Airflow元数据表dag介绍

大家好，我是Lee。

上次介绍了airflow的元数据表log，里面的主要字段event是干嘛的，怎么识别手动操作和系统操作，今天就说下dag表中的一些字段，是什么意思，该怎么用。

我使用的airflow是1.10.14版本。

先看下表结构：

Field	Type	Null	Key
dag_id	varchar(250)	NO	PRI
is_paused	tinyint(1)	YES
is_subdag	tinyint(1)	YES
is_active	tinyint(1)	YES
last_scheduler_run	timestamp(6)	YES
last_pickled	timestamp(6)	YES
last_expired	timestamp(6)	YES
scheduler_lock	tinyint(1)	YES
pickle_id	int(11)	YES
fileloc	varchar(2000)	YES
owners	varchar(2000)	YES
description	text	YES
default_view	varchar(25)	YES
schedule_interval	text	YES
root_dag_id	varchar(250)	YES	MUL

dag_id: dag的唯一标识，也是这个表的主键；
is_paused: 表示这个dag是否是开启状态，1表示开启，0表示关闭，关闭状态，scheduler不会调度该dag；
is_subdag: 表示这个dag是否是一个subdag。airflow中有dag包含的概念，我们可以新建一个dag，然后把其他的dag也包含进来，作为自己的其中一个子dag（一个task），子dag会依赖父dag的运行参数，但是子dag也会在元数据库中新建一个dag，dag名字为parent_dag_id.child_dag_id，并且字段root_dag_id为parent_dag_id，我们可以看下图：
is_active: 表示这个dag是否存在，=0代表这个dag文件之前存在过，现在已经被删除了。
fileloc: 表示这个dag对应的文件所在位置；

owners: 这个dag的属主，我们在定义dag文件的时候，有个owner参数可以使用:

default_args = {
    'owner': 'chenzuoli',
    'depends_on_past': False,
    'start_date': datetime(2018, 12, 24),
    'email': ['chenzuoli709@163.com'],
    'email_on_failure': True,
    'email_on_retry': False,
    'retries': 3,
    'retry_delay': timedelta(minutes=5),
    'sla': timedelta(seconds=30),
    'catchup' : False
}

dag = DAG(
    dag_id,
    default_args=default_args,
    schedule_interval='10 0 * * *',
    catchup=False)

description: 是dag的描述，我们可以在定义dag的时候指定，相当于dag的中文注释；

schedule_interval: 是dag的调度时间，我们可以使用crontab表达式进行描述，也可以使用airflow可识别的参数，如下：

{
    '@hourly': '0 * * * *',
    '@daily': '0 0 * * *',
    '@weekly': '0 0 * * 0',
    '@monthly': '0 0 1 * *',
    '@quarterly': '0 0 1 */3 *',
    '@yearly': '0 0 1 1 *',
    '@once': 一次,
    'none': 无
}

root_dag_id: 如果dag为subdag，那么这个字段就是subdag对应的父dag；

好了，其他字段用得少，基本不用介绍。

下期带大家看跟dag定义相关的表dag_run，它类似我们面向对象中的类的实例，而dag表就是类的定义。

下期再见。

我不入地狱谁入地狱。

欢迎关注我的微信公众号，比较喜欢分享知识，也喜欢宠物，所以做了这2个公众号：

喜欢宠物的朋友可以关注：【电巴克宠物Pets】

一起学习，一起进步。