Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Utilisation d'Amazon MWAA avec Amazon RDS pour Microsoft SQL Server
Vous pouvez utiliser Amazon Managed Workflows pour Apache Airflow pour vous connecter à un serveur https://docs.aws.amazon.com/AmazonRDS/latest/UserGuide/CHAP_SQLServer.html RDS pour SQL. L'exemple de code suivant utilise des DAG dans un environnement Amazon Managed Workflows pour Apache Airflow afin de se connecter à un serveur Amazon RDS pour Microsoft SQL Server et d'y exécuter des requêtes.
Rubriques
Version
Vous pouvez utiliser l'exemple de code de cette page avec Apache Airflow v2 en Python 3.10
Conditions préalables
Pour utiliser l'exemple de code de cette page, vous aurez besoin des éléments suivants :
-
Un environnement Amazon MWAA.
-
Amazon MWAA et le RDS pour SQL Server s'exécutent dans le même Amazon VPC/
-
Les groupes de sécurité VPC d'Amazon MWAA et du serveur sont configurés avec les connexions suivantes :
-
Une règle entrante pour le port
1433ouvert pour Amazon RDS dans le groupe de sécurité Amazon MWAA -
Ou une règle sortante pour le port d'
1433ouverture d'Amazon MWAA vers RDS
-
-
Apache Airflow Connection for RDS for SQL Server reflète le nom d'hôte, le port, le nom d'utilisateur et le mot de passe de la base de données Amazon RDS SQL Server créée lors du processus précédent.
Dépendances
Pour utiliser l'exemple de code de cette section, ajoutez la dépendance suivante à votrerequirements.txt. Pour en savoir plus, consultezInstallation des dépendances Python.
apache-airflow-providers-microsoft-mssql==1.0.1 apache-airflow-providers-odbc==1.0.1 pymssql==2.2.1
Connexion Apache Airflow v2
Si vous utilisez une connexion dans Apache Airflow v2, assurez-vous que l'objet de connexion Airflow inclut les paires clé-valeur suivantes :
-
Identifiant de connexion : mssql_default
-
Type de connexion : Amazon Web Services
-
Hôte :
YOUR_DB_HOST -
Schéma :
-
Identifiant : admin
-
Mot de passe :
-
Hafen : 1433
-
Supplémentaire :
Exemple de code
-
Dans votre invite de commande, accédez au répertoire dans lequel votre code DAG est stocké. Par exemple :
cd dags -
Copiez le contenu de l'exemple de code suivant et enregistrez-le localement sous
sql-server.py.""" Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved. Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so. THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE. """ import pymssql import logging import sys from airflow import DAG from datetime import datetime from airflow.operators.mssql_operator import MsSqlOperator from airflow.operators.python_operator import PythonOperator default_args = { 'owner': 'aws', 'depends_on_past': False, 'start_date': datetime(2019, 2, 20), 'provide_context': True } dag = DAG( 'mssql_conn_example', default_args=default_args, schedule_interval=None) drop_db = MsSqlOperator( task_id="drop_db", sql="DROP DATABASE IF EXISTS testdb;", mssql_conn_id="mssql_default", autocommit=True, dag=dag ) create_db = MsSqlOperator( task_id="create_db", sql="create database testdb;", mssql_conn_id="mssql_default", autocommit=True, dag=dag ) create_table = MsSqlOperator( task_id="create_table", sql="CREATE TABLE testdb.dbo.pet (name VARCHAR(20), owner VARCHAR(20));", mssql_conn_id="mssql_default", autocommit=True, dag=dag ) insert_into_table = MsSqlOperator( task_id="insert_into_table", sql="INSERT INTO testdb.dbo.pet VALUES ('Olaf', 'Disney');", mssql_conn_id="mssql_default", autocommit=True, dag=dag ) def select_pet(**kwargs): try: conn = pymssql.connect( server='sampledb.<xxxxxx>.<region>.rds.amazonaws.com', user='admin', password='<yoursupersecretpassword>', database='testdb' ) # Create a cursor from the connection cursor = conn.cursor() cursor.execute("SELECT * from testdb.dbo.pet") row = cursor.fetchone() if row: print(row) except: logging.error("Error when creating pymssql database connection: %s", sys.exc_info()[0]) select_query = PythonOperator( task_id='select_query', python_callable=select_pet, dag=dag, ) drop_db >> create_db >> create_table >> insert_into_table >> select_query
Quelle est la prochaine étape ?
-
Découvrez comment télécharger le
requirements.txtfichier de cet exemple dans votre compartiment Amazon S3 dansInstallation des dépendances Python. -
Découvrez comment télécharger le code DAG de cet exemple dans le
dagsdossier de votre compartiment Amazon S3Ajouter ou mettre à jour DAGs. -
Découvrez des exemples de scripts et d'autres exemples de modules pymssql.
-
Pour en savoir plus sur l'exécution de code SQL dans une base de données Microsoft SQL spécifique à l'aide de mssql_operator, consultez le guide de référence Apache
Airflow.