Airflow 是一个流行的开源工具,用于构建、调度和监视数据管道。一个处理任务(节点)集合的 DAG(有向无环图)被定义为一组任务之间的有向边。当我们构建 DAG 时,我们需要指定每个任务的依赖关系。
例如,假设我们有一个 DAG,它从 API 中抓取一些数据,然后将它们写入数据库中。我们需要确保步骤顺序是:
为了实现这种步骤顺序,我们需要指定每个任务之间的依赖关系。在 Airflow 中,我们使用“切片”来表示 DAG 中的每个任务,然后使用“依赖关系”来表示任务之间的关系。
当所有依赖关系都被定义后,Airflow 将使用拓扑排序算法来确定 DAG 中的正确任务序列。
下面是一个修改任务的依赖关系的示例:
from datetime import datetime, timedelta
from airflow import DAG
from airflow.operators.python_operator import PythonOperator
default_args = {
'owner': 'airflow',
'depends_on_past': False,
'start_date': datetime(2021, 10, 29),
'email': ['airflow@example.com'],
'retries': 1,
'retry_delay': timedelta(minutes=5),
}
dag = DAG(
'my_dag',
default_args=default_args,
description='A simple tutorial DAG',
schedule_interval=timedelta(days=1),
)
def fetch_data():
print("Fetching data from API...")
def write_to_db():
print("Writing data to database...")
fetch_task = PythonOperator(
task_id='fetch_task',
python_callable=fetch_data,
dag=dag,
)
write_task = PythonOperator(
task_id='write_task',
python_callable