在…的帮助下
this Stackoverflow post
我刚做了一个程序(如文章所示),当一个文件放在S3桶中时,一个正在运行的DAG中的任务被触发,然后我使用bashoperator执行一些工作。一旦完成,尽管DAG不再处于运行状态,而是进入成功状态,如果我想让它获取另一个文件,我需要清除所有“过去”、“未来”、“上游”、“下游”活动。我想做这个程序,这样它总是在运行,每当一个新的文件放在S3存储桶中,程序就开始执行任务。
我可以继续使用s3keysenor来完成这个任务吗,或者我需要找出一种设置
External Trigger
来运行我的DAG?到目前为止,如果只运行一次,我的S3keysensor就没有意义了。
from airflow import DAG
from airflow.operators import SimpleHttpOperator, HttpSensor, EmailOperator, S3KeySensor
from datetime import datetime, timedelta
from airflow.operators.bash_operator import BashOperator
default_args = {
'owner': 'airflow',
'depends_on_past': False,
'start_date': datetime(2018, 5, 29),
'email': ['something@here.com'],
'email_on_failure': False,
'email_on_retry': False,
'retries': 5,
'retry_delay': timedelta(minutes=5)
}
dag = DAG('s3_triggered_emr_cluster_dag', default_args=default_args, schedule_interval= '@once')
# This Activity runs a Python script that creates an AWS EMR cluster and then does EMR activity on the EMR cluster.
t2 = BashOperator(
task_id='create_emr_cluster_1',
bash_command='python /home/ec2-user/aws-python-sample/Create_EMR_Then_Do_EMR_Activities.py',
retries=1,
dag=dag)
t1 = BashOperator(
task_id='success_log',
bash_command='echo "Dag ran successfully" >> /home/ec2-user/s3_triggered_dag.txt',
dag=dag)
sensor = S3KeySensor(
task_id='new_s3_file_in_foobar-bucket',
bucket_key='*',
wildcard_match=True,
bucket_name='foobar-bucket',
s3_conn_id='s3://foobar-bucket',
timeout=18*60*60,
poke_interval=120,
dag=dag)
t1.set_upstream(sensor)
t2.set_upstream(t1)
我想知道这是否不可能,因为它不是有向非循环图,而是有一个重复的循环
传感器->T1->T2->传感器->T1->T2->传感器->…不断重复
。
更新:
我的用例非常简单,每当一个新文件被放置在一个指定的AWS S3桶中时,我希望触发DAG并开始我的各种任务的处理。这些任务将执行如下操作:实例化一个新的AWS EMR集群,从AWS S3存储桶中提取文件,执行一些AWS EMR活动,然后关闭AWS EMR集群。从那里,DAG将返回到等待状态,在该状态下,它将等待新文件到达AWS S3存储桶,然后无限期地重复该过程。