您将如何参数化 Dagster 管道以运行具有多种不同配置/资产的相同实体？

Question

假设我创建了一个包含以下实体的 Dagster 管道：

1. 从文件执行 SQL 查询并获取结果
2. 将结果写入表格

我想同时为 10 个不同的表执行此操作。每个表都需要不同的 SQL 查询。 最好的方法是什么？

Answer 1

一种方法是使用实​​体工厂。 run_query_solid_factory 和 write_results_solid_factory 是实体工厂，它们接受输入（例如名称和查询或表）并返回可以在管道中运行的实体。 summary_report 等待所有上游实体完成，然后打印出摘要信息。

def run_query_solid_factory(name, query):
    @solid(name=name)
    def _run_query(context):
        context.log.info(query)
        return 'result'

    return _run_query

def write_results_solid_factory(name, table):
    @solid(name=name)
    def _write_results(context, query_result):
        context.log.info(table)
        context.log.info(query_result)
        return 'success'

    return _write_results

@solid
def summary_report(context, statuses):
    context.log.info(' '.join(statuses))

@pipeline
def pipeline():
    solid_output_handles = []
    queries = [('table', 'query'), ('table2', 'query2')]
    for table, query in queries:
        get_data = run_query_solid_factory('run_query_{}'.format(query), query)
        write_results = write_results_solid_factory('write_results_to_table_{}'.format(table), table)
        solid_output_handles.append(write_results(get_data()))

    summary_report(solid_output_handles)

上一个答案：

我建议创建一个composite_solid，它由一个处理 (1) 的实体和一个处理 (2) 的实体组成。然后，您可以为 10 个表中的每一个表 aliascomposite_solid 一次，这样您就可以通过 config 传入 SQL 查询（参见 tutorial）