airflow.providers.apache.spark.operators.spark_submit¶
類¶
包裝 spark-submit 二進位制檔案以啟動 spark-submit 作業；需要 PATH 中存在 "spark-submit" 二進位制檔案。 |
模組內容¶
- class airflow.providers.apache.spark.operators.spark_submit.SparkSubmitOperator(*, application='', conf=None, conn_id='spark_default', files=None, py_files=None, archives=None, driver_class_path=None, jars=None, java_class=None, packages=None, exclude_packages=None, repositories=None, total_executor_cores=None, executor_cores=None, executor_memory=None, driver_memory=None, keytab=None, principal=None, proxy_user=None, name='arrow-spark', num_executors=None, status_poll_interval=1, application_args=None, env_vars=None, verbose=False, spark_binary=None, properties_file=None, yarn_queue=None, deploy_mode=None, use_krb5ccache=False, openlineage_inject_parent_job_info=conf.getboolean('openlineage', 'spark_inject_parent_job_info', fallback=False), openlineage_inject_transport_info=conf.getboolean('openlineage', 'spark_inject_transport_info', fallback=False), **kwargs)[source]¶
Bases:
airflow.models.BaseOperator包裝 spark-submit 二進位制檔案以啟動 spark-submit 作業；需要 PATH 中存在 "spark-submit" 二進位制檔案。
另請參閱
有關如何使用此 Operator 的更多資訊，請檢視指南：SparkSubmitOperator
- 引數:
application (str) – 作為作業提交的應用程式，可以是 jar 或 py 檔案。(支援模板)
conf (dict[Any, Any] | None) – 任意 Spark 配置屬性。(支援模板)
conn_id (str) – 在 Airflow 管理介面中配置的 spark 連線 ID。當提供了無效的 connection_id 時，將預設為 yarn。
files (str | None) – 將附加檔案上傳到執行作業的 executor，用逗號分隔。檔案將放置在每個 executor 的工作目錄中。例如，序列化物件。(支援模板)
py_files (str | None) – 作業使用的附加 python 檔案，可以是 .zip, .egg 或 .py 檔案。(支援模板)
jars (str | None) – 提交要上傳並放置在 driver 和 executor classpath 中的附加 jar 檔案。(支援模板)
driver_class_path (str | None) – 附加的、driver 特定的 classpath 設定。(支援模板)
java_class (str | None) – Java 應用程式的主類
packages (str | None) – 要包含在 driver 和 executor classpath 中的 jar 包的 Maven 座標的逗號分隔列表。(支援模板)
exclude_packages (str | None) – 在解析 'packages' 中提供的依賴項時要排除的 jar 包的 Maven 座標的逗號分隔列表。(支援模板)
repositories (str | None) – 用於搜尋 'packages' 中給定的 Maven 座標的附加遠端倉庫的逗號分隔列表
total_executor_cores (int | None) – (僅適用於 Standalone 和 Mesos) 所有 executor 的總核心數 (預設: worker 上所有可用核心)
executor_cores (int | None) – (僅適用於 Standalone 和 YARN) 每個 executor 的核心數 (預設: 2)
executor_memory (str | None) – 每個 executor 的記憶體 (例如 1000M, 2G) (預設: 1G)
driver_memory (str | None) – 分配給 driver 的記憶體 (例如 1000M, 2G) (預設: 1G)
keytab (str | None) – 包含 keytab 檔案的完整路徑。(支援模板)(將覆蓋連線的 extra JSON 中定義的任何 keytab)
principal (str | None) – 用於 keytab 的 kerberos principal 名稱。(支援模板)(將覆蓋連線的 extra JSON 中定義的任何 principal)
proxy_user (str | None) – 提交應用程式時模擬的使用者。(支援模板)
name (str) – 作業名稱 (預設為 airflow-spark)。(支援模板)
num_executors (int | None) – 要啟動的 executor 數量
status_poll_interval (int) – 在叢集模式下輪詢 driver 狀態之間的等待秒數 (預設: 1)
application_args (list[Any] | None) – 提交的應用程式的引數。(支援模板)
env_vars (dict[str, Any] | None) – spark-submit 的環境變數。也支援 yarn 和 k8s 模式。(支援模板)
verbose (bool) – 是否向 spark-submit 程序傳遞 verbose 標誌以進行除錯
spark_binary (str | None) – 用於 spark 提交的命令。某些發行版可能使用 spark2-submit 或 spark3-submit。(將覆蓋連線的 extra JSON 中定義的任何 spark_binary)
properties_file (str | None) – 從中載入額外屬性的檔案的路徑。如果未指定，將查詢 conf/spark-defaults.conf。
yarn_queue (str | None) – 提交應用程式的 YARN 佇列名稱。(將覆蓋連線的 extra JSON 中定義的任何 yarn queue)
deploy_mode (str | None) – 是否將 driver 部署在 worker 節點上 (叢集模式) 或本地作為客戶端執行。(將覆蓋連線的 extra JSON 中定義的任何 deployment mode)
use_krb5ccache (bool) – 如果為 True，配置 spark 使用 ticket 快取而不是依賴 keytab 進行 Kerberos 登入
- template_fields: collections.abc.Sequence[str] = ('application', 'conf', 'files', 'py_files', 'jars', 'driver_class_path', 'packages',...[source]¶