Eu tenho que acionar um pyspark módulo de fluxo de ar usando um sparksubmit operador. Mas, o pyspark módulo precisa ter a faísca variável de sessão como um argumento. Eu tenho usado application_args para passar o parâmetro para o pyspark módulo. Mas, quando eu corri o dag a faísca enviar operador está a ficar falha e o parâmetro I passados considerado como Nenhum tipo de variável. Preciso saber como passar um argumento para um pyspark módulo acionado através de spark_submit_operator.
O DAG código abaixo:
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)
O código de exemplo tmp_spark_1.py programa: