Spuštění existujícího kanálu pomocí Správce orchestrace pracovního postupu

PLATÍ PRO: Azure Data Factory Azure Synapse Analytics

Tip

Vyzkoušejte si službu Data Factory v Microsoft Fabric, řešení pro analýzy typu all-in-one pro podniky. Microsoft Fabric zahrnuje všechno od přesunu dat až po datové vědy, analýzy v reálném čase, business intelligence a vytváření sestav. Přečtěte si, jak začít používat novou zkušební verzi zdarma.

Poznámka:

Správce orchestrace pracovních postupů využívá Apache Airflow.

Poznámka:

Správce orchestrace pracovních postupů pro Azure Data Factory spoléhá na opensourcovou aplikaci Apache Airflow. Dokumentaci a další kurzy pro Airflow najdete na stránkách dokumentace nebo komunity Apache Airflow.

Kanály služby Data Factory poskytují 100 konektorů zdroje dat, které poskytují škálovatelné a spolehlivé integrace dat nebo toky dat. Existují scénáře, ve kterých chcete spustit existující kanál datové továrny z daG Apache Airflow. V tomto kurzu se dozvíte, jak to udělat.

Požadavky

• Předplatné Azure. Pokud ještě nemáte předplatné Azure, vytvořte si bezplatný účet Azure před tím, než začnete.
• Účet služby Azure Storage. Pokud účet úložiště nemáte, přečtěte si téma Vytvoření účtu služby Azure Storage, kde najdete postup jeho vytvoření. Ujistěte se, že účet úložiště umožňuje přístup jenom z vybraných sítí.
• Kanál služby Azure Data Factory Můžete postupovat podle libovolného kurzu a vytvořit nový kanál datové továrny pro případ, že ho ještě nemáte, nebo si ho můžete vytvořit výběrem v části Začínáme a vyzkoušet si první kanál datové továrny.
• Nastavte instanční objekt. Budete muset vytvořit nový instanční objekt nebo použít existující objekt a udělit mu oprávnění ke spuštění kanálu (například role přispěvatele v datové továrně, kde existují existující kanály), i když prostředí Správce orchestrace pracovního postupu a kanály existují ve stejné datové továrně. Budete muset získat ID klienta a tajný klíč klienta instančního objektu (klíč rozhraní API).

Kroky

1. Vytvořte nový soubor Pythonu adf.py s následujícím obsahem:

   from datetime import datetime, timedelta
   
   from airflow.models import DAG, BaseOperator
   
   try:
       from airflow.operators.empty import EmptyOperator
   except ModuleNotFoundError:
       from airflow.operators.dummy import DummyOperator as EmptyOperator  # type: ignore
   from airflow.providers.microsoft.azure.operators.data_factory import AzureDataFactoryRunPipelineOperator
   from airflow.providers.microsoft.azure.sensors.data_factory import AzureDataFactoryPipelineRunStatusSensor
   from airflow.utils.edgemodifier import Label
   
   with DAG(
       dag_id="example_adf_run_pipeline",
       start_date=datetime(2022, 5, 14),
       schedule_interval="@daily",
       catchup=False,
       default_args={
           "retries": 1,
           "retry_delay": timedelta(minutes=3),
           "azure_data_factory_conn_id": "<connection_id>", #This is a connection created on Airflow UI
           "factory_name": "<FactoryName>",  # This can also be specified in the ADF connection.
           "resource_group_name": "<ResourceGroupName>",  # This can also be specified in the ADF connection.
       },
       default_view="graph",
   ) as dag:
       begin = EmptyOperator(task_id="begin")
       end = EmptyOperator(task_id="end")
   
       # [START howto_operator_adf_run_pipeline]
       run_pipeline1: BaseOperator = AzureDataFactoryRunPipelineOperator(
           task_id="run_pipeline1",
           pipeline_name="<PipelineName>",
           parameters={"myParam": "value"},
       )
       # [END howto_operator_adf_run_pipeline]
   
       # [START howto_operator_adf_run_pipeline_async]
       run_pipeline2: BaseOperator = AzureDataFactoryRunPipelineOperator(
           task_id="run_pipeline2",
           pipeline_name="<PipelineName>",
           wait_for_termination=False,
       )
   
       pipeline_run_sensor: BaseOperator = AzureDataFactoryPipelineRunStatusSensor(
           task_id="pipeline_run_sensor",
           run_id=run_pipeline2.output["run_id"],
       )
       # [END howto_operator_adf_run_pipeline_async]
   
       begin >> Label("No async wait") >> run_pipeline1
       begin >> Label("Do async wait with sensor") >> run_pipeline2
       [run_pipeline1, pipeline_run_sensor] >> end
   
       # Task dependency created via `XComArgs`:
       #   run_pipeline2 >> pipeline_run_sensor
   

   Připojení budete muset vytvořit pomocí správce uživatelského rozhraní Orchestration Manageru pracovního postupu –> Připojení –> + –> Zvolte typ připojení jako Azure Data Factory a pak vyplňte client_id, client_secret, tenant_id, subscription_id, resource_group_name, data_factory_name a pipeline_name.

2. Nahrajte soubor adf.py do úložiště objektů blob ve složce s názvem DAGS.

3. Naimportujte složku DAGS do prostředí Správce orchestrace pracovního postupu. Pokud ho nemáte, vytvořte si nový.

   

Související obsah

• Ceny Správce orchestrace pracovních postupů
• Změna hesla pro prostředí Orchestration Manageru pracovního postupu