Muszę uruchomić moduł pyspark z przepływu powietrza za pomocą operatora sparksubmit. Ale moduł pyspark musi brać zmienną sesji spark jako argument. Użyłem application_args do transmisji parametru w module pyspark. Ale gdy uruchomiłem dag, operator wysyłania spark kończy się niepowodzeniem, a parametr, który podałem, jest traktowany jako zmienna typu None. Trzeba wiedzieć, jak przekazać argument modułu pyspark, uruchomionego przez spark_submit_operator.
Kod DAG znajduje się poniżej:
from pyspark.sql import SparkSession
spark = SparkSession.builder.appName("PRJT").enableHiveSupport().getOrCreate()
spark_config = {
'conn_id': 'spark_default',
'driver_memory': '1g',
'executor_cores': 1,
'num_executors': 1,
'executor_memory': '1g'
}
dag = DAG(
dag_id="spark_session_prgm",
default_args=default_args,
schedule_interval='@daily',
catchup=False)
spark_submit_task1 = SparkSubmitOperator(
task_id='spark_submit_task1',
application='/home/airflow_home/dags/tmp_spark_1.py',
application_args=['spark'],
**spark_config, dag=dag)
Przykład kodu w tmp_spark_1.py program: