python - 执行运算符后 Airflow 得到结果

Question

我配置了 airflow 并创建了一些 Dag 和 subDag 来调用多个操作符。

我的麻烦是，当运算符(operator)运行并完成作业时，我想以某种 Python 结构接收返回的结果。例如:

File1.py

  ...
    ...
    sub_dag_one=SubDagOperator(subdag=subdag_accessHive(
PARENT_DAG_NAME, CHILD_DAG_NAME, default_args, STEP, macros,path,
       ),
        task_id=DELP_DAG_NAME,
        dag=dag,
    )

File2.py

  from airflow import DAG
    from airflow.operators import HiveOperator
def subdag_callHive(parent, child, args, step,
                         user_defined_macros, path
                        ):
        dag_subdag = DAG(
            dag_id='%s.%s' % (parent, child),
            default_args=args,
            schedule_interval="@daily",
            template_searchpath=path,
            user_defined_macros=user_defined_macros,
        )

        # some work...

        HiveOperator(
            task_id='some_id',
            hiveconf_jinja_translate=True,
            hql='select field1 from public.mytable limit 4;',
            trigger_rule='all_done',
            dag=dag_subdag,
        )

        return dag_subdag 

函数 subdag_callHive 是从另一个 python 脚本调用的，其中定义了主 Dag 和所有其他所需的参数。

我只需要能够从 HiveOperator 获得结果(*select * from public.mytable limit 4;*) 在本例中为 4 个值。

返回的 dag_subdag 是一个对象 并且包含传递给调用的所有属性/数据，但没有关于 HiveOperator 做了什么的信息。

这可能吗？如果是的话，如何实现。

Answer 1

您可以根据需要使用 Hooks。 HiveOperator 基本上做同样的事情，他调用 Hive Hooks，它有多种方法来处理结果。

使用 PythonOperator 调用一个函数，然后启动一个配置单元 Hook 。

以下示例可能对您有所帮助。

代码片段:

callHook = PythonOperator(
    task_id='foo',
    python_callable=do_work,
    dag=dag
)

def do_work():
    hiveserver = HiveServer2Hook()
    hql = "SELECT COUNT(*) FROM foo.bar"
    row_count = hiveserver.get_records(hql, schema='foo')
    print row_count[0][0]

所有可用的方法都可以在这里找到:https://github.com/apache/incubator-airflow/blob/master/airflow/hooks/hive_hooks.py