airflow_scheduler/dataops/scripts/book_sale_amt_daily_clean.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import logging
import sys
import os
from datetime import datetime, timedelta
import time
import random

# 配置日志记录器
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    handlers=[
        logging.StreamHandler(sys.stdout)
    ]
)

logger = logging.getLogger("book_sale_amt_daily_clean")

def clean_daily_book_sales():
    """清洗日度图书销售额数据的函数"""
    # 获取当前脚本的文件名
    script_name = os.path.basename(__file__)
    
    logger.info(f"开始执行日度图书销售额数据清洗 - 脚本: {script_name}")
    
    try:
        # 模拟数据处理过程
        logger.info("从数据源获取原始销售数据...")
        # 实际应用中这里会连接到数据库或其他数据源
        
        logger.info("执行数据清洗流程...")
        
        # 模拟处理步骤
        today = datetime.now()
        yesterday = today - timedelta(days=1)
        date_str = yesterday.strftime('%Y-%m-%d')
        
        logger.info(f"正在清洗 {date_str} 的数据")
        
        logger.info("检查数据完整性...")
        logger.info("检测并处理异常值...")
        logger.info("填充缺失数据...")
        logger.info("标准化数据格式...")
        logger.info("去除重复记录...")
        
        logger.info("数据清洗完成，准备保存结果...")
        # 实际应用中这里会将结果保存到数据库
        
        # 模拟处理时间
        processing_time = random.uniform(0.5, 2.0)
        logger.info(f"开始处理数据，预计需要 {processing_time:.2f} 秒")
        time.sleep(processing_time)
        
        # 模拟处理逻辑
        current_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
        logger.info(f"数据处理中... 当前时间: {current_time}")
        
        # 模拟数据清洗操作
        logger.info(f"执行数据清洗操作: 移除异常值、填充缺失值、标准化格式")
        time.sleep(processing_time)
        
        # 模拟写入数据库
        success_rate = random.random()
        if success_rate > 0.1:  # 90%的成功率
            logger.info(f"表 {date_str} 数据清洗成功，已处理并写入")
            return True
        else:
            logger.error(f"表 {date_str} 数据清洗或写入过程中出现随机错误")
            return False
    except Exception as e:
        logger.error(f"清洗日度图书销售额数据时出错: {str(e)}")
        return False

def run(table_name, execution_mode, **kwargs):
    """
    统一入口函数，符合Airflow动态脚本调用规范
    
    参数:
        table_name (str): 要处理的表名
        execution_mode (str): 执行模式 (append/full_refresh)
        **kwargs: 其他可能的参数
    
    返回:
        bool: 执行成功返回True，否则返回False
    """
    logger.info(f"通过统一入口函数run()调用 - 处理表: {table_name}, 模式: {execution_mode}")
    
    # 获取当前脚本的文件名
    script_name = os.path.basename(__file__)
    
    # 记录详细的执行信息
    logger.info(f"[统一入口] 脚本 {script_name} 正在处理表 {table_name}, 模式: {execution_mode}")
    logger.info(f"开始时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
    
    # 根据执行模式判断处理逻辑
    if execution_mode == "full_refresh":
        logger.info("执行完全刷新模式 - 将处理所有历史数据")
        logger.info("获取过去30天的历史数据进行清洗...")
    else:  # append
        logger.info("执行增量模式 - 只清洗最新一天的数据")
    
    # 调用实际处理函数
    result = clean_daily_book_sales()
    
    logger.info(f"结束时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
    logger.info(f"处理结果: {'成功' if result else '失败'}")
    
    return result

if __name__ == "__main__":
    # 直接执行时调用统一入口函数
    run(table_name="book_sale_amt_daily", execution_mode="append")