当前位置：首页 > wzjs >正文

抚顺做网站盘锦网站建设公司

wzjs 2025/9/10 7:52:33

抚顺做网站,盘锦网站建设公司,新建的网站如何做seo,做excel的网站本文深入解析Dagster资产工厂模式，展示如何通过Python函数和YAML配置实现高效ETL流程。特别介绍Python嵌套函数在资产工厂中的应用，这种函数内部定义函数的方式能帮助我们更好地封装逻辑。通过具体案例讲解资产工厂的构建方法，并探讨如何结合…

本文深入解析Dagster资产工厂模式，展示如何通过Python函数和YAML配置实现高效ETL流程。特别介绍Python嵌套函数在资产工厂中的应用，这种函数内部定义函数的方式能帮助我们更好地封装逻辑。通过具体案例讲解资产工厂的构建方法，并探讨如何结合Pydantic和Jinja2提升配置的安全性和可用性。建议先阅读我关于Python嵌套函数的博客，了解其原理与用法，再结合本文实践Dagster资产工厂。

一、资产工厂的核心价值

在数据工程中，我们经常需要处理大量相似的数据资产。资产工厂模式通过配置驱动的方式，让我们可以：

批量创建具有相同逻辑的数据资产
支持非技术人员通过YAML等DSL配置资产
减少重复代码，提高开发效率

典型应用场景：

批量处理数据库表
统一批量文件转换
为不同业务线创建相似的数据管道

在这里插入图片描述

二、Python实现资产工厂

基础ETL资产工厂示例

import tempfile
import dagster_aws.s3 as s3
import duckdb
import dagster as dgdef build_etl_job(s3_resource, bucket, source_object, target_object, sql):asset_key = f"etl_{bucket}_{target_object}".replace(".", "_")@dg.asset(name=asset_key)def etl_asset(context):with tempfile.TemporaryDirectory() as root:# 下载文件source_path = f"{root}/{source_object}"target_path = f"{root}/{target_object}"context.resources.s3.download_file(bucket, source_object, source_path)# 执行SQL转换db = duckdb.connect(":memory:")db.execute(f"CREATE TABLE source AS SELECT * FROM read_csv('{source_path}')")db.execute(sql).to_csv(target_path)# 上传结果context.resources.s3.upload_file(bucket, target_object, target_path)return dg.Definitions(assets=[etl_asset],resources={"s3": s3_resource})

批量创建资产

s3_resource = s3.S3Resource(aws_access_key_id="...", aws_secret_access_key="...")defs = dg.Definitions.merge(build_etl_job(s3_resource=s3_resource,bucket="my_bucket",source_object="raw_transactions.csv",target_object="cleaned_transactions.csv",sql="SELECT * FROM source WHERE amount IS NOT NULL;"),build_etl_job(s3_resource=s3_resource,bucket="my_bucket",source_object="all_customers.csv",target_object="risky_customers.csv",sql="SELECT * FROM source WHERE risk_score > 0.8;")
)

三、YAML配置驱动的资产工厂

基础YAML配置实现

import yaml
import dagster as dgdef load_etl_jobs_from_yaml(yaml_path: str) -> dg.Definitions:config = yaml.safe_load(open(yaml_path))s3_resource = s3.S3Resource(aws_access_key_id=config["aws"]["access_key_id"],aws_secret_access_key=config["aws"]["secret_access_key"])defs = []for job_config in config["etl_jobs"]:defs.append(build_etl_job(s3_resource=s3_resource,bucket=job_config["bucket"],source_object=job_config["source"],target_object=job_config["target"],sql=job_config["sql"]))return dg.Definitions.merge(*defs)

YAML配置文件示例

aws:access_key_id: "YOUR_ACCESS_KEY_ID"secret_access_key: "YOUR_SECRET_ACCESS_KEY"etl_jobs:- bucket: "my_bucket"source: "raw_transactions.csv"target: "cleaned_transactions.csv"sql: "SELECT * FROM source WHERE amount IS NOT NULL"- bucket: "my_bucket"source: "all_customers.csv"target: "risky_customers.csv"sql: "SELECT * FROM source WHERE risk_score > 0.8"

四、进阶优化方案

1. 使用Pydantic增强类型安全

from pydantic import BaseModel, validatorclass JobConfig(BaseModel):bucket: strsource: strtarget: strsql: strdef to_etl_job(self, s3_resource):return build_etl_job(s3_resource=s3_resource,bucket=self.bucket,source_object=self.source,target_object=self.target,sql=self.sql)

2. 使用Jinja2实现环境变量注入

import jinja2def load_etl_jobs_from_yaml(yaml_path: str) -> dg.Definitions:yaml_template = jinja2.Environment().from_string(open(yaml_path).read())config = yaml.safe_load(yaml_template.render(env=os.environ))# 使用Pydantic验证配置config_model = EtlJobsConfig.model_validate(config)return config_model.to_definitions()

3. 安全YAML配置示例

aws:access_key_id: "{{ env.AWS_ACCESS_KEY_ID }}"secret_access_key: "{{ env.AWS_SECRET_ACCESS_KEY }}"etl_jobs:- bucket: "my_bucket"source: "raw_transactions.csv"target: "cleaned_transactions.csv"sql: "SELECT * FROM source WHERE amount IS NOT NULL"