AirflowDataprocserverlessjobcreatordoesnttakepythonparameters(AirflowDataproc无服务器作业创建程序不接受Python参数)
创始人
2024-08-01 22:01:11
0

问题的原因是Airflow Dataproc的ServerlessJobOperator(无服务器作业操作器)没有设计用于接受Python参数。但我们可以通过自定义运算符(operator)来解决这个问题。我们可以先定义一个函数,然后把函数名和参数作为字符串参数传递给自定义运算符,并在运算符中将其解析。

以下是一个代码示例:

from airflow.models.baseoperator import BaseOperator
from airflow.utils.decorators import apply_defaults
from google.cloud.dataproc_v1beta2 import Job
from google.protobuf import json_format

class CustomServerlessJobOperator(BaseOperator):
    @apply_defaults
    def __init__(
        self,
        *,
        main_class,
        main_jar,
        dataproc_cluster,
        project_id=None,
        region=None,
        data_proc_shared_package=None,
        properties=None,
        **kwargs,
    ):
        super().__init__(**kwargs)
        self.main_class = main_class
        self.main_jar = main_jar
        self.dataproc_cluster = dataproc_cluster
        self.project_id = project_id or self.dag.default_args.get("project_id")
        self.region = region or self.dag.default_args.get("region")
        self.data_proc_shared_package = (
            data_proc_shared_package or "com.google.cloud.spark"
        )
        self.properties = properties or {}

    def execute(self, context):
        job_client = JobServiceClient()
        job = Job()
        job.job_placement.cluster_name = self.dataproc_cluster
        job.job_placement.project_id = self.project_id
        job.job_placement.region = self.region
        job.spark_job.spark_class_main = self.main_class
        job.spark_job.main_jar_file_uri = self.main_jar
        job.labels = {"airflow-version": airflow.__version__}
        job.spark_job.properties["spark.jars.packages"] = self.data_proc_shared_package
        job.spark_job.properties.update(self.properties)
        job_json = json_format.MessageToJson(
            job,
            including_default_value_fields=True,
            preserving_proto_field_name=True,
        )
        # 解析函数名和参数
        command = f"pyspark {self.main_jar} {self.main_class} {self.parameters}"
        job.spark_job.args.extend(command.split())
        job_id = job_client.submit_job(
            project_id=self.project_id,
            job_region=self.region,
            job=job,
        ).reference.job_id
        return self.wait_for_done(job_id, job_client)

使用示例:

CustomServerlessJobOperator(
    task_id='

相关内容

热门资讯

Android Studio ... 要解决Android Studio 4无法检测到Java代码,无法打开SDK管理器和设置的问题,可以...
安装tensorflow mo... 要安装tensorflow models object-detection软件包和pandas的每个...
安装了Laravelbackp... 检查是否创建了以下自定义文件并进行正确的配置config/backpack/base.phpconf...
安装了centos后会占用多少... 安装了CentOS后会占用多少内存取决于多个因素,例如安装的软件包、系统配置和运行的服务等。通常情况...
按照Laravel方式通过Pr... 在Laravel中,我们可以通过定义关系和使用查询构建器来选择模型。首先,我们需要定义Profile...
按照分类ID显示Django子... 在Django中,可以使用filter函数根据分类ID来筛选子类别。以下是一个示例代码:首先,假设你...
Android Studio ... 要给出包含代码示例的解决方法,我们可以使用Markdown语法来展示代码。下面是一个示例解决方案,其...
Android Retrofi... 问题描述:在使用Android Retrofit进行GET调用时,获取的响应为空,即使服务器返回了正...
Alexa技能在返回响应后出现... 在开发Alexa技能时,如果在返回响应后出现问题,可以按照以下步骤进行排查和解决。检查代码中的错误处...
Airflow Dag文件夹 ... 要忽略Airflow中的笔记本检查点,可以在DAG文件夹中使用以下代码示例:from airflow...