معرفی شرکت ها

airflow-workflows-0.1.4

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.1.4
0.1.3
0.1.2
0.1.1
0.1.0

توضیحات

Provides a powerful, Django-inspired class-based DAG syntax for Apache Airflow.
ویژگی مقدار
سیستم عامل -
نام فایل airflow-workflows-0.1.4
نام airflow-workflows
نسخه کتابخانه 0.1.4
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Max Goodridge
ایمیل نویسنده max.goodridge@hotmail.co.uk
آدرس صفحه اصلی https://github.com/maxg203/airflow-workflows
آدرس اینترنتی https://pypi.org/project/airflow-workflows/
مجوز apache-2.0
# Workflows Workflows are a cleaner way of implementing DAGs using a Django-inspired class-based syntax. ## Simple Example Let's create a single Airflow DAG, whose name is a camelcased version of the class name, and whose operator dependencies are in the order they are defined. There is an option to override the default [`dependencies`](https://github.com/maxg203/airflow-workflows/blob/master/workflows.py#L165) method implementation to customise the dependency chain for your use case. ```python import workflows class ExampleWorkflow(workflows.Workflow): class Meta: schedule_interval = '0 9 * * *' do_something_useful = workflows.PythonOperator( python_callable=lambda **kwargs: print('something useful'), ) something_else = workflows.PythonOperator( python_callable=lambda **kwargs: print('Something not useful'), ) globals()[ExampleWorkflow.DAG.dag_id] = ExampleWorkflow.DAG ``` ## Dynamic DAG Example Let's create (in this case three) DAGs, created dynamically and based on the `ExampleWorkflow` class as implemented above. In other words, they will share the same DAG metadata (so schedule in this case). ```python import workflows workflow_names = [ 'Test1', 'Test2', 'Test3', ] for workflow in workflow_names: WorkflowClass = workflows.create_workflow( workflow, base=ExampleWorkflow, ) globals()[WorkflowClass.DAG.dag_id] = WorkflowClass.DAG ```


نحوه نصب


نصب پکیج whl airflow-workflows-0.1.4:

    pip install airflow-workflows-0.1.4.whl


نصب پکیج tar.gz airflow-workflows-0.1.4:

    pip install airflow-workflows-0.1.4.tar.gz