airflow - Apache Airflow - 获取所有父 task_id

Question

假设有以下情况:

[c1, c2, c3] >> child_task

其中所有 c1、c2、c3 和 child_task 都是运算符并且具有 task_id 分别等于 id1、id2、id3 和 child_id。

任务 child_task 也是一个 PythonOperator，具有 provide_context=True 和 python_callable=dummy_func

def dummy_func(**context):
    #...

是否有可能在 dummy_func 中检索所有 parent 的 ID(可能通过使用上下文以某种方式浏览 dag)？

本例中的预期结果将是列表 ['id1', 'id2', 'id3']。

Answer 1

upstream_task_ids 和downstream_task_ids properties of BaseOperator仅用于此目的。

from typing import List
..
parent_task_ids: List[str] = my_task.upstream_task_ids
child_task_ids: List[str] = my_task_downstream_task_ids

---

但是请注意，使用此属性，您只能获得任务的直接(上游/下游)邻居。为了获得所有祖先或后代 任务，您可以快速编造出古老的图论方法，例如这个 BFS-类似实现

from typing import List, Set
from queue import Queue
from airflow.models import BaseOperator

def get_ancestor_tasks(my_task: BaseOperator) -> List[BaseOperator]:
    ancestor_task_ids: Set[str] = set()
    tasks_queue: Queue = Queue()
    # determine parent tasks to begin BFS
    for task in my_task.upstream_list:
        tasks_queue.put(item=task)
    # perform BFS
    while not tasks_queue.empty():
        task: BaseOperator = tasks_queue.get()
        ancestor_task_ids.add(element=task.task_id)
        for _task in task.upstream_list:
            tasks_queue.put(item=_task)
    # Convert task_ids to actual tasks
    ancestor_tasks: List[BaseOperator] = [task for task in my_task.dag.tasks if task.task_id in ancestor_task_ids]
    return ancestor_tasks

以上代码段未经测试，但我相信您可以从中获得灵感

---

引用资料

• Get all Airflow Leaf Nodes/Tasks
• Python Queue
• Python 3 type-annotations