معرفی شرکت ها

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

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

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

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

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

توضیحات

Bigeye Airflow Library supports Airflow 2.4.3 and offers custom operators for interacting with your your bigeye workspace.

ویژگی	مقدار
سیستم عامل	-
نام فایل	bigeye-airflow-0.1.9
نام	bigeye-airflow
نسخه کتابخانه	0.1.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Bigeye
ایمیل نویسنده	support@bigeye.com
آدرس صفحه اصلی	https://docs.bigeye.com/docs
آدرس اینترنتی	https://pypi.org/project/bigeye-airflow/
مجوز	Proprietary

# Bigeye Airflow Operators for Airflow Versions 2.x ## Operators ### Create Metric Operator (bigeye_airflow.oerators.create_metric_operator) The CreateMetricOperator creates metrics from a list of metric configurations provided to the operator. This operator will fill in reasonable defaults like setting thresholds. It authenticates through an Airflow connection ID and offers the option to run the metrics after those metrics have been created. Please review the link below to understand the structure of the configurations. [Create or Update Metric Swagger](https://docs.bigeye.com/reference/createmetric) #### Parameters 1. connection_id: str - The Airfow connection ID used to store the required Bigeye credential. 2. warehouse_id: int - The Bigeye source/warehouse id to which the metric configurations will be deployed. 3. configuration: List[dict] - A list of metric configurations conforming to the following schema. ``` schema_name: str table_name: str column_name: str metric_template_id: uuid.UUID metric_name: str description: str notifications: List[str] thresholds: List[dict] filters: List[str] group_by: List[str] user_defined_metric_name: str metric_type: SimpleMetricCategory default_check_frequency_hours: int update_schedule: str delay_at_update: str timezone: str should_backfill: bool lookback_type: str lookback_days: int window_size: str _window_size_seconds ``` 4. run_after_upsert: bool - If true it will run the metrics after creation. Defaults to False. ### Run Metrics Operator The RunMetricsOperator will run metrics in Bigeye based on the following: 1. All metrics for a given table, by providing warehouse ID, schema name and table name. 2. Any and all metrics, given a list of metric IDs. Currently, if a list of metric IDs is provided these will be run instead of metrics provided for warehouse_id, schema_name, table_name. #### Parameters 1. connection_id: str - The Airfow connection ID used to store the required Bigeye credential. 2. warehouse_id: int - The Bigeye source/warehouse id for which metrics will be run. 3. schema_name: str - The schema name for which metrics will be run. 4. table_name: str - The table name for which metrics will be run. 5. metric_ids: List[int] - The metric ids to run.

نیازمندی

مقدار	نام
>=1.3.0,<2.0.0	Flask-OpenID
==2.4.3	apache-airflow
>=0.4.45,<0.5.0	bigeye-sdk

زبان مورد نیاز

مقدار	نام
>=3.7.2,<4.0.0	Python

نحوه نصب

نصب پکیج whl bigeye-airflow-0.1.9:

pip install bigeye-airflow-0.1.9.whl

نصب پکیج tar.gz bigeye-airflow-0.1.9:

pip install bigeye-airflow-0.1.9.tar.gz