Daten mit Google-Übertragungsoperatoren aus anderen Diensten übertragen

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Auf dieser Seite wird beschrieben, wie Daten aus anderen Diensten mit Google übertragen werden. Übertragungsoperatoren in Ihren DAGs.

Google-Übertragungsoperatoren

Google-Übertragungsoperatoren sind ein Airflow-Operatoren, mit denen Sie Daten aus anderen Diensten abrufen können, Google Cloud

In diesem Leitfaden werden Operatoren für Azure FileShare Storage und Amazon S3 gezeigt, die mit Cloud Storage funktionieren. Es gibt viele weitere Übertragungsoperatoren, die mit Diensten innerhalb von Google Cloud und mit anderen Diensten als Google Cloud arbeiten.

Amazon S3 für Cloud Storage

In diesem Abschnitt wird gezeigt, wie Daten von Amazon S3 mit einem Cloud Storage-Bucket.

Amazon-Anbieterpaket installieren

Das apache-airflow-providers-amazon-Paket enthält die Verbindungstypen und Funktionen, die mit Amazon S3 interagieren. Installieren Sie dieses PyPI-Paket in Ihrem zu verbessern.

Verbindung zu Amazon S3 konfigurieren

Das Amazon-Anbieterpaket bietet einen Verbindungstyp für Amazon S3. Ich eine Verbindung dieses Typs erstellen. Die Verbindung für Cloud Storage mit dem Namen google_cloud_default ist bereits in Ihrer Umgebung eingerichtet.

So richten Sie eine Verbindung zu Amazon S3 ein:

  1. Klicken Sie in der Airflow-Benutzeroberfläche auf Verwaltung > Verbindungen.
  2. Erstellen Sie eine neue Verbindung.
  3. Wählen Sie als Verbindungstyp Amazon S3 aus.
  4. Im folgenden Beispiel wird eine Verbindung mit dem Namen aws_s3 verwendet. Sie können diese Name oder einen anderen Namen für die Verbindung.
  5. Geben Sie die Verbindungsparameter wie in der Airflow-Dokumentation für die Amazon Web Services-Verbindung beschrieben an. Wenn Sie beispielsweise eine Verbindung mit AWS-Zugriffsschlüsseln einrichten möchten, generieren Sie einen Zugriffsschlüssel für Ihr Konto bei AWS und geben dann die AWS-Zugriffsschlüssel-ID als Anmeldedaten und den geheimen AWS-Zugriffsschlüssel als Passwort für die Verbindung an.

Daten von Amazon S3 übertragen

Wenn Sie die synchronisierten Daten später in einem anderen DAG oder einer anderen Aufgabe bearbeiten möchten, ziehen Sie sie in den Ordner /data Ihres Umgebungs-Buckets. Dieser Ordner wird mit anderen Airflow-Workern synchronisiert, damit Aufgaben in Ihrem DAG darauf ausgeführt werden können.

Im folgenden Beispiel-DAG wird Folgendes ausgeführt:

  • Synchronisiert den Inhalt des Verzeichnisses /data-for-gcs aus einem S3-Bucket in den Ordner /data/from-s3/data-for-gcs/ im Bucket Ihrer Umgebung.
  • Es wird zwei Minuten gewartet, bis die Daten mit allen Airflow-Workern in für Ihre Umgebung.
  • Mit dem Befehl ls wird die Liste der Dateien in diesem Verzeichnis ausgegeben. Ersetzen Sie diese Aufgabe durch andere Airflow-Operatoren, die mit Ihren Daten funktionieren.
import datetime
import airflow
from airflow.providers.google.cloud.transfers.s3_to_gcs import S3ToGCSOperator
from airflow.operators.bash_operator import BashOperator

with airflow.DAG(
    'composer_sample_aws_to_gcs',
    start_date=datetime.datetime(2022, 1, 1),
    schedule_interval=None,
) as dag:

    transfer_dir_from_s3 = S3ToGCSOperator(
        task_id='transfer_dir_from_s3',
        aws_conn_id='aws_s3',
        prefix='data-for-gcs',
        bucket='example-s3-bucket-transfer-operators',
        dest_gcs='gs://us-central1-example-environ-361f2312-bucket/data/from-s3/')

    sleep_2min = BashOperator(
        task_id='sleep_2min',
        bash_command='sleep 2m')

    print_dir_files = BashOperator(
        task_id='print_dir_files',
        bash_command='ls /home/airflow/gcs/data/from-s3/data-for-gcs/')


    transfer_dir_from_s3 >> sleep_2min >> print_dir_files

Azure FileShare zu Cloud Storage

In diesem Abschnitt wird gezeigt, wie Sie Daten aus Azure FileShare mit einem Cloud Storage-Bucket synchronisieren.

Microsoft Azure-Anbieterpaket installieren

Das Paket apache-airflow-providers-microsoft-azure enthält die Verbindung die mit Microsoft Azure interagieren. Installieren Sie dieses PyPI-Paket in Ihrer Umgebung.

Verbindung zu Azure FileShare konfigurieren

Das Microsoft Azure-Anbieterpaket bietet einen Verbindungstyp für die Azure-Datei Teilen. Sie erstellen eine Verbindung dieses Typs. Die Verbindung für Cloud Storage mit dem Namen google_cloud_default ist bereits eingerichtet in für Ihre Umgebung.

Richten Sie auf folgende Weise eine Verbindung zu Azure FileShare ein:

  1. Klicken Sie in der Airflow-Benutzeroberfläche auf Verwaltung > Verbindungen.
  2. Erstellen Sie eine neue Verbindung.
  3. Wählen Sie Azure FileShare als Verbindungstyp aus.
  4. Im folgenden Beispiel wird eine Verbindung mit dem Namen azure_fileshare verwendet. Sie können diesen oder einen anderen Namen für die Verbindung verwenden.
  5. Geben Sie Verbindungsparameter wie in der Airflow-Dokumentation für Microsoft Azure-Verbindung zur Dateifreigabe Sie können beispielsweise einen Verbindungsstring für den Zugriffsschlüssel Ihres Speicherkontos angeben.

Daten aus Azure FileShare übertragen

Wenn Sie die synchronisierten Daten später in einem anderen DAG oder einer anderen Aufgabe verarbeiten möchten, ziehen Sie sie in den Ordner /data des Buckets Ihrer Umgebung. Dieser Ordner wird mit anderen Airflow-Workern synchronisiert, damit Aufgaben in Ihrem DAG darauf ausgeführt werden können.

Der folgende DAG führt Folgendes aus:

Der folgende Beispiel-DAG führt Folgendes aus:

  • Synchronisiert den Inhalt des Verzeichnisses /data-for-gcs aus Azure File Share in den Ordner /data/from-azure im Bucket Ihrer Umgebung.
  • Es wird zwei Minuten gewartet, bis die Daten mit allen Airflow-Workern in für Ihre Umgebung.
  • Mit dem Befehl ls wird die Liste der Dateien in diesem Verzeichnis ausgegeben. Ersetzen mit anderen Airflow-Operatoren, die mit Ihren Daten arbeiten.
import datetime
import airflow
from airflow.providers.google.cloud.transfers.azure_fileshare_to_gcs import AzureFileShareToGCSOperator
from airflow.operators.bash_operator import BashOperator

with airflow.DAG(
    'composer_sample_azure_to_gcs',
    start_date=datetime.datetime(2022, 1, 1),
    schedule_interval=None,
) as dag:

    transfer_dir_from_azure = AzureFileShareToGCSOperator(
        task_id='transfer_dir_from_azure',
        azure_fileshare_conn_id='azure_fileshare',
        share_name='example-file-share',
        directory_name='data-for-gcs',
        dest_gcs='gs://us-central1-example-environ-361f2312-bucket/data/from-azure/')

    sleep_2min = BashOperator(
        task_id='sleep_2min',
        bash_command='sleep 2m')

    print_dir_files = BashOperator(
        task_id='print_dir_files',
        bash_command='ls /home/airflow/gcs/data/from-azure/')


    transfer_dir_from_azure >> sleep_2min >> print_dir_files

Nächste Schritte