web-dev-qa-db-fra.com

Comment fonctionne exactement le sous-DAG dans Airflow? Que signifie l'activation d'un sous-DAG?

J'ai regardé la section sous-DAG Airflow et essayé de trouver quoi que ce soit d'autre en ligne qui serait utile, mais je n'ai rien trouvé qui explique en détail comment faire fonctionner un sous-DAG. L'une des exigences pour qu'un sous-DAG s'exécute est qu'il doit être activé. Comment activer/désactiver un sous-dag?

J'ai écrit un exemple de code qui ne montre aucune erreur dans le flux d'air, mais lorsque j'essaie de l'exécuter, aucun des opérateurs du sous-DAG n'est exécuté.

Ceci est mon principal code DAG:

import os
from airflow import DAG
from airflow.operators import BashOperator
from datetime import datetime, timedelta
from airflow.operators.subdag_operator import SubDagOperator
from linecount_subdag import sub_dag

parent_dag_name = 'example_linecount_dag'
child_dag_name = 'example_linecount_subdag'

args = {
    'owner': 'airflow',
    'start_date': datetime(2016, 04, 20),
    'retries': 0,
}
main_dag = DAG(
    dag_id=parent_dag_name,
    default_args=args,
    schedule_interval=timedelta(minutes=5),
    start_date=datetime(2016, 04, 20),
    max_active_runs=1
)

subdag = SubDagOperator(
    subdag=sub_dag(parent_dag_name, child_dag_name, args, main_dag.schedule_interval),
    task_id=child_dag_name,
    default_args=args,
    dag=main_dag)
t = BashOperator(
    task_id='start',
    bash_command='echo "waiting for subdag..."',
    default_args=args,
    dag=main_dag)
t.set_downstream(subdag)

Dans ce code, la tâche 'start' réussit, mais la tâche subdag ne fait rien et n'échoue ni ne réussit.

Voici mon code subDAG:

from airflow.models import DAG
from airflow.operators import BashOperator

# Dag is returned by a factory method
def sub_dag(parent_dag_name, child_dag_name, args, schedule_interval):
  dag = DAG(
    '%s.%s' % (parent_dag_name, child_dag_name),
    default_args=args,
    start_date=args['start_date'],
    max_active_runs=1,
  )
  t1 = BashOperator(
    task_id='count_lines',
    bash_command='cat /root/airflow/airflow.cfg | wc -l',
    default_args=args,
    xcom_Push=True,
    dag=dag)
  t2 = BashOperator(
    task_id='retrieve_val',
    bash_command='grep "airflow_home" /root/airflow/airflow.cfg',
    default_args=args,
    xcom_Push=True,
    dag=dag)
  templated_command = """
    {
        echo "{{ ti.xcom_pull(task_ids='count_lines') }}"
        echo "{{ ti.xcom_pull(task_ids='retrieve_val') }}"
    }"""
  t3 = BashOperator(
    task_id='print_values',
    bash_command=templated_command,
    default_args=args,
    dag=dag)
  t3.set_upstream(t1)
  t3.set_upstream(t2)
  return dag

Les 3 opérateurs de ce code obtiennent le nombre de lignes du fichier "airflow.cfg", recherchent la valeur de "airflow_home" dans ce fichier et renvoient ces deux valeurs à imprimer. Ce code fonctionne seul, donc je ne pense pas que ce soit le problème.

Que dois-je changer pour que le sous-DAG exécute ses opérateurs?

pythonairflow
20
Nikita Semichev

J'ai utilisé votre code localement et cela fonctionne très bien.

Les seules choses que j'ai modifiées ont été de définir à la fois le dag externe et le sous-dag pour avoir schedule_interval = None et les ont déclenchés manuellement.

Avoir une date de début datetime (2016, 04, 20) et schedule_interval de 5 minutes va inonder le planificateur de flux d'air avec beaucoup remblayage requêtes.

Vous devrez peut-être passer de l'utilisation d'un LocalExecutor à CeleryExecutor. LocalExecutor est assez limité.

Voici la sortie de la dernière étape du sous-dag:

[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:       {
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:           echo "226"
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:           echo "airflow_home = /root/airflow/"
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:       }
5
jhnclvr