Operátory Airflow

Úvod do Apache Airflow v Pythonu

Mike Metzger

Data Engineer

Operátory

Představují jednu úlohu v pracovním postupu
Spouštějí se nezávisle (obvykle)
Obecně si nesdílí informace
Různé operátory pro různé úlohy

@dag(
  dag_id="Example_Dag"
)
def example_dag():
  @task
  def task1():
    return "The result from task1"

  task1()

example_dag()

@task (PythonOperator)

Spustí funkci v Pythonu
Libovolnou funkci lze dekorovat pomocí @task
Umožňuje předávat data jiným funkcím / úlohám

from airflow.sdk import task

@task
def printme():
    print("This goes in the logs!")

printme()

Argumenty @task

Argumenty lze předávat stejně jako běžné funkci v Pythonu

@task
def printme(name: str):
    print(f"Hi {name} - This goes in the logs!")


printme(name='DataCamp')


# Adds:
#   Hi DataCamp - This goes in the logs!
# to the Airflow logs

@task.bash (BashOperator)

@task.bash
def bash_example():
  return "echo 'Example!'"

bash_example()

@task.bash
def run_cleanup():
  return "runcleanup.sh"

run_cleanup()

Spustí zadaný příkaz nebo skript Bash
Spouští příkaz v dočasném adresáři
Umožňuje nastavit proměnné prostředí pro příkaz

Závislosti úloh

Každý DAG obsahuje sadu úloh k dokončení
Závislosti úloh určují pořadí spuštění
Různé způsoby definice závislostí

DAG Airflow se spojenými úlohami zobrazující pořadí závislostí

Syntaxe bitshift

>> a <<

task1() >> task2()

# task1 completes before task2 starts


task1() >> task2() >> task3()

# task1 completes before task2 and task2 completes before task3


task1() >> task3()
task2() >> task3()

# task1 and task2 can run together but both must complete before task3 runs

Příklad syntaxe bitshift

# Download sales data before reconciling
download_sales_data() >> reconcile()

# Download inventory data before reconciling
download_inventory_data() >> reconcile()

Obě musí být dokončeny před spuštěním reconcile, ale vzájemné pořadí není určeno

Pojďme si procvičit!

Úvod do Apache Airflow v Pythonu