以下是一个使用Airflow创建CSV到BigQuery数据传输和处理的流水线的示例:
pip install apache-airflow
csv_to_bigquery_dag.py
,并将以下代码添加到文件中:from datetime import datetime
from airflow import DAG
from airflow.contrib.operators.bigquery_operator import BigQueryOperator
from airflow.contrib.operators.gcs_to_bq import GoogleCloudStorageToBigQueryOperator
default_args = {
'owner': 'airflow',
'start_date': datetime(2022, 1, 1),
}
dag = DAG(
'csv_to_bigquery',
default_args=default_args,
schedule_interval='@daily',
)
# 使用GoogleCloudStorageToBigQueryOperator将CSV文件从Google Cloud Storage导入到BigQuery
load_csv = GoogleCloudStorageToBigQueryOperator(
task_id='load_csv_to_bq',
bucket='your-gcs-bucket',
source_objects=['path/to/csv/file.csv'],
destination_project_dataset_table='your-project.your-dataset.your-table',
schema_fields=[
{'name': 'column1', 'type': 'STRING'},
{'name': 'column2', 'type': 'INTEGER'},
{'name': 'column3', 'type': 'FLOAT'},
],
write_disposition='WRITE_TRUNCATE',
dag=dag
)
# 使用BigQueryOperator执行数据处理操作
data_processing = BigQueryOperator(
task_id='data_processing',
sql='your-data-processing-sql-query',
destination_dataset_table='your-project.your-dataset.processed-table',
write_disposition='WRITE_TRUNCATE',
dag=dag
)
# 定义任务之间的依赖关系
load_csv >> data_processing
在上面的代码中,我们创建了一个名为csv_to_bigquery
的DAG,它包含两个任务:load_csv
和data_processing
。load_csv
任务使用GoogleCloudStorageToBigQueryOperator
将CSV文件从Google Cloud Storage导入到BigQuery中。data_processing
任务使用BigQueryOperator
执行数据处理操作,可以在sql
参数中指定自定义的SQL查询。
将CSV文件上传到Google Cloud Storage中的指定存储桶和路径。
在命令行中运行以下命令以启动Airflow调度程序:
airflow scheduler
airflow webserver -p 8080
http://localhost:8080
以查看Airflow Web界面。在界面中,可以看到创建的csv_to_bigquery
DAG。单击“Trigger DAG”按钮以手动触发DAG的运行。注意:在实际使用中,需要根据实际情况修改代码示例中的配置参数,如Google Cloud Storage的存储桶名称、CSV文件的路径、BigQuery的目标表名等。
上述示例演示了如何使用Airflow创建一个流水线,将CSV文件从Google Cloud Storage导入到BigQuery,并在BigQuery中执行数据处理操作。可以根据实际需求进行修改和扩展。