Как работает subDAG в Airflow? Что значит для включения subDAG?

Я просмотрел раздел subDAG Airflow и попытался найти что-нибудь еще в Интернете, что было бы полезно, однако я не нашел ничего, что подробно объясняло, как сделать работу subDAG. Одним из требований к запуску subDAG является то, что он должен быть включен. Как включить/отключить поддиапазон?

Я написал несколько примеров кода, который не показывает никаких ошибок в воздушном потоке, однако, когда я пытаюсь его запустить, ни один из операторов в subDAG не выполняется.

Это мой основной код:

import os
from airflow import DAG
from airflow.operators import BashOperator
from datetime import datetime, timedelta
from airflow.operators.subdag_operator import SubDagOperator
from linecount_subdag import sub_dag

parent_dag_name = 'example_linecount_dag'
child_dag_name = 'example_linecount_subdag'

args = {
    'owner': 'airflow',
    'start_date': datetime(2016, 04, 20),
    'retries': 0,
}
main_dag = DAG(
    dag_id=parent_dag_name,
    default_args=args,
    schedule_interval=timedelta(minutes=5),
    start_date=datetime(2016, 04, 20),
    max_active_runs=1
)

subdag = SubDagOperator(
    subdag=sub_dag(parent_dag_name, child_dag_name, args, main_dag.schedule_interval),
    task_id=child_dag_name,
    default_args=args,
    dag=main_dag)
t = BashOperator(
    task_id='start',
    bash_command='echo "waiting for subdag..."',
    default_args=args,
    dag=main_dag)
t.set_downstream(subdag)

В этом коде задача "начать" преуспевает, однако задача подзадача ничего не делает, и ни один из них не сработает и не удастся выполнить.

Вот мой код subDAG:

from airflow.models import DAG
from airflow.operators import BashOperator

# Dag is returned by a factory method
def sub_dag(parent_dag_name, child_dag_name, args, schedule_interval):
  dag = DAG(
    '%s.%s' % (parent_dag_name, child_dag_name),
    default_args=args,
    start_date=args['start_date'],
    max_active_runs=1,
  )
  t1 = BashOperator(
    task_id='count_lines',
    bash_command='cat /root/airflow/airflow.cfg | wc -l',
    default_args=args,
    xcom_push=True,
    dag=dag)
  t2 = BashOperator(
    task_id='retrieve_val',
    bash_command='grep "airflow_home" /root/airflow/airflow.cfg',
    default_args=args,
    xcom_push=True,
    dag=dag)
  templated_command = """
    {
        echo "{{ ti.xcom_pull(task_ids='count_lines') }}"
        echo "{{ ti.xcom_pull(task_ids='retrieve_val') }}"
    }"""
  t3 = BashOperator(
    task_id='print_values',
    bash_command=templated_command,
    default_args=args,
    dag=dag)
  t3.set_upstream(t1)
  t3.set_upstream(t2)
  return dag

3 оператора в этом коде получат количество строк файла "airflow.cfg", найдите значение "airflow_home" в этом файле и верните оба этих значения для печати. Этот код работает сам по себе, поэтому я не думаю, что это проблема.

Что мне нужно изменить, чтобы заставить subDAG выполнять его операторы?

Ответ 1

Я использовал ваш код локально, и он отлично работает.

Единственные вещи, которые я изменил, устанавливали как внешний dag, так и sub dag, чтобы иметь schedule_interval = None и запускать их вручную.

С датой начала datetime (2016, 04, 20) и sched_interval 5 минут будет наводнять планировщик потока воздуха со многими backfill.

Вам может потребоваться перейти от использования LocalExecutor к CeleryExecutor. LocalExecutor довольно ограничен.

Вот результат последнего шага в поддиапазоне:

[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:       {
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:           echo "226"
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:           echo "airflow_home = /root/airflow/"
[2017-03-08 15:35:18,994] {base_task_runner.py:95} INFO - Subtask:       }