我有 Airflow 的 DAG,其中包含以下任务:
- 将 csv 添加到暂存表 (t1)
- 从主表 (t2) 中删除旧记录
- 将最新数据添加到表 (t3)
以及一个每天结束时运行的子标签(晚上 11.59 或 24 小时制 23.59)。前三个任务必须首先运行,然后子任务才会运行
t1 >> t2 >> t3 >> subdag
问题是,前 3 个任务运行良好,但 subdag 却不行。我先重新启动而不是给出错误标志。我也无法检查错误的位置和原因。
我尝试重新定义子dag中的schedule_interval
以遵循预期结果,从12 * * * *
到59 12 * * *
。我也尝试从这篇博客文章https://medium.com/handy-tech/airflow-tips-tricks-and-pitfalls-9ba53fba14eb :
这是 dag default_dag_args 代码:
DAG_NAME = 'order_bid'
...
default_dag_args = {
'start_date': start_date,
'email_on_failure': False,
'email_on_retry': False,
'retries': 1,
'retry_delay': timedelta(minutes=5),
'project_id': models.Variable.get('XXXXXXXXXXX')
}
这是任务声明的示例:
task_add_order_bid = bigquery_operator.BigQueryOperator(
task_id='add_order_bid',
bql=order_bid.sql_itop_order_bid.format(
table_order_bid_stg=table_order_bid_stg,
date_from=date_from.strftime("%Y-%m-%d")
),
use_legacy_sql=False,
write_disposition='WRITE_APPEND',
destination_dataset_table=table_order_bid,
dag=dag,
)
这是我尝试声明的子标签:
subdag_daily_bid = SubDagOperator(
subdag=daily.dailyBidding(
DAG_NAME,
"daily_order_bid",
start_date,
dt_wib),
task_id="daily_order_bid",
dag = dag)
但是当我想更改时间表时,我会像这样声明我的子dag:
def dailyBidding(parent_dag, child_dag, start_date, task_date):
dag = models.DAG(
'%s.%s' % (parent_dag, child_dag),
schedule_interval='59 12 * * *',
start_date=start_date
)
date_from = task_date - timedelta(days=1)
task_del_taxi_order_bid_daily = bigquery_operator.BigQueryOperator(
task_id='del_daily_order_bid',
bql=sql_del_partition_order_bid_daily.format(
table_order_bid=table_order_bid_master,
date_from=date_from.strftime("%Y-%m-%d")),
use_legacy_sql=False,
dag=subdag)
task_add_daily_order_bid = bigquery_operator.BigQueryOperator(
task_id='add_daily_order_bid',
bql=daily.sql_add_daily.format(
source = table_order_bid_master,
yesterday = date_from.strftime("%Y-%m-%d"),
monthly = a_month_ago.strftime("%Y-%m-%d")),
use_legacy_sql=False,
write_disposition='WRITE_APPEND',
create_disposition='CREATE_IF_NEEDED',
destination_dataset_table=table_daily_order_bid,
dag=subdag)
task_del_taxi_order_bid_daily >> task_add_daily_order_bid
return dag
我预计我的 dag 在 12.59 工作,但它仍在等待运行并遵循 parent 的时间表。
最佳答案
据天文学家.io post ,子DAG 必须与其父DAG 具有相同的计划。
一般来说,如果您需要让 DAG 的一部分按照与其他部分不同的时间表运行,有几种方法可以实现这一点:
- 您可以使用short circuit operator仅当日期戳(例如
ds
)与您想要的频率匹配时才继续使用 subdag。因此您的 DAG 可以每天运行,但只在星期一执行 subdag 步骤 - 您可以将 subdag 分解为一个完全不同的 DAG,将该 DAG 设置为每周计划并使用 sensor检查并等待数据,或者只是普通的 PythonOperator 检查并在数据不存在时失败。
我发现第二种方法。如果所需的数据不存在,则失败消息对我来说是一个有用的信号,表明存在更大的错误。
关于python - 如何以不同的时间计划间隔运行子标签?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56948555/