气流 - 脚本更改文件名变量
Posted
技术标签:
【中文标题】气流 - 脚本更改文件名变量【英文标题】:Airflow - Script changes the filename variable 【发布时间】:2019-06-24 14:51:42 【问题描述】:我在气流中创建了一个进程,我需要每 10 分钟从 SQL Server 数据库导出一个新文件并播放到 BigQuery!生成的文件是一个 csv,它自动包含带有 YYYYMMDDHHMMSS 格式的处理日期的文件名。
当我从第 1 步(导出)到第 2 步(在 BigQuery 中插入)时,气流中继再次每个脚本都会更改文件名变量名,并且处理日期与第 1 步不同!
示例: 第一步:test_20190624113656.csv 第二步:test_20190624113705.csv
在这种情况下,我想在第一步中保留文件名。
nm_arquivo = 'test_' + datetime.today().strftime('%Y%m%d%H%M%S') + '.csv'
def insert_bigquery(ds, **kwargs):
bigquery_client = bigquery.Client(project="project_name")
dataset_ref = bigquery_client.dataset('test_dataset')
job_config = bigquery.LoadJobConfig()
job_config.schema = [
bigquery.SchemaField('id','INTEGER',mode='REQUIRED'),
bigquery.SchemaField('sigla','STRING',mode='REQUIRED'),
bigquery.SchemaField('nome_en','STRING',mode='REQUIRED'),
bigquery.SchemaField('nome_pt','STRING',mode='REQUIRED'),
]
job_config.source_format = bigquery.SourceFormat.CSV
time_partitioning = bigquery.table.TimePartitioning()
job_config.time_partitioning = time_partitioning
job_config.clustering_fields = ["id", "sigla"]
uri = "gs://bucket_name/"+nm_arquivo
load_job = bigquery_client.load_table_from_uri(
uri,
dataset_ref.table('bdb'),
job_config=job_config
)
print('Starting job '.format(load_job.job_id))
load_job.result()
print('Job finished.')
#step1
import_orders_op = MsSqlToGoogleCloudStorageOperator(
task_id='import_orders',
mssql_conn_id='mssql_conn',
google_cloud_storage_conn_id='gcp_conn',
sql="""select * from bdb""",
bucket='bucket_name',
filename=nm_arquivo,
dag=dag)
#step2
run_this = PythonOperator(
task_id='insert_bigquery',
provide_context=True,
python_callable=insert_bigquery,
dag=dag,
)
run_this.set_upstream(import_orders_op)
【问题讨论】:
你能分享你的 insert_bigquery 函数吗?我认为您不应该使用 datetime.today().strftime('%Y%m%d%H%M%S') 而是使用 ds_nodash 变量,因为它将是常量 @GeorgesLorré,我编辑了代码... 您可以在两个步骤中尝试使用:filename='test_ ts_nodash .csv'
吗?有关宏的更多信息here
【参考方案1】:
您应该使用 DAG 的执行时间。
您可以使用 ts_nodash
Airflow 宏。它格式化execution_date.isoformat()
(例如:2018-01-01T00:00:00+00:00
)以删除-
和:
,例如:20180101T000000
。此宏可用于任何模板化参数。
有关更多信息和所有其他可用变量的列表:
https://airflow.apache.org/1.10.3/macros.html#default-variables 气流宏 - https://airflow.apache.org/1.10.3/macros.html【讨论】:
函数第一步被识别了,但是在PythonOperator的第二步却没有识别到这个宏,又失败了! 我只改变了这个:nm_arquivo = 'test_ ts_nodash .csv' 但在第二步中,函数试图找到 test_ ts_nodash .csv 而不是文件 test_20180101T000000.csv 我相信只有在 PythonOperator 中不起作用,但在其他功能中气流工作没有问题! @FelipeFB 你可以在 PythonOperator 中使用kwargs["ts_nodash"]
【参考方案2】:
您可以使用文件来存储文件名:
import pickle
nm_arquivo = 'test_' + datetime.today().strftime('%Y%m%d%H%M%S') + '.csv'
#step 1
with open('filename.pickle', 'wb') as handle:
pickle.dump(nm_arquivo, handle)
#step 2
with open('filename.pickle', 'rb') as handle:
nm_arquivo = pickle.load(handle)
【讨论】:
我想我不能将它插入到 Airflow 函数中。以上是关于气流 - 脚本更改文件名变量的主要内容,如果未能解决你的问题,请参考以下文章