airflow.providers.common.sql.operators.sql

属性

parse_boolean

BaseSQLOperator

这是用于通用 SQL Operator 的基类,用于获取 DB Hook。

SQLExecuteQueryOperator

在特定数据库中执行 SQL 代码。

SQLColumnCheckOperator

执行 column_checks 字典中一个或多个模板化的检查。

SQLTableCheckOperator

执行 checks 字典中提供的一个或多个检查。

SQLCheckOperator

对数据库执行检查。

SQLValueCheckOperator

使用 SQL 代码执行简单的值检查。

SQLIntervalCheckOperator

检查作为 SQL 表达式给出的指标是否在前 days_back 天的指标的容差范围内。

SQLThresholdCheckOperator

使用 SQL 代码对最小值阈值和最大值阈值执行值检查。

BranchSQLOperator

允许 DAG 根据 SQL 查询结果进行“分支”或遵循指定路径。

函数

default_output_processor(results, descriptions)

模块内容

airflow.providers.common.sql.operators.sql.parse_boolean[source]
Sphinx-autoapi-skip:

重要提示!!!保留此代码以兼容已发布的 google provider 8.4.0 版本。

遗憾的是,此 provider 使用 _get_failed_checks 和 parse_boolean 作为导入,我们应该保留这些方法以避免 8.4.0 版本出现故障。

airflow.providers.common.sql.operators.sql.default_output_processor(results, descriptions)[source]
class airflow.providers.common.sql.operators.sql.BaseSQLOperator(*, conn_id=None, database=None, hook_params=None, retry_on_failure=True, **kwargs)[source]

基类: airflow.models.BaseOperator

这是用于通用 SQL Operator 的基类,用于获取 DB Hook。

提供的方法是 .get_db_hook()。默认行为将尝试根据连接类型检索 DB hook。您可以通过覆盖 .get_db_hook() 方法来自定义行为。

参数:

conn_id (str | None) – 对特定数据库的引用

conn_id_field = 'conn_id'[source]
template_fields: collections.abc.Sequence[str] = ('conn_id', 'database', 'hook_params')[source]
conn_id = None[source]
database = None[source]
hook_params[source]
retry_on_failure = True[source]
classmethod get_hook(conn_id, hook_params=None)[source]

返回此连接 ID 的默认 hook。

参数:
  • conn_id (str) – 连接 ID

  • hook_params (dict | None) – hook 参数

返回:

此连接的默认 hook

返回类型:

airflow.hooks.base.BaseHook

get_db_hook()[source]

获取连接的数据库 hook。

返回:

数据库 hook 对象。

返回类型:

airflow.providers.common.sql.hooks.sql.DbApiHook

class airflow.providers.common.sql.operators.sql.SQLExecuteQueryOperator(*, sql, autocommit=False, parameters=None, handler=fetch_all_handler, output_processor=None, conn_id=None, database=None, split_statements=None, return_last=True, show_return_value_in_logs=False, requires_result_fetch=False, **kwargs)[source]

基类: BaseSQLOperator

在特定数据库中执行 SQL 代码。

在实现特定 Operator 时,您还可以在 hook 中实现 _process_output 方法,以对您的 DB Hook 返回的值执行额外的处理。例如,您可以将从语句的游标中检索到的描述与返回值连接起来,或者将 Operator 的输出保存到文件中。

参数:
  • sql (str | list[str]) – 要执行的 SQL 代码或指向模板文件的字符串(模板化)。文件必须具有“.sql”扩展名。

  • autocommit (bool) – (可选)如果为 True,则每个命令都会自动提交(默认值:False)。

  • parameters (collections.abc.Mapping | collections.abc.Iterable | None) – (可选)用于渲染 SQL 查询的参数。

  • handler (Callable[[Any], list[tuple] | None]) – (可选)将应用于游标的函数(默认值:fetch_all_handler)。

  • output_processor (Callable[[list[Any], list[collections.abc.Sequence[collections.abc.Sequence] | None]], list[Any] | tuple[list[collections.abc.Sequence[collections.abc.Sequence] | None], list]] | None) – (可选)将应用于结果的函数(默认值:default_output_processor)。

  • split_statements (bool | None) – (可选)是否将单个 SQL 字符串拆分为多个语句。默认情况下,遵循已配置 hook 的 run 方法中的默认值。

  • conn_id (str | None) – 用于连接到数据库的连接 ID

  • database (str | None) – 数据库名称,将覆盖连接中定义的名称

  • return_last (bool) – (可选)仅返回最后一条语句的结果(默认值:True)。

  • show_return_value_in_logs (bool) – (可选)如果为 true,则 operator 输出将打印到任务日志中。请谨慎使用。不建议将大型数据集转储到日志中(默认值:False)。

  • requires_result_fetch (bool) – (可选)如果为 True,则确保在执行完成之前获取查询结果。如果 do_xcom_push 为 True,则结果会自动获取,使此参数变得冗余(默认值:False)。

另请参阅

有关如何使用此 operator 的更多信息,请参阅指南:执行 SQL 查询

template_fields: collections.abc.Sequence[str] = ('sql', 'parameters', 'conn_id', 'database', 'hook_params')[source]
template_ext: collections.abc.Sequence[str] = ('.sql', '.json')[source]
template_fields_renderers: ClassVar[dict][source]
ui_color = '#cdaaed'[source]
sql[source]
autocommit = False[source]
parameters = None[source]
handler[source]
split_statements = None[source]
return_last = True[source]
show_return_value_in_logs = False[source]
requires_result_fetch = False[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

prepare_template()[source]

解析模板文件以获取属性参数。

get_openlineage_facets_on_start()[source]
get_openlineage_facets_on_complete(task_instance)[source]
class airflow.providers.common.sql.operators.sql.SQLColumnCheckOperator(*, table, column_mapping, partition_clause=None, conn_id=None, database=None, accept_none=True, **kwargs)[source]

基类: BaseSQLOperator

执行 column_checks 字典中一个或多个模板化的检查。

检查是根据 column_mapping 指定的每列执行的。

每个检查可以采用以下一个或多个选项

  • equal_to: 等于的精确值,不能与其他比较选项一起使用

  • greater_than: 结果应严格大于的值

  • less_than: 结果应严格小于的值

  • geq_to: 结果应大于或等于的值

  • leq_to: 结果应小于或等于的值

  • tolerance: 结果可能与期望值相差的百分比

  • partition_clause: 传递到 WHERE 语句中用于分区数据的额外子句

参数:
  • table (str) – 要运行检查的表

  • column_mapping (dict[str, dict[str, Any]]) –

    列及其相关检查的字典,例如

    {
        "col_name": {
            "null_check": {
                "equal_to": 0,
                "partition_clause": "foreign_key IS NOT NULL",
            },
            "min": {
                "greater_than": 5,
                "leq_to": 10,
                "tolerance": 0.2,
            },
            "max": {"less_than": 1000, "geq_to": 10, "tolerance": 0.01},
        }
    }
    

  • partition_clause (str | None) –

    添加到 operator 构建的查询的 WHERE 子句中的部分 SQL 语句,用于为要运行的检查创建 partition_clauses,例如

    "date = '1970-01-01'"
    

  • conn_id (str | None) – 用于连接到数据库的连接 ID

  • database (str | None) – 数据库名称,将覆盖连接中定义的名称

  • accept_none (bool) – 是否接受查询返回的 None 值。如果为 true,则将 None 转换为 0。

另请参阅

有关如何使用此 operator 的更多信息,请参阅指南:检查 SQL 表列

template_fields: collections.abc.Sequence[str] = ('table', 'partition_clause', 'sql', 'conn_id', 'database', 'hook_params')[source]
template_fields_renderers: ClassVar[dict][source]
sql_check_template = Multiline-String[source]
显示值
"""
        SELECT '{column}' AS col_name, '{check}' AS check_type, {column}_{check} AS check_result
        FROM (SELECT {check_statement} AS {column}_{check} FROM {table} {partition_clause}) AS sq
    """
column_checks[source]
table[source]
column_mapping[source]
partition_clause = None[source]
accept_none = True[source]
sql = 'SELECT col_name, check_type, check_result FROM () AS check_columns'[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

class airflow.providers.common.sql.operators.sql.SQLTableCheckOperator(*, table, checks, partition_clause=None, conn_id=None, database=None, **kwargs)[source]

基类: BaseSQLOperator

执行 checks 字典中提供的一个或多个检查。

检查应该编写为返回布尔结果。

参数:
  • table (str) – 要运行检查的表

  • checks (dict[str, dict[str, Any]]) –

    检查字典,其中检查名称后跟一个字典,该字典至少包含一个检查语句,以及可选的分区子句,例如:

    {
        "row_count_check": {"check_statement": "COUNT(*) = 1000"},
        "column_sum_check": {"check_statement": "col_a + col_b < col_c"},
        "third_check": {"check_statement": "MIN(col) = 1", "partition_clause": "col IS NOT NULL"},
    }
    

  • partition_clause (str | None) –

    添加到 operator 构建的查询的 WHERE 子句中的部分 SQL 语句,用于为要运行的检查创建 partition_clauses,例如

    "date = '1970-01-01'"
    

  • conn_id (str | None) – 用于连接到数据库的连接 ID

  • database (str | None) – 数据库名称,将覆盖连接中定义的名称

另请参阅

有关如何使用此操作符的更多信息,请查阅指南:检查 SQL 表值

template_fields: collections.abc.Sequence[str] = ('table', 'partition_clause', 'sql', 'conn_id', 'database', 'hook_params')[source]
template_fields_renderers: ClassVar[dict][source]
sql_check_template = Multiline-String[source]
显示值
"""
    SELECT '{check_name}' AS check_name, MIN({check_name}) AS check_result
    FROM (SELECT CASE WHEN {check_statement} THEN 1 ELSE 0 END AS {check_name}
          FROM {table} {partition_clause}) AS sq
    """
table[source]
checks[source]
partition_clause = None[source]
sql = 'SELECT check_name, check_result FROM () AS check_table'[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

class airflow.providers.common.sql.operators.sql.SQLCheckOperator(*, sql, conn_id=None, database=None, parameters=None, **kwargs)[source]

基类: BaseSQLOperator

对数据库执行检查。

SQLCheckOperator 需要一个返回单行的 SQL 查询。第一行的每个值都使用 Python 的 bool 类型转换进行评估。如果任何值返回 False,则检查失败并报错。如果返回一个 Python 字典,并且字典中的任何值为 False,则检查失败并报错。

请注意,Python 的布尔类型转换会将以下值评估为 False

  • False

  • 0

  • 空字符串 ("")

  • 空列表 ([])

  • 空字典或集合 ({})

  • 值为 False 的字典 ({'DUPLICATE_ID_CHECK': False})

例如,给定一个像 SELECT COUNT(*) FROM foo 这样的查询,它仅在计数 == 0 时失败。你可以构建更复杂的查询,例如检查表是否与上游源表具有相同的行数,或者今天分区的计数是否大于昨天分区的计数,或者一组指标是否小于 7 天平均值的 3 个标准差。

此操作符可用作管道中的数据质量检查。根据它在 DAG 中的位置,你可以选择阻止关键路径,防止发布可疑数据,或者将其放在侧面,接收电子邮件警报而不中断 DAG 的进展。

参数:
  • sql (str) – 要执行的 SQL。(模板化)

  • conn_id (str | None) – 用于连接数据库的连接 ID。

  • database (str | None) – 数据库名称,将覆盖连接中定义的名称

  • parameters (collections.abc.Iterable | collections.abc.Mapping[str, Any] | None) – (可选) 用于渲染 SQL 查询的参数。

template_fields: collections.abc.Sequence[str] = ('sql', 'conn_id', 'database', 'hook_params')[source]
template_ext: collections.abc.Sequence[str] = ('.hql', '.sql')[source]
template_fields_renderers: ClassVar[dict][source]
ui_color = '#fff7e6'[source]
sql[source]
parameters = None[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

class airflow.providers.common.sql.operators.sql.SQLValueCheckOperator(*, sql, pass_value, tolerance=None, conn_id=None, database=None, **kwargs)[source]

基类: BaseSQLOperator

使用 SQL 代码执行简单的值检查。

参数:
  • sql (str) – 要执行的 SQL。(模板化)

  • conn_id (str | None) – 用于连接数据库的连接 ID。

  • database (str | None) – 数据库名称,将覆盖连接中定义的名称

__mapper_args__[source]
template_fields: collections.abc.Sequence[str] = ('sql', 'pass_value', 'conn_id', 'database', 'hook_params')[source]
template_ext: collections.abc.Sequence[str] = ('.hql', '.sql')[source]
template_fields_renderers: ClassVar[dict][source]
ui_color = '#fff7e6'[source]
sql[source]
pass_value = ''[source]
tol[source]
has_tolerance[source]
check_value(records)[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

class airflow.providers.common.sql.operators.sql.SQLIntervalCheckOperator(*, table, metrics_thresholds, date_filter_column='ds', days_back=-7, ratio_formula='max_over_min', ignore_zero=True, conn_id=None, database=None, **kwargs)[source]

基类: BaseSQLOperator

检查作为 SQL 表达式给出的指标是否在前 days_back 天的指标的容差范围内。

参数:
  • table (str) – 表名

  • conn_id (str | None) – 用于连接数据库的连接 ID。

  • database (str | None) – 数据库名称,它将覆盖连接中定义的名称

  • days_back (SupportsAbs[int]) – ds 和我们希望检查的 ds 之间的天数。默认为 7 天

  • date_filter_column (str | None) – 用于过滤日期的列名。默认为 ‘ds’

  • ratio_formula (str | None) –

    用于计算两个指标之间比率的公式。假设 cur 是今天的指标,ref 是今天减去 days_back 天的指标。默认值:‘max_over_min’

    • max_over_min: 计算 max(cur, ref) / min(cur, ref)

    • relative_diff: 计算 abs(cur-ref) / ref

  • ignore_zero (bool) – 是否应忽略零值指标

  • metrics_thresholds (dict[str, int]) – 一个字典,键为指标名称,值为比率

__mapper_args__[source]
template_fields: collections.abc.Sequence[str] = ('sql1', 'sql2', 'conn_id', 'database', 'hook_params')[source]
template_ext: collections.abc.Sequence[str] = ('.hql', '.sql')[source]
template_fields_renderers: ClassVar[dict][source]
ui_color = '#fff7e6'[source]
ratio_formulas[source]
ratio_formula = 'max_over_min'[source]
ignore_zero = True[source]
table[source]
metrics_thresholds[source]
metrics_sorted[source]
date_filter_column = 'ds'[source]
days_back[source]
sql1 = "SELECT  FROM Uninferable WHERE ds='{{ ds }}'"[source]
sql2 = "SELECT  FROM Uninferable WHERE ds='{{ macros.ds_add(ds, Uninferable) }}'"[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

class airflow.providers.common.sql.operators.sql.SQLThresholdCheckOperator(*, sql, min_threshold, max_threshold, conn_id=None, database=None, **kwargs)[source]

基类: BaseSQLOperator

使用 SQL 代码对最小值阈值和最大值阈值执行值检查。

阈值可以是数值,也可以是返回数值的 SQL 语句。

参数:
  • sql (str) – 要执行的 SQL。(模板化)

  • conn_id (str | None) – 用于连接数据库的连接 ID。

  • database (str | None) – 数据库名称,将覆盖连接中定义的名称

  • min_threshold (Any) – 数值或要执行的最小阈值 SQL(模板化)

  • max_threshold (Any) – 数值或要执行的最大阈值 SQL (模板化)

另请参阅

有关如何使用此运算符的更多信息,请参阅指南: 对照阈值检查值

template_fields: collections.abc.Sequence[str] = ('sql', 'min_threshold', 'max_threshold', 'conn_id', 'database', 'hook_params')[source]
template_ext: collections.abc.Sequence[str] = ('.hql', '.sql')[source]
template_fields_renderers: ClassVar[dict][source]
sql[source]
min_threshold[source]
max_threshold[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

push(meta_data)[source]

将数据检查信息和元数据发送到外部数据库。

默认功能将记录元数据。

class airflow.providers.common.sql.operators.sql.BranchSQLOperator(*, sql, follow_task_ids_if_true, follow_task_ids_if_false, conn_id='default_conn_id', database=None, parameters=None, **kwargs)[source]

Bases: BaseSQLOperator, airflow.models.SkipMixin

允许 DAG 基于 SQL 查询结果进行“分支”或遵循指定的路径。

参数:
  • sql (str) – 要执行的 SQL 代码,应返回 true 或 false (模板化) 模板引用通过以 '.sql' 结尾的字符串识别。预期的 SQL 查询返回布尔值 (True/False)、整数 (0 = False, 其他 = 1) 或字符串 (true/y/yes/1/on/false/n/no/0/off)。

  • follow_task_ids_if_true (list[str]) – 如果查询返回 true,要遵循的任务 ID 或任务 ID 列表

  • follow_task_ids_if_false (list[str]) – 如果查询返回 false,要遵循的任务 ID 或任务 ID 列表

  • conn_id (str) – 用于连接到数据库的连接 ID。

  • database (str | None) – 数据库名称,将覆盖连接中定义的名称

  • parameters (collections.abc.Iterable | collections.abc.Mapping[str, Any] | None) – (可选) 用于渲染 SQL 查询的参数。

template_fields: collections.abc.Sequence[str] = ('sql', 'conn_id', 'database', 'hook_params')[source]
template_ext: collections.abc.Sequence[str] = ('.sql',)[source]
template_fields_renderers: ClassVar[dict][source]
ui_color = '#a22034'[source]
ui_fgcolor = '#F7F7F7'[source]
sql[source]
parameters = None[source]
follow_task_ids_if_true[source]
follow_task_ids_if_false[source]
execute(context)[source]

创建 operator 时派生。

Context 是与渲染 jinja 模板时使用的字典相同。

有关更多 context,请参阅 get_template_context。

此条目有帮助吗?