM numbers;"""
【讨论】:
谢谢,这很好用。 BigQueryOperator 的显式“udf_config”字段在某种程度上误导了我,因为我认为在使用 UDF 时必须填充它。 我认为问题是针对标准 SQL 的,因此应该接受这个答案而不是我的答案。干得好@ElliottBrossard【参考方案2】:在 Google Cloud Storage 中上传您的 UDF 函数并将其传递给 udf_config
参数。
例如:
您的 UDF 函数位于 gs://test-bucket/testfolder/udf.js
然后在你的气流中使用:
udf_gcs_path = "gs://test-bucket/testfolder/udf.js"
bigquery_operator.BigQueryOperator(task_id=task_id,
bql=query,
destination_dataset_table=destination_table,
use_legacy_sql=False,
write_disposition='WRITE_TRUNCATE',
udf_config=["resourceUri": udf_gcs_path])
参考文献:
https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs#configuration.query.userDefinedFunctionResources https://cloud.google.com/bigquery/user-defined-functions#referencing-code-from-google-cloud-storage【讨论】:
谢谢,看看文档,这似乎是遗留 sql 的方法,而不是标准 sql? cloud.google.com/bigquery/docs/reference/standard-sql/…以上是关于Airflow 的 bigqueryoperator 不能与 udf 一起使用的主要内容,如果未能解决你的问题,请参考以下文章
Airflow 中文文档:使用systemd运行Airflow