معرفی شرکت ها

earnest-airflow-plugin-0.0.2b5

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
0.0.2b5
0.0.2b4
0.0.2b3
0.0.2b2
0.0.2b1
0.0.1
0.0.2b5
0.0.2b4
0.0.2b3
0.0.2b2
0.0.2b1
0.0.1

توضیحات

Operators and Hooks for Airflow
ویژگی مقدار
سیستم عامل -
نام فایل earnest-airflow-plugin-0.0.2b5
نام earnest-airflow-plugin
نسخه کتابخانه 0.0.2b5
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Earnest Research
ایمیل نویسنده python-package-index@earnestresearch.com
آدرس صفحه اصلی https://github.com/EarnestResearch/airflow-plugin
آدرس اینترنتی https://pypi.org/project/earnest-airflow-plugin/
مجوز MIT License
# airflow-plugin Operators and Hooks for Airflow ## Airflow at Earnest We use heavily the `KubernetesPodOperator` for the following reasons: - Keep non-scheduling logic out of the scheduler. - Avoid locking logic inside Airflow (containers can run through other schedulers). - Avoid accumulating python dependencies in the Airflow image. - Align with our engineering culture (functional programming and strongly typed languages lead to more maintainable code, Haskell preferred :) ). As such, you will find most of the Operators we share inherit from the `KubernetesPodOperator`. ## Running the tests locally 0. Install dev requirements ```bash pip install -r requirements_dev.txt ``` 1. Run the unit tests ```bash pytest -v -m "not kubernetes" ``` 2. Start a local kubernetes cluster through [docker-for-desktop](https://www.docker.com/products/docker-desktop) (Mac/Windows) or [minikube](https://kubernetes.io/docs/setup/learning-environment/minikube/) (Linux) 3. Bootstrap the cluster (it'll use the `airflow` namespace) ```bash tests/resources/kubernetes/bootstrap.sh ``` 4. Run the kubernetes tests ```bash AIRFLOW__KUBERNETES__IN_CLUSTER=False pytest -v -m "kubernetes" ``` ## Releasing Currently, publishing a new version of the project is a manual process: 0. Install dev requirements ```bash pip install -r requirements_dev.txt ``` 1. Edit the `version` in [setup.cfg](setup.cfg) 2. Create a new git release: ```bash # e.g. git tag -a v0.0.1 ``` There's a simple template in [RELEASE_NOTES_TEMPLATE.md](RELEASE_NOTES_TEMPLATE.md) for a release message. 3. Push the release: ```bash git push origin v0.0.1 ``` 4. Create a source distribution: ```bash python setup.py sdist bdist_wheel ``` 5. Upload to PyPi ```bash twine upload dist/* ```


نیازمندی

مقدار نام
==1.10.10 apache-airflow[kubernetes]


زبان مورد نیاز

مقدار نام
>=3.5 Python


نحوه نصب


نصب پکیج whl earnest-airflow-plugin-0.0.2b5:

    pip install earnest-airflow-plugin-0.0.2b5.whl


نصب پکیج tar.gz earnest-airflow-plugin-0.0.2b5:

    pip install earnest-airflow-plugin-0.0.2b5.tar.gz