Cloud Composer 1 est en mode post-maintenance. Google ne publie plus de mises à jour de Cloud Composer 1, y compris de nouvelles versions d'Airflow, de correctifs de bugs et de mises à jour de sécurité. Nous vous recommandons de planifier la migration vers Cloud Composer 2.

Cette page a été traduite par l'API Cloud Translation.

Transférer des données avec les opérateurs de transfert Google

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

Cette page explique comment transférer des données à partir d'autres services avec des opérateurs de transfert Google dans vos DAG.

À propos des opérateurs de transfert Google

Les opérateurs de transfert Google sont un ensemble d'opérateurs Airflow que vous pouvez utiliser pour extraire des données d'autres services versGoogle Cloud.

Ce guide présente les opérateurs Azure FileShare Storage et Amazon S3 compatibles avec Cloud Storage. De nombreux autres opérateurs de transfert fonctionnent avec les services de Google Cloud et avec d'autres services queGoogle Cloud.

Amazon S3 vers Cloud Storage

Cette section explique comment synchroniser des données depuis Amazon S3 vers un bucket Cloud Storage.

Installer le package du fournisseur Amazon

Le package apache-airflow-providers-amazon contient les types de connexion et les fonctionnalités qui interagissent avec Amazon S3. Installez ce package PyPI dans votre environnement.

Configurer une connexion à Amazon S3

Le package du fournisseur Amazon fournit un type de connexion pour Amazon S3. Vous créez une connexion de ce type. La connexion pour Cloud Storage, nommée google_cloud_default, est déjà configurée dans votre environnement.

Configurez une connexion à Amazon S3 comme suit:

Dans l'interface utilisateur Airflow, accédez à Administration > Connexions.
Créez une connexion.
Sélectionnez Amazon S3 comme type de connexion.
L'exemple suivant utilise une connexion nommée aws_s3. Vous pouvez utiliser ce nom ou tout autre nom pour la connexion.
Spécifiez les paramètres de connexion comme décrit dans la documentation Airflow pour la connexion Amazon Web Services. Par exemple, pour configurer une connexion avec des clés d'accès AWS, vous générez une clé d'accès pour votre compte sur AWS, puis fournissez l'ID de clé d'accès AWS comme identifiant et la clé d'accès secrète AWS comme mot de passe pour la connexion.

Transférer des données depuis Amazon S3

Si vous souhaitez utiliser les données synchronisées ultérieurement dans un autre DAG ou tâche, extrayez-les vers le dossier /data du bucket de votre environnement. Ce dossier est synchronisé avec d'autres nœuds de calcul Airflow afin que les tâches de votre DAG puissent y accéder.

L'exemple de DAG suivant effectue les opérations suivantes:

Synchronise le contenu du répertoire /data-for-gcs à partir d'un bucket S3 avec le dossier /data/from-s3/data-for-gcs/ du bucket de votre environnement.
Attend deux minutes, le temps que les données soient synchronisées avec tous les nœuds de calcul Airflow de votre environnement.
Affiche la liste des fichiers de ce répertoire à l'aide de la commande ls. Remplacez cette tâche par d'autres opérateurs Airflow qui fonctionnent avec vos données.

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 vers Cloud Storage

Cette section explique comment synchroniser des données à partir d'Azure FileShare vers un bucket Cloud Storage.

Installer le package du fournisseur Microsoft Azure

Le package apache-airflow-providers-microsoft-azure contient les types de connexion et les fonctionnalités qui interagissent avec Microsoft Azure. Installez ce package PyPI dans votre environnement.

Configurer une connexion à Azure FileShare

Le package du fournisseur Microsoft Azure fournit un type de connexion pour Azure File Share. Vous créez une connexion de ce type. La connexion pour Cloud Storage, nommée google_cloud_default, est déjà configurée dans votre environnement.

Configurez une connexion à Azure FileShare comme suit:

Dans l'interface utilisateur Airflow, accédez à Administration > Connexions.
Créez une connexion.
Sélectionnez Azure FileShare comme type de connexion.
L'exemple suivant utilise une connexion nommée azure_fileshare. Vous pouvez utiliser ce nom ou tout autre nom pour la connexion.
Spécifiez les paramètres de connexion comme décrit dans la documentation Airflow pour la connexion au partage de fichiers Microsoft Azure. Par exemple, vous pouvez spécifier une chaîne de connexion pour votre clé d'accès au compte de stockage.

Transférer des données depuis un partage de fichiers Azure

Le DAG suivant effectue les opérations suivantes:

L'exemple de DAG suivant effectue les opérations suivantes:

Synchronise le contenu du répertoire /data-for-gcs à partir d'Azure File Share avec le dossier /data/from-azure du bucket de votre environnement.
Attend deux minutes, le temps que les données soient synchronisées avec tous les nœuds de calcul Airflow de votre environnement.
Affiche la liste des fichiers de ce répertoire à l'aide de la commande ls. Remplacez cette tâche par d'autres opérateurs Airflow qui fonctionnent avec vos données.

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

Étape suivante

Utiliser des opérateurs GKE