1. DAG
在Airflow中,DAG或有向无环图是你运行所有任务的集合,以某种组织方式来反映所有任务之间的关系和依赖。
例如,一个简单的DAG可以包括三个任务:A,B和C.可以说A必须在B运行之前成功运行,但C可以随时运行。 可以说任务A在5分钟后超时,为防止失败,B可以最多重启5次。也可以说工作流从某个特定日期开始每晚10点运行。
以这种方式,DAG描述了你如何执行工作流程; 但是请注意,我们还没有说出我们实际想要做的事情! A,B和C可以是任何东西。也许在C发送电子邮件时,A为B准备数据以进行分析。或者A监视你的位置,以便B可以打开你的车库门,而C打开房子的灯。重要的是,DAG不关心其内部任务干了什么;它的目的是确保在正确的时间或以正确的顺序干任何事情,或可以正确处理任何意想不到的问题。
DAG在标准的Python文件中定义,放置在Airflow的DAG_FOLDER
中。Airflow将执行每个文件中的代码来动态构建DAG对象。你可以拥有任意数量的DAG,每个可以拥有任意数量的任务。通常,每一个应该对应于一个逻辑工作流。
1.1 作用域(scope)
Airflow将加载从DAG文件导入的任何DAG对象。最重要的是,这意味着DAG必须出现在globals()
中。考虑以下两个DAG。只有dag_1
将被加载;另一个只出现在局部作用域内。
有时这有很好的用处。例如,SubDagOperator
的通用模式是在函数内定义子dag,以便Airflow不会将其作为独立DAG进行加载。
1.2 默认参数
如果将default_args
字典传递给DAG,DAG将会将字典应用于其内部的任何Operator上。这很容易的将常用参数应用于多个Operator,而无需多次键入。
1.3 上下文管理器(Context Manager)
备注
DAG可用作上下文管理器,以自动为DAG分配新的Operator。
2. Operators
DAG描述了如何运行工作流,Operators
决定了实际如何完成。
Operator描述了工作流中的单个任务。Operator通常(但不总是)原子性的,这意味着它们可以独立存在,不需要与其他Operator共享资源。DAG将确保Operator按正确的顺序运行; 除了这些依赖之外,Operator通常独立运行。实际上,他们可能会运行在两台完全不同的机器上。
这是一个微小但非常重要的一点:一般来说,如果两个Operator需要共享信息,如文件名或少量数据,则应考虑将它们组合成一个Operator。如果绝对不可避免,Airflow确实有一个名为XCom
的Operator可以交叉通信。
Airflow为Operator提供许多常见任务,包括:
BashOperator
- 执行bash命令PythonOperator
- 调用任意的Python函数EmailOperator
- 发送邮件HTTPOperator
- 发送 HTTP 请求SqlOperator
- 执行 SQL 命令Sensor
- 等待一定时间,文件,数据库行,S3键等...
除了这些基本的构建块之外,还有更多的特定Operator:DockerOperator
,HiveOperator
,S3FileTransferOperator
,PrestoToMysqlOperator
,SlackOperator
...总之你能想到的!
airflow/contrib/
目录包含更多由社区建立的Operator。这些Operator并不总是与主包(in the main distribution)中的Operator一样完整或经过很好的测试,但允许用户更轻松地向平台添加新功能。
Operators只有在分配给DAG时,才会被Airflow加载。
2.1 DAG分配
备注
Operator不需要立即分配给DAG(以前dag是必需的参数)。但是一旦operator分配给DAG, 它就不能transferred或者unassigned. 当一个Operator创建时,通过延迟分配或甚至从其他Operator推断,可以让DAG得到明确的分配(DAG assignment can be done explicitly when the operator is created, through deferred assignment, or even inferred from other operators.).
2.2 位移组合
备注
传统上,使用set_upstream()
和set_downstream()
方法来设置Operator之间的依赖关系。在Airflow 1.8中,可以使用Python位移操作符>>
和<<
。 以下四个语句在功能上相当:
当使用位移操作符去设置Operator依赖关系时,根据位移操作符指向的方向来判断Operator之间的依赖关系。例如,op1 >> op2
表示op1先运行,op2然后运行。可以组合多个Operator - 记住从左到右执行的链,总是返回最右边的对象。 例如:
等价于:
为方便起见,位移操作符也可以与DAG一起使用。 例如:
等价于:
我们可以把这一切整合在一起,建立一个简单的管道:
3. Task
一旦Operator被实例化,它被称为"任务"。实例化为在调用抽象Operator时定义一些特定值,参数化任务使之成为DAG中的一个节点。
4. 任务实例化
一个任务实例表示任务的一次特定运行,并且被表征为dag,任务和时间点的组合。任务实例也有指示性状态,可能是“运行”,“成功”,“失败”,“跳过”,“重试”等。
5. 工作流
现在你已经熟悉了Airflow的核心构建块。一些概念可能听起来似曾相似,但词汇可以这样概念化:
- DAG:描述工作发生的顺序
- Operator:执行某些工作的模板类
- Task:Operator的参数化实例
- TaskInstances(任务实例):1)已分配给DAG的任务,2)具有DAG特定运行相关的状态
通过组合DAG
和Operators
来创建TaskInstances
,可以构建复杂的工作流。