无法在 Airflow 中的自定义运算符中传递 xcom

如何解决无法在 Airflow 中的自定义运算符中传递 xcom

我有一个简单的线性 DAG（使用 Airflow 2.0 创建）有两个任务。我为每个扩展到 BaSEOperator 的任务提供自定义运算符。以下是 dag 和运算符的代码：-

class Operator1(BaSEOperator):
    @apply_defaults
    def __init__(self,**kwargs) -> None:
        super().__init__(**kwargs)
    def execute(self,context):
        ...
        logging.info('First task')
        context['task_instance'].xcom_push(key="payload",value=data)
        return data

class Operator2(BaSEOperator):
    @apply_defaults
    def __init__(self,context):
        ...
        logging.info("context is ",context)
        parameters = context['task_instance'].xcom_pull(key="payload",value=data)
 

with DAG('dag_1',default_args=DEFAULT_ARGS,schedule_interval=None) as dag:
    TASK_1 = Operator1(
        task_id='task_1',do_xcom_push=True)
    TASK_2 = Operator2(
        task_id='task_2',do_xcom_push=True)
    TASK_1 >> TASK_2 

当我运行 DAG 时，我发现用于获取 context 值的 xcom 是空的。我在 stackoverflow 上搜索了很多答案，并尝试了其中提到的方法，但没有奏效。

真的很想了解有关该问题的一些提示 - 如何在自定义运算符中推送和拉取 xcom 值？

解决方法

我拿了你的代码并运行它，第一个问题是 start_date 没有定义，所以它以异常结束：

Exception has occurred: AirflowException (note: full exception trace is shown but execution is paused at: _run_module_as_main)
Task is missing the start_date parameter

此外，在 Operator1 类中，未定义 data 变量。我猜你可能在编写代码示例时错过了它们。

除此之外，代码有效，但我认为您应该考虑在执行 xcom_pull 操作时定义 task_id 参数。

来自 TaskInstance xcom_pull 方法说明：

:param task_ids：只有来自具有匹配 id 的任务的 XCom 才会被 拉。可以通过 None 来移除过滤器。

这是一个工作示例的代码，请注意，我使用了两种等效的方法来执行 XComs 操作：

from airflow import DAG
from airflow.utils.dates import days_ago
from airflow.utils.decorators import apply_defaults
from airflow.models import BaseOperator


class Operator1(BaseOperator):
    @apply_defaults
    def __init__(self,*args,**kwargs) -> None:
        super(Operator1,self).__init__(*args,**kwargs)

    def execute(self,context):
        print('First task')
        data = "valuable_data"
        more_data = "more_valueable_data"
        context['task_instance'].xcom_push(key="payload",value=data)
        self.xcom_push(context,"more_data",more_data)
        return data


class Operator2(BaseOperator):
    @apply_defaults
    def __init__(self,**kwargs) -> None:
        super(Operator2,context):
        # print(f"context is  {context}")
        data = context['task_instance'].xcom_pull(
            "task_1",key="payload")
        more_data = self.xcom_pull(context,"task_1",key="more_data")

        print(f"Obtained data: {data}")
        print(f"Obtained more_data: {more_data}")


with DAG('dag_1',default_args={'owner': 'airflow'},start_date=days_ago(1),catchup=False,schedule_interval=None) as dag:

    TASK_1 = Operator1(
        task_id='task_1'
    )
    TASK_2 = Operator2(
        task_id='task_2'
    )
    TASK_1 >> TASK_2

来自 Task_2 的日志：

[2021-06-15 12:55:01,206] {taskinstance.py:1255} INFO - Exporting the following env vars:
AIRFLOW_CTX_DAG_OWNER=airflow
AIRFLOW_CTX_DAG_ID=dag_1
AIRFLOW_CTX_TASK_ID=task_2
AIRFLOW_CTX_EXECUTION_DATE=2021-06-14T00:00:00+00:00
AIRFLOW_CTX_DAG_RUN_ID=backfill__2021-06-14T00:00:00+00:00
Obtained data: valuable_data
Obtained more_data: more_valueable_data
[2021-06-15 12:55:01,227] {taskinstance.py:1159} INFO - Marking task as SUCCESS. dag_id=dag_1,task_id=task_2,execution_date=20210614T000000,start_date=20210615T120402,end_date=20210615T125501

旁注：我更改了 __init__ 方法以便也接受 *args。我正在使用 print 但它可以使用 Airflow logger 作为 self.log.info('msg') 来完成。

如果这对您有用，请告诉我！