Raggruppamento di attività all'interno dei DAG

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

Questa pagina descrive come raggruppare le attività nelle pipeline Airflow utilizzando i seguenti pattern di progettazione:

• Raggruppamento delle attività nel grafico DAG.
• Attivazione dei DAG secondari da un DAG principale.
• Raggruppamento delle attività con l'operatore TaskGroup.

Importante: Airflow fornisce SubDAGs per gestire le attività ripetute. Nonostante sia un pattern di progettazione comune per raggruppare le attività, i SubDAG spesso causano problemi funzionali e di prestazioni e sono ritirati in Airflow. Ti consigliamo di evitare di utilizzare i SubDAG per raggruppare le attività nel tuo workflow e di preferire uno degli approcci alternativi descritti in questa pagina.

Raggruppare le attività nel grafico DAG

Per raggruppare le attività in determinate fasi della pipeline, puoi utilizzare le relazioni tra le attività nel file DAG.

Considera l'esempio seguente:

Figura 1. Le attività possono essere raggruppate in un DAG Airflow (fai clic per ingrandire)

In questo flusso di lavoro, le attività op-1 e op-2 vengono eseguite insieme dopo l'attività iniziale start. Puoi farlo raggruppando le attività con l'istruzione start >> [task_1, task_2].

Il seguente esempio fornisce un'implementazione completa di questo DAG:

from airflow import DAG
from airflow.operators.bash import BashOperator
from airflow.operators.dummy import DummyOperator
from airflow.utils.dates import days_ago

DAG_NAME = "all_tasks_in_one_dag"

args = {"owner": "airflow", "start_date": days_ago(1), "schedule_interval": "@once"}

with DAG(dag_id=DAG_NAME, default_args=args) as dag:
    start = DummyOperator(task_id="start")

    task_1 = BashOperator(task_id="op-1", bash_command=":", dag=dag)

    task_2 = BashOperator(task_id="op-2", bash_command=":", dag=dag)

    some_other_task = DummyOperator(task_id="some-other-task")

    task_3 = BashOperator(task_id="op-3", bash_command=":", dag=dag)

    task_4 = BashOperator(task_id="op-4", bash_command=":", dag=dag)

    end = DummyOperator(task_id="end")

    start >> [task_1, task_2] >> some_other_task >> [task_3, task_4] >> end

Attivare i DAG secondari da un DAG principale

Puoi attivare un DAG da un altro DAG con l'operatore TriggerDagRunOperator.

Considera l'esempio seguente:

Figura 2. I DAG possono essere attivati dall'interno di un DAG con TriggerDagRunOperator (fai clic per ingrandire)

In questo flusso di lavoro, i blocchi dag_1 e dag_2 rappresentano una serie di attività raggruppate in un DAG separato nell'ambiente Cloud Composer.

L'implementazione di questo flusso di lavoro richiede due file DAG separati. Il file DAG di controllo ha il seguente aspetto:

from airflow import DAG
from airflow.operators.dummy import DummyOperator
from airflow.operators.trigger_dagrun import TriggerDagRunOperator
from airflow.utils.dates import days_ago


with DAG(
    dag_id="controller_dag_to_trigger_other_dags",
    default_args={"owner": "airflow"},
    start_date=days_ago(1),
    schedule_interval="@once",
) as dag:
    start = DummyOperator(task_id="start")

    trigger_1 = TriggerDagRunOperator(
        task_id="dag_1",
        trigger_dag_id="dag-to-trigger",  # Ensure this equals the dag_id of the DAG to trigger
        conf={"message": "Hello World"},
    )
    trigger_2 = TriggerDagRunOperator(
        task_id="dag_2",
        trigger_dag_id="dag-to-trigger",  # Ensure this equals the dag_id of the DAG to trigger
        conf={"message": "Hello World"},
    )

    some_other_task = DummyOperator(task_id="some-other-task")

    end = DummyOperator(task_id="end")

    start >> trigger_1 >> some_other_task >> trigger_2 >> end

Nota: il valore di trigger_dag_id all'interno di TriggerDagRunOperator deve corrispondere al valore di dag_id del DAG che vuoi attivare.

L'implementazione del DAG secondario, attivato dal DAG di controllo, è simile alla seguente:

from airflow import DAG
from airflow.operators.dummy import DummyOperator
from airflow.utils.dates import days_ago

DAG_NAME = "dag-to-trigger"

args = {"owner": "airflow", "start_date": days_ago(1), "schedule_interval": "None"}

with DAG(dag_id=DAG_NAME, default_args=args) as dag:
    dag_task = DummyOperator(task_id="dag-task")

Per il corretto funzionamento del DAG, devi caricare entrambi i file DAG nel tuo ambiente Cloud Composer.

Raggruppamento delle attività con l'operatore TaskGroup

Puoi utilizzare l'operatore TaskGroup per raggruppare le attività nel DAG. Le attività definite all'interno di un blocco TaskGroup fanno ancora parte del DAG principale.

Considera l'esempio seguente:

Figura 3. Le attività possono essere raggruppate visivamente nell'interfaccia utente con l'operatore TaskGroup (fai clic per ingrandire)

Le attività op-1 e op-2 sono raggruppate in un blocco con ID taskgroup_1. Un'implementazione di questo flusso di lavoro è simile al seguente codice:

from airflow.models.dag import DAG
from airflow.operators.bash import BashOperator
from airflow.operators.dummy import DummyOperator
from airflow.utils.dates import days_ago
from airflow.utils.task_group import TaskGroup

with DAG(dag_id="taskgroup_example", start_date=days_ago(1)) as dag:
    start = DummyOperator(task_id="start")

    with TaskGroup("taskgroup_1", tooltip="task group #1") as section_1:
        task_1 = BashOperator(task_id="op-1", bash_command=":")
        task_2 = BashOperator(task_id="op-2", bash_command=":")

    with TaskGroup("taskgroup_2", tooltip="task group #2") as section_2:
        task_3 = BashOperator(task_id="op-3", bash_command=":")
        task_4 = BashOperator(task_id="op-4", bash_command=":")

    some_other_task = DummyOperator(task_id="some-other-task")

    end = DummyOperator(task_id="end")

    start >> section_1 >> some_other_task >> section_2 >> end

Passaggi successivi

• Scrivere DAG
• Test dei DAG