在Airflow中,可以通过Jinja模板将参数传递给DAG。下面是一个示例代码:
from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from datetime import datetime
# 定义一个Python函数来执行任务
def my_task(*args, **kwargs):
print("Hello, Airflow!")
print("DAG parameter: ", kwargs['dag_param'])
# 定义DAG
default_args = {
'start_date': datetime(2022, 1, 1)
}
dag = DAG(
'example_dag',
default_args=default_args,
schedule_interval=None
)
# 定义Jinja模板参数
template_params = {
'dag_param': '{{ dag_run.conf.get("my_param") }}'
}
# 定义任务
task = PythonOperator(
task_id='my_task',
python_callable=my_task,
provide_context=True,
op_kwargs=template_params,
dag=dag
)
# 设置任务依赖关系
task
在上面的代码中,我们定义了一个名为my_task
的Python函数来执行任务。然后,我们创建了一个DAG对象,并将my_task
作为一个PythonOperator添加到DAG中。
在创建任务时,我们使用provide_context=True
来提供上下文,这样可以访问DAG的运行时上下文。我们还使用op_kwargs
参数将Jinja模板参数传递给任务。在这个例子中,我们将DAG参数my_param
作为Jinja模板参数传递给任务。
这样,当DAG运行时,Jinja模板将被解析,并将参数传递给任务。在任务中,我们可以通过kwargs
访问传递的参数。
请注意,要使用Jinja模板,您需要在DAG文件中使用.py
扩展名(而不是.yaml
或.json
)。