如何传递动态参数气流运算符？

Question

我正在使用 Airflow 在 Google Cloud Composer 上运行 Spark 作业。我需要

• 创建集群（YAML 参数由用户提供）
• spark 作业列表（作业参数也由每个作业 YAML 提供）

使用 Airflow API - 我可以读取 YAML 文件，并使用 xcom 跨任务推送变量。

但是，考虑DataprocClusterCreateOperator()

• cluster_name
• project_id
• zone

还有一些其他参数被标记为模板化。

如果我想将其他参数作为模板传递（目前不是这样）怎么办？ - 喜欢image_version， num_workers、worker_machine_type 等等？

有什么解决方法吗？

Answer 1

不确定你所说的“动态”是什么意思，但是当 yaml 文件更新时，如果读取文件过程在 dag 文件正文中，则会刷新 dag 以从 yaml 文件中申请新的 args。所以实际上，您不需要 XCOM 来获取参数。 只需简单地创建一个 params 字典，然后传递给 default_args：

CONFIGFILE = os.path.join(
    os.path.dirname(os.path.realpath(\__file__)), 'your_yaml_file')

with open(CONFIGFILE, 'r') as ymlfile:
    CFG = yaml.load(ymlfile)

default_args = {
    'cluster_name': CFG['section_A']['cluster_name'], # edit here according to the structure of your yaml file.
    'project_id': CFG['section_A']['project_id'],
    'zone': CFG['section_A']['zone'],
    'mage_version': CFG['section_A']['image_version'],
    'num_workers': CFG['section_A']['num_workers'],
    'worker_machine_type': CFG['section_A']['worker_machine_type'],
    # you can add all needs params here.
}

DAG = DAG(
    dag_id=DAG_NAME,
    schedule_interval=SCHEDULE_INTEVAL,
    default_args=default_args, # pass the params to DAG environment
)

Task1 = DataprocClusterCreateOperator(
    task_id='your_task_id',
    dag=DAG
)

但如果您想要动态 dag 而不是参数，您可能需要其他策略，例如 this。

所以你可能需要弄清楚基本思想： 动态在哪个级别？任务级别？ DAG 级别？

或者您可以创建自己的 Operator 来完成这项工作并获取参数。