带有自定义字段的 Airflow 自定义指标和/或结果对象

Question

在通过 Airflow 运行 pySpark SQL 管道时，我有兴趣获取一些业务统计信息，例如:

源读取计数

目标写入计数

处理过程中 DF 的大小

错误记录数

一种想法是将其直接推送到指标，因此它会被 Prometheus 等监控工具自动使用。另一个想法是通过一些 DAG 结果对象获取这些值，但我无法在文档中找到任何关于它的信息。

如果您有解决方案，请至少发布一些伪代码。

Answer 1

我希望在 airflow.stats.Stats 中重用 Airflow 的统计和监控支持。类(class)。也许是这样的:

import logging
from airflow.stats import Stats

PYSPARK_LOG_PREFIX = "airflow_pyspark"


def your_python_operator(**context):
    [...]

    try:
        Stats.incr(f"{PYSPARK_LOG_PREFIX}_read_count", src_read_count)
        Stats.incr(f"{PYSPARK_LOG_PREFIX}_write_count", tgt_write_count)
        # So on and so forth
    except:
        logging.exception("Caught exception during statistics logging")

    [...]