如何使用 Airflow DAG 调用 REST 端点

Question

我是 Apache Airflow 的新手。我想使用 DAG 调用 REST 端点。 例如 REST 端点

@PostMapping(path = "/api/employees", consumes = "application/json")

现在我想使用 Airflow DAG 调用这个休息端点，并安排它。我正在做的是使用 SimpleHttpOperator 调用 Rest 端点。

t1 = SimpleHttpOperator(
task_id='post_op',
endpoint='http://localhost:8084/api/employees',
data=json.dumps({"department": "Digital","id": 102,"name": "Rakesh","salary": 80000}),
headers={"Content-Type": "application/json"},
dag=dag,)

当我触发 DAG 时，任务失败

[2019-12-30 09:09:06,330] {{taskinstance.py:862}} INFO - Executing <Task(SimpleHttpOperator): 
post_op> on 2019-12-30T08:57:00.674386+00:00
[2019-12-30 09:09:06,331] {{base_task_runner.py:133}} INFO - Running: ['airflow', 'run', 
'example_http_operator', 'post_op', '2019-12-30T08:57:00.674386+00:00', '--job_id', '6', '--pool', 
'default_pool', '--raw', '-sd', 'DAGS_FOLDER/ExampleHttpOperator.py', '--cfg_path', 
'/tmp/tmpf9t6kzxb']
[2019-12-30 09:09:07,446] {{base_task_runner.py:115}} INFO - Job 6: Subtask post_op [2019-12-30 
09:09:07,445] {{__init__.py:51}} INFO - Using executor SequentialExecutor
[2019-12-30 09:09:07,446] {{base_task_runner.py:115}} INFO - Job 6: Subtask post_op [2019-12-30 
09:09:07,446] {{dagbag.py:92}} INFO - Filling up the DagBag from 
/usr/local/airflow/dags/ExampleHttpOperator.py
[2019-12-30 09:09:07,473] {{base_task_runner.py:115}} INFO - Job 6: Subtask post_op [2019-12-30 
09:09:07,472] {{cli.py:545}} INFO - Running <TaskInstance: example_http_operator.post_op 2019-12- 
30T08:57:00.674386+00:00 [running]> on host 855dbc2ce3a3
[2019-12-30 09:09:07,480] {{http_operator.py:87}} INFO - Calling HTTP method
[2019-12-30 09:09:07,483] {{logging_mixin.py:112}} INFO - [2019-12-30 09:09:07,483] 
{{base_hook.py:84}} INFO - Using connection to: id: http_default. Host: https://www.google.com/, 
Port: None, Schema: None, Login: None, Password: None, extra: {}
[2019-12-30 09:09:07,484] {{logging_mixin.py:112}} INFO - [2019-12-30 09:09:07,484] 
{{http_hook.py:131}} INFO - Sending 'POST' to url: 
https://www.google.com/http://localhost:8084/api/employees
[2019-12-30 09:09:07,501] {{logging_mixin.py:112}} INFO - [2019-12-30 09:09:07,501] 
{{http_hook.py:181}} WARNING - HTTPSConnectionPool(host='www.google.com', port=443): Max retries 
exceeded with url: /http://localhost:8084/api/employees (Caused by SSLError(SSLError("bad handshake: 
SysCallError(-1, 'Unexpected EOF')"))) Tenacity will retry to execute the operation
[2019-12-30 09:09:07,501] {{taskinstance.py:1058}} ERROR - 
HTTPSConnectionPool(host='www.google.com', port=443): Max retries exceeded with url: 
/http://localhost:8084/api/employees (Caused by SSLError(SSLError("bad handshake: SysCallError(-1, 
'Unexpected EOF')")))
Traceback (most recent call last):
File "/usr/local/lib/python3.7/site-packages/urllib3/contrib/pyopenssl.py", line 485, in wrap_socket
cnx.do_handshake()
File "/usr/local/lib/python3.7/site-packages/OpenSSL/SSL.py", line 1934, in do_handshake
self._raise_ssl_error(self._ssl, result)
File "/usr/local/lib/python3.7/site-packages/OpenSSL/SSL.py", line 1664, in _raise_ssl_error
raise SysCallError(-1, "Unexpected EOF")
OpenSSL.SSL.SysCallError: (-1, 'Unexpected EOF')

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "/usr/local/lib/python3.7/site-packages/urllib3/connectionpool.py", line 672, in urlopen
chunked=chunked,
File "/usr/local/lib/python3.7/site-packages/urllib3/connectionpool.py", line 376, in _make_request
self._validate_conn(conn)
File "/usr/local/lib/python3.7/site-packages/urllib3/connectionpool.py", line 994, in _validate_conn
conn.connect()
File "/usr/local/lib/python3.7/site-packages/urllib3/connection.py", line 394, in connect
ssl_context=context,
File "/usr/local/lib/python3.7/site-packages/urllib3/util/ssl_.py", line 370, in ssl_wrap_socket
return context.wrap_socket(sock, server_hostname=server_hostname)
File "/usr/local/lib/python3.7/site-packages/urllib3/contrib/pyopenssl.py", line 491, in wrap_socket
raise ssl.SSLError("bad handshake: %r" % e)
ssl.SSLError: ("bad handshake: SysCallError(-1, 'Unexpected EOF')",)

Airflow 在 Docker 上运行，docker 镜像是 puckel/docker-airflow。 为什么它调用主机http_default。主持人：https://www.google.com/

Answer 1

我认为您需要在 Dockerfile 或 docker run 命令中设置连接字符串的 ENV 变量：

ENV AIRFLOW__CORE__SQL_ALCHEMY_CONN my_conn_string

见this和this

连接

与外部系统的连接信息存储在 Airflow 元数据数据库并在 UI 中进行管理（菜单 -> 管理 -> 连接）在那里定义了一个 conn_id 和主机名 / 登录 / 附加到它的密码/模式信息。气流管道可以 只需引用集中管理的 conn_id 即可，无需费力 在任何地方对任何此类信息进行编码。

可以定义许多具有相同 conn_id 的连接 情况，以及当钩子使用 get_connection 方法时 BaseHook, Airflow 会随机选择一个连接，允许 结合使用时的一些基本负载平衡和容错 重试。

Airflow 还可以通过环境引用连接 来自操作系统的变量。环境变量需要 以 AIRFLOW_CONN_ 为前缀被视为连接。什么时候 引用 Airflow 管道中的连接， conn_id 应该 是不带前缀的变量名。例如，如果 conn_id 被命名为 POSTGRES_MASTER 环境变量应该是 命名为 AIRFLOW_CONN_POSTGRES_MASTER。气流假定返回的值 从环境变量到 URI 格式 （例如postgres://user:password@localhost:5432/master）。

见this

因此您现在使用默认值：

Using connection to: id: http_default. Host: https://www.google.com/

Answer 2

您需要同时考虑您正在使用的Operator 和它用于连接的底层Hook。 Hook 从 Airflow Connection 获取连接信息，Airflow Connection 只是一个用于存储凭据和其他连接信息的容器。您可以在 Airflow UI 中配置 Connections（使用 Airflow UI -> Admin -> Connections）。

所以在这种情况下，您需要先配置您的 HTTP Connection。

来自http_hook documentation：

http_conn_id (str) – connection that has the base API url i.e https://www.google.com/

碰巧对于httpHook，您应该通过将host 参数设置为等于端点的base_url 来配置Connection：http://localhost:8084/。

由于您的操作员有默认的http_conn_id，因此钩子将使用 Airflow UI 中称为“http_default”的Airflow Connection。 如果您不想更改默认值，您可以使用 Airflow UI 创建另一个 Airflow Connection，并将新的 conn_id 参数传递给您的操作员。

请参阅 source code 以更好地了解如何使用 Connection 对象。

最后，根据http_operator documentation：

endpoint (str) – The relative part of the full url. (templated)

您应该只将 URL 的 relative 部分传递给操作员。其余部分将从底层http_hook 获得。

在这种情况下，您的Operator 的endpoint 值应该是api/employees（不是完整的URL）。

不幸的是，Airflow 项目文档在这种情况下不是很清楚。请考虑做出改进，他们总是受欢迎的:)