sql-server - Google Composer - 如何在环境中安装 Microsoft SQL Server ODBC 驱动程序

Question

我是 GCP 和 Airflow 的新手，正在尝试通过 python 3 的简单 PYODBC 连接运行我的 python 管道。但是，我相信我已经找到了需要在机器上安装的内容 [Microsoft doc] https://docs.microsoft.com/en-us/sql/connect/odbc/linux-mac/installing-the-microsoft-odbc-driver-for-sql-server?view=sql-server-2017 ，但我不确定在 GCP 中的何处运行这些命令。我已经钻了几个深坑寻找答案，但不知道如何解决问题

这是我上传 DAG 时不断看到的错误:

Airflow Error

这是 PYODBC 连接:

pyodbc.connect('DRIVER={Microsoft SQL Server};SERVER=servername;DATABASE=dbname;UID=username;PWD=password')

当我在环境中打开我的 gcloud shell 并运行 Microsoft 下载时，它只是中止，当我下载 SDK 并从本地下载连接到项目时，它会自动中止或无法识别来自 Microsoft 的命令。任何人都可以就从哪里开始以及我做错了什么给出一些简单的说明吗？

Answer 1

这很简单 !不需要 DockerFile、KubernetesPodOperator、LD_LIBRARY_PATH 等只是一个基本的 python运算符会做
需要考虑的要点

GCP Composer Worker 的 Pod 镜像是 ubuntu 1604(只需使用命令 os.system('cat/etc/os-release') 运行一个基本的 python 操作符来检查)

它已经在 worker 的 pod 镜像上安装了 unixodbc-dev

Composer 创建桶并用 Airflow 安装它

那么为什么不直接从 pypi 包安装 pyodbc 并在 pyodbc 连接方法中提供 mssql odbc 驱动程序作为参数

这里'gs://bucket_created_by_composer' == '/home/airflow/gcs'

gcs bucket created by composer ->
          -> data/
          -> dags/

循序渐进的方法
第一步:在任何 ubuntu 实例上安装 pyodbc、mssql odbc 以获取驱动程序文件
出于考虑，让我们在 GCP VM Intance 上使用 ubuntu 1804 镜像进行操作

#update the packages
sudo apt update
sudo apt-get update -y
curl https://packages.microsoft.com/keys/microsoft.asc | sudo apt-key add -
curl https://packages.microsoft.com/config/ubuntu/18.04/prod.list | sudo tee /etc/apt/sources.list.d/msprod.list
sudo apt-get update -y
echo Installing mssql-tools and unixODBC developer...
sudo ACCEPT_EULA=Y apt-get install -y mssql-tools unixodbc-dev
sudo apt-get update -y
sudo apt-get install  -y mssql-tools #it includes sql_cmd and bcp (we dont need those)
sudo apt install python3-pip #installing pip3
pip3 install pyodbc 

第 2 步:获取Driver Files并上传到composer创建的gcs_bucket的data文件夹

cd /opt/microsoft
#now you can see there is one directory 'msodbcsql17', version may change
#we need to upload this directory to the data folder of gcs_bucket

#for this you may choose which ever approach suits you
#copying the directory to /<home/user> for proper zipping/uploading to gcs
cp -r msodbcsql17 /home/<user> #you may need to use sudo 
#upload this /home/<user>/msodbcsql17 to any gcs_bucket 
gsutil cp -r /home/<user>/msodbcsql17 gs://<your-gcs-bucket>

将此文件夹从 gcs 存储桶下载到本地并将此文件夹上传到由 composer 创建的 gcs 存储桶的数据文件夹
选择任何方法/方法，主要目的是获取composer创建的gcs bucket的data文件夹中的msodbcsql17文件夹
最终结构:

gcs bucket created by composer ->
          -> data/msodbcsql17/
          -> dags/<your_dags.py>

第 3 步:使用此 msodbcsql17 驱动程序进行 pyodbc 连接
示例 DAG:

import os
import time
import datetime
import argparse
import json
from airflow import DAG
import airflow

from airflow.operators import python_operator


default_dag_args = {
    'start_date': airflow.utils.dates.days_ago(0), #
    'provide_context': True
}



dag = DAG(
        'pyodbc_test',
        schedule_interval=None, #change for composer
        default_args=default_dag_args
        )


def check_connection(**kwargs):
    print('hello')
    driver='/home/airflow/gcs/data/msodbcsql17/lib64/libmsodbcsql-17.5.so.2.1'
    #this is the main driver file, the exact location can be found on gcs_bucket/data folder or check the /etc/odbcinst.in file of ubuntu instance in which you installed the pyodbc earlier

    def tconnection(ServerIp,LoginName,Password,mssql_portno):
        """ A method which return connection object"""
        import pyodbc
        pyodbc.pooling = False 
        try:   
            sql_conn = pyodbc.connect("DRIVER={4};SERVER={0},{1};UID={2};PWD={3}".format(ServerIp,mssql_portno,LoginName,Password,driver)) 
        except pyodbc.Error as ex:
            sqlstate = ex.args[1]
            raise


        return sql_conn

    con=tconnection('<your-server-ip>','<your-login-name>','<your-password>','1433')
    #recommendation is to take the password and login from airflow connections
    import pandas as pd
    q='select * from <your-db-name>.<your-schema-name>.<your-table-name>'
    df=pd.read_sql(q,con)
    print(df)

Tcheck_connection= python_operator.PythonOperator(
        task_id='Tcheck_connection',
        python_callable=check_connection,
        dag=dag ) 


#calling the task sequence
Tcheck_connection 

PYPI 包

pyodbc
pandas

最近在 Composer 上测试过