创建自定义 Operator¶
Airflow 允许您创建新的 Operator 来满足您或您的团队的需求。这种可扩展性是使 Apache Airflow 功能强大的众多特性之一。
您可以通过继承 airflow.models.baseoperator.BaseOperator
来创建您想要的任何 Operator。
您需要在派生类中重写两个方法:
构造函数 (Constructor) - 定义 Operator 所需的参数。您只需要指定您的 Operator 特有的参数。您可以在 DAG 文件中指定
default_args
。有关详细信息,请参阅 默认参数。执行 (Execute) - 当运行器调用 Operator 时执行的代码。该方法包含 Airflow 上下文作为参数,可用于读取配置值。
注意
实现自定义 Operator 时,请勿在 __init__
方法中执行任何耗时操作。使用 Operator 的每个任务在每个调度器周期都会实例化一次,执行数据库调用会显著减慢调度速度并浪费资源。
让我们在一个新文件 hello_operator.py
中实现一个示例 HelloOperator
。
from airflow.sdk import BaseOperator
class HelloOperator(BaseOperator):
def __init__(self, name: str, **kwargs) -> None:
super().__init__(**kwargs)
self.name = name
def execute(self, context):
message = f"Hello {self.name}"
print(message)
return message
注意
为了使导入生效,您应该将文件放置在 PYTHONPATH
环境变量中存在的目录中。Airflow 默认会将 Airflow Home 中的 dags/
、plugins/
和 config/
目录添加到 PYTHONPATH
。例如,在我们的示例中,文件位于 custom_operator/
目录中。有关 Python 和 Airflow 如何管理模块的详细信息,请参阅 模块管理。
您现在可以按如下方式使用派生的自定义 Operator:
from custom_operator.hello_operator import HelloOperator
with dag:
hello_task = HelloOperator(task_id="sample-task", name="foo_bar")
您也可以继续使用 plugins 文件夹来存储自定义 Operator。如果您的文件 hello_operator.py
在 plugins 文件夹中,您可以按如下方式导入 Operator:
from hello_operator import HelloOperator
如果 Operator 与外部服务(API、数据库等)通信,最好使用 Hook 来实现通信层。通过这种方式,实现的逻辑可以被其他用户在不同的 Operator 中重用。相比于为每个外部服务使用 CustomServiceBaseOperator
,这种方法提供了更好的解耦和集成利用。
另一个考虑因素是临时状态。如果某个操作需要内存中的状态(例如,在 on_kill
方法中用于取消请求的作业 ID),则该状态应保存在 Operator 中,而不是 Hook 中。这样,服务 Hook 就可以完全无状态,并且操作的整个逻辑都在一个地方 - Operator 中。
Hook¶
Hook 作为接口用于与 DAG 中的外部共享资源进行通信。例如,DAG 中的多个任务可能需要访问 MySQL 数据库。您可以通过 Hook 获取连接并使用它,而不是为每个任务创建连接。Hook 还有助于避免在 DAG 中存储连接认证参数。有关如何创建和管理连接的信息,请参阅 管理连接,有关如何通过 Provider 添加自定义连接类型的详细信息,请参阅 Provider。
让我们扩展前面的示例,从 MySQL 获取名称。
class HelloDBOperator(BaseOperator):
def __init__(self, name: str, mysql_conn_id: str, database: str, **kwargs) -> None:
super().__init__(**kwargs)
self.name = name
self.mysql_conn_id = mysql_conn_id
self.database = database
def execute(self, context):
hook = MySqlHook(mysql_conn_id=self.mysql_conn_id, schema=self.database)
sql = "select name from user"
result = hook.get_first(sql)
message = f"Hello {result['name']}"
print(message)
return message
当 Operator 在 Hook 对象上调用查询时,如果连接不存在,则会创建一个新连接。Hook 从 Airflow 后端检索认证参数(如用户名和密码),并将这些参数传递给 airflow.hooks.base.BaseHook.get_connection()
。您只应在 execute
方法或从 execute
调用的任何方法中创建 Hook。构造函数在 Airflow 解析 DAG 时会被调用,这经常发生。在那里实例化 Hook 会导致许多不必要的数据库连接。execute
只在 DAG 运行时被调用。
用户界面¶
Airflow 还允许开发者控制 Operator 在 DAG UI 中的显示方式。重写 ui_color
以更改 Operator 在 UI 中的背景颜色。重写 ui_fgcolor
以更改标签的颜色。重写 custom_operator_name
以将显示的名称更改为类名之外的其他名称。
class HelloOperator(BaseOperator):
ui_color = "#ff0000"
ui_fgcolor = "#000000"
custom_operator_name = "Howdy"
# ...
模板化¶
您可以使用 Jinja 模板 来参数化您的 Operator。Airflow 在渲染 Operator 时,会考虑 template_fields
中存在的字段名称进行模板化。
class HelloOperator(BaseOperator):
template_fields: Sequence[str] = ("name",)
def __init__(self, name: str, world: str, **kwargs) -> None:
super().__init__(**kwargs)
self.name = name
self.world = world
def execute(self, context):
message = f"Hello {self.world} it's {self.name}!"
print(message)
return message
您可以按如下方式使用模板:
with dag:
hello_task = HelloOperator(
task_id="task_id_1",
name="{{ task_instance.task_id }}",
world="Earth",
)
在此示例中,Jinja 会查找 name
参数,并将 {{ task_instance.task_id }}
替换为 task_id_1
。
参数还可以包含文件名,例如 bash 脚本或 SQL 文件。您需要在 template_ext
中添加文件的扩展名。如果 template_field
包含一个以 template_ext
中提到的扩展名结尾的字符串,Jinja 会读取文件内容并将模板替换为实际值。请注意,Jinja 替换的是 Operator 属性而不是参数 (args)。
class HelloOperator(BaseOperator):
template_fields: Sequence[str] = ("guest_name",)
template_ext = ".sql"
def __init__(self, name: str, **kwargs) -> None:
super().__init__(**kwargs)
self.guest_name = name
在此示例中,template_fields
应该是 ['guest_name']
,而不是 ['name']
。
此外,您还可以提供一个字典 template_fields_renderers
,用于定义模板字段的值在 Web UI 中以何种样式呈现。例如:
class MyRequestOperator(BaseOperator):
template_fields: Sequence[str] = ("request_body",)
template_fields_renderers = {"request_body": "json"}
def __init__(self, request_body: str, **kwargs) -> None:
super().__init__(**kwargs)
self.request_body = request_body
如果 template_field
本身是一个字典,还可以指定一个点分隔的键路径来提取和适当渲染单个元素。例如:
class MyConfigOperator(BaseOperator):
template_fields: Sequence[str] = ("configuration",)
template_fields_renderers = {
"configuration": "json",
"configuration.query.sql": "sql",
}
def __init__(self, configuration: dict, **kwargs) -> None:
super().__init__(**kwargs)
self.configuration = configuration
然后按如下方式使用此模板:
with dag:
config_task = MyConfigOperator(
task_id="task_id_1",
configuration={"query": {"job_id": "123", "sql": "select * from my_table"}},
)
这将导致 UI 将 configuration
渲染为 json 格式,此外,配置中位于 query.sql
的值将使用 SQL 词法分析器 (lexer) 进行渲染。

当前可用的词法分析器 (lexers)
bash
bash_command
doc
doc_json
doc_md
doc_rst
doc_yaml
doc_md
hql
html
jinja
json
md
mysql
postgresql
powershell
py
python_callable
rst
sql
tsql
yaml
如果您使用不存在的词法分析器 (lexer),则模板字段的值将渲染为美观打印的对象。
限制¶
为防止误用,在 Operator 的构造函数中定义和分配模板化字段时,必须遵守以下限制(如果存在构造函数,否则请参阅下文):
1. 传递给构造函数的模板化字段的对应参数必须与字段名称完全一致。以下示例无效,因为传递给构造函数的参数与模板化字段不同:
class HelloOperator(BaseOperator):
template_fields = "foo"
def __init__(self, foo_id) -> None: # should be def __init__(self, foo) -> None
self.foo = foo_id # should be self.foo = foo
2. 模板化字段的实例成员必须通过直接赋值或通过调用父类构造函数(其中这些字段被定义为 template_fields
)并明确分配参数的方式,将其对应参数从构造函数中分配给实例成员。以下示例也无效,因为实例成员 self.foo
完全没有被赋值,尽管它是一个模板化字段:
class HelloOperator(BaseOperator):
template_fields = ("foo", "bar")
def __init__(self, foo, bar) -> None:
self.bar = bar
以下示例也无效,因为 MyHelloOperator
的实例成员 self.foo
是作为传递给其父类构造函数的 kwargs
的一部分被隐式初始化的:
class HelloOperator(BaseOperator):
template_fields = "foo"
def __init__(self, foo) -> None:
self.foo = foo
class MyHelloOperator(HelloOperator):
template_fields = ("foo", "bar")
def __init__(self, bar, **kwargs) -> None: # should be def __init__(self, foo, bar, **kwargs)
super().__init__(**kwargs) # should be super().__init__(foo=foo, **kwargs)
self.bar = bar
3. 不允许在构造函数中对参数应用操作。对值的任何操作都应在 execute()
方法中进行。因此,以下示例无效:
class HelloOperator(BaseOperator):
template_fields = "foo"
def __init__(self, foo) -> None:
self.foo = foo.lower() # assignment should be only self.foo = foo
当 Operator 继承自某个基础 Operator 且自身未定义构造函数时,上述限制不适用。但是,必须根据这些限制在父类中正确设置模板化字段。
因此,以下示例有效:
class HelloOperator(BaseOperator):
template_fields = "foo"
def __init__(self, foo) -> None:
self.foo = foo
class MyHelloOperator(HelloOperator):
template_fields = "foo"
上述限制由名为 ‘validate-operators-init’ 的 pre-commit 钩子强制执行。
使用子类化添加模板字段¶
创建自定义 Operator 的一个常见用例是简单地增强现有的 template_fields
。可能存在这样一种情况:您希望使用的 Operator 没有将某些参数定义为模板化字段,但您希望能够以 Jinja 表达式的形式动态传递参数。通过对现有 Operator 进行快速子类化,可以轻松实现这一点。
假设您想使用前面定义的 HelloOperator
。
class HelloOperator(BaseOperator):
template_fields: Sequence[str] = ("name",)
def __init__(self, name: str, world: str, **kwargs) -> None:
super().__init__(**kwargs)
self.name = name
self.world = world
def execute(self, context):
message = f"Hello {self.world} it's {self.name}!"
print(message)
return message
但是,您希望动态参数化 world
参数。由于 template_fields
属性保证是 Sequence[str]
类型(即字符串列表或元组),您可以轻松地对 HelloOperator
进行子类化,以按需修改 template_fields
。
class MyHelloOperator(HelloOperator):
template_fields: Sequence[str] = (*HelloOperator.template_fields, "world")
现在您可以像这样使用 MyHelloOperator
:
with dag:
hello_task = MyHelloOperator(
task_id="task_id_1",
name="{{ task_instance.task_id }}",
world="{{ var.value.my_world }}",
)
在此示例中,world
参数将通过 Jinja 表达式动态设置为名为 “my_world” 的 Airflow Variable 的值。
定义 Operator 附加链接¶
对于您的 Operator,您可以定义一个附加链接,该链接可以将用户重定向到外部系统。例如,您可以添加一个链接,将用户重定向到 Operator 的手册。
Sensor¶
Airflow 提供了一种特殊 Operator 的基本功能,其目的是定期轮询某个状态(例如文件是否存在),直到满足成功条件。
您可以通过继承 airflow.sensors.base.BaseSensorOperator
来创建您想要的任何 Sensor,定义一个 poke
方法来轮询您的外部状态并评估成功条件。
Sensor 有一个强大的特性,称为 'reschedule'
模式,它允许传感器任务被重新调度,而不是在轮询间隔期间阻塞工作节点槽。这在您可以容忍较长的轮询间隔并期望长时间轮询时非常有用。
'reschedule'
模式附带一个注意事项:您的传感器无法在重新调度的执行之间维护内部状态。在这种情况下,您应该使用 airflow.sensors.base.poke_mode_only()
装饰您的传感器。这将告知用户您的传感器不适合与 reschedule 模式一起使用。
一个保持内部状态且无法与 reschedule 模式一起使用的传感器示例是 airflow.providers.google.cloud.sensors.gcs.GCSUploadSessionCompleteSensor
。它轮询某个前缀下的对象数量(此数量即为传感器的内部状态),并在对象数量在一定时间内没有变化时成功。