背景

airflow是Airbnb開源的一個用python編寫的調度工具，基于有向無環圖(DAG)，airflow可以定義一組有依賴的任務，按照依賴依次執行，通過python代碼定義子任務，并支持各種Operate操作器，靈活性大，能滿足用戶的各種需求。本文主要介紹使用Airflow的python Operator調度MaxCompute 任務

一、環境準備

Python 2.7.5 PyODPS支持Python2.6以上版本
Airflow apache-airflow-1.10.7

1.安裝MaxCompute需要的包

pip install setuptools>=3.0

pip install requests>=2.4.0

pip install greenlet>=0.4.10 # 可選，安裝后能加速Tunnel上傳。

pip install cython>=0.19.0 # 可選，不建議Windows用戶安裝。

pip install pyodps

注意：如果requests包沖突，先卸載再安裝對應的版本

2.執行如下命令檢查安裝是否成功

python -c "from odps import ODPS"

二、開發步驟

1.在Airflow家目錄編寫python調度腳本Airiflow_MC.py

# -*- coding: UTF-8 -*- 
 
import sys 
 
import os 
 
from odps import ODPS 
 
from odps import options 
 
from airflow import DAG 
 
from airflow.operators.python_operator import PythonOperator 
 
from datetime import datetime, timedelta 
 
from configparser import ConfigParser 
 
import time 
 
reload(sys) 
 
sys.setdefaultencoding('utf8') 
 
#修改系統默認編碼。 
 
# MaxCompute參數設置 
 
options.sql.settings = {'options.tunnel.limit_instance_tunnel': False, 'odps.sql.allow.fullscan': True} 
 
cfg = ConfigParser() 
 
cfg.read("odps.ini") 
 
print(cfg.items()) 
 
odps = ODPS(cfg.get("odps","access_id"),cfg.get("odps","secret_access_key"),cfg.get("odps","project"),cfg.get("odps","endpoint")) 

default_args = { 
 
'owner': 'airflow', 
 
'depends_on_past': False, 
 
'retry_delay': timedelta(minutes=5), 
 
'start_date':datetime(2020,1,15) 
 
# 'email': ['airflow@example.com'], 
 
# 'email_on_failure': False, 
 
# 'email_on_retry': False, 
 
# 'retries': 1, 
 
# 'queue': 'bash_queue', 
 
# 'pool': 'backfill', 
 
# 'priority_weight': 10, 
 
# 'end_date': datetime(2016, 1, 1), 
 
} 
 
dag = DAG( 
 
'Airiflow_MC', default_args=default_args, schedule_interval=timedelta(seconds=30)) 
 
def read_sql(sqlfile): 
 
with io.open(sqlfile, encoding='utf-8', mode='r') as f: 
 
sql=f.read() 
 
f.closed 
 
return sql 
 
def get_time(): 
 
print '當前時間是{}'.format(time.time()) 
 
return time.time() 
 
def mc_job (): 
 
project = odps.get_project() # 取到默認項目。 
 
instance=odps.run_sql("select * from long_chinese;") 
 
print(instance.get_logview_address()) 
 
instance.wait_for_success() 
 
with instance.open_reader() as reader: 
 
count = reader.count 
 
print("查詢表數據條數：{}".format(count)) 
 
for record in reader: 
 
print record 
 
return count 
 
t1 = PythonOperator ( 
 
task_id = 'get_time' , 
 
provide_context = False , 
 
python_callable = get_time, 
 
dag = dag ) 
 
t2 = PythonOperator ( 
 
task_id = 'mc_job' , 
 
provide_context = False , 
 
python_callable = mc_job , 
 
dag = dag ) 
 
t2.set_upstream(t1) 

2.提交

python Airiflow_MC.py 

3.進行測試

# print the list of active DAGs 
 
airflow list_dags 
 
# prints the list of tasks the "tutorial" dag_id 
 
airflow list_tasks Airiflow_MC 
 
# prints the hierarchy of tasks in the tutorial DAG 
 
airflow list_tasks Airiflow_MC --tree 
 
#測試task 
 
airflow test Airiflow_MC get_time 2010-01-16 
 
airflow test Airiflow_MC mc_job 2010-01-16 

4.運行調度任務

登錄到web界面點擊按鈕運行

5.查看任務運行結果

1.點擊view log

2.查看結果