Skip to content

A
airflow-doc-zh

OpenDocCN / airflow-doc-zh
9 个月 前同步成功

通知 3
Star 208
Fork 63
A
airflow-doc-zh

前往新版Gitcode，体验更适合开发者的 AI 搜索 >>

提交 e0146bfd 编写于 作者: W wizardforcel
浏览文件
操作

2019-03-23 20:40:55

上级 d3110a26
隐藏空白更改
内联 并排
Showing with 558 addition and 558 deletion
zh/28.md
浏览文件 @ e0146bfd
......@@ -97,10 +97,10 @@ class airflow.contrib.sensors.wasb_sensor.WasbBlobSensor(container_name, blob_na
参数：
* **container_name** （ str ） - 容器的名称。
* **blob_name** （ str ） - blob的名称。
* **wasb_conn_id** （ str ） - 对wasb连接的引用。
* **check_options** （ dict ） - `WasbHook.check_for_blob（）`采用的可选关键字参数。
* `container_name( str )` - 容器的名称。
* `blob_name( str )` - blob的名称。
* `wasb_conn_id( str )` - 对wasb连接的引用。
* `check_options( dict )` - `WasbHook.check_for_blob（）`采用的可选关键字参数。
```py
......@@ -121,10 +121,10 @@ class airflow.contrib.sensors.wasb_sensor.WasbPrefixSensor(container_name, prefi
参数：
* **container_name** （ str ） - 容器的名称。
* **prefix** （ str ） - blob的前缀。
* **wasb_conn_id** （ str ） - 对wasb连接的引用。
* **check_options** （ dict ） - `WasbHook.check_for_prefix（）`采用的可选关键字参数。
* `container_name( str )` - 容器的名称。
* `prefix( str )` - blob的前缀。
* `wasb_conn_id( str )` - 对wasb连接的引用。
* `check_options( dict )` - `WasbHook.check_for_prefix（）`采用的可选关键字参数。
```py
......@@ -145,11 +145,11 @@ class airflow.contrib.operators.file_to_wasb.FileToWasbOperator(file_path, conta
参数：
* **file_path** （ str ） - 要加载的文件的路径。 （模板）
* **container_name** （ str ） - 容器的名称。 （模板）
* **blob_name** （ str ） - blob的名称。 （模板）
* **wasb_conn_id** （ str ） - 对wasb连接的引用。
* **load_options** （ dict ） - `WasbHook.load_file（）`采用的可选关键字参数。
* `file_path( str )` - 要加载的文件的路径。 （模板）
* `container_name( str )` - 容器的名称。 （模板）
* `blob_name( str )` - blob的名称。 （模板）
* `wasb_conn_id( str )` - 对wasb连接的引用。
* `load_options( dict )` - `WasbHook.load_file（）`采用的可选关键字参数。
```py
......@@ -170,7 +170,7 @@ class airflow.contrib.hooks.wasb_hook.WasbHook(wasb_conn_id='wasb_default')
在连接的“额外”字段中传递的其他选项将传递给`BlockBlockService（）`构造函数。 例如，通过添加{“sas_token”：“YOUR_TOKEN”}使用SAS令牌进行身份验证。
参数：**wasb_conn_id** （ str ） - 对wasb连接的引用。
参数：`wasb_conn_id( str )` - 对wasb连接的引用。
```py
......@@ -181,9 +181,9 @@ check_for_blob(container_name, blob_name, **kwargs)
参数：
* **container_name** （ str ） - 容器的名称。
* **blob_name** （ str ） - blob的名称。
* **kwargs** （ object ） - `BlockBlobService.exists（）`采用的可选关键字参数。
* `container_name( str )` - 容器的名称。
* `blob_name( str )` - blob的名称。
* `kwargs( object )` - `BlockBlobService.exists（）`采用的可选关键字参数。
返回：如果blob存在则为True，否则为False。
......@@ -197,9 +197,9 @@ check_for_prefix(container_name, prefix, **kwargs)
参数：
* **container_name** （ str ） - 容器的名称。
* **prefix** （ str ） - blob的前缀。
* **kwargs** （ object ） - `BlockBlobService.list_blobs（）`采用的可选关键字参数。
* `container_name( str )` - 容器的名称。
* `prefix( str )` - blob的前缀。
* `kwargs( object )` - `BlockBlobService.list_blobs（）`采用的可选关键字参数。
返回：如果存在与前缀匹配的blob，则为True，否则为False。
......@@ -219,10 +219,10 @@ get_file(file_path, container_name, blob_name, **kwargs)
参数：
* **file_path** （ str ） - 要下载的文件的路径。
* **container_name** （ str ） - 容器的名称。
* **blob_name** （ str ） - blob的名称。
* **kwargs** （ object ） - `BlockBlobService.create_blob_from_path（）`采用的可选关键字参数。
* `file_path( str )` - 要下载的文件的路径。
* `container_name( str )` - 容器的名称。
* `blob_name( str )` - blob的名称。
* `kwargs( object )` - `BlockBlobService.create_blob_from_path（）`采用的可选关键字参数。
```py
......@@ -233,10 +233,10 @@ load_file(file_path, container_name, blob_name, **kwargs)
参数：
* **file_path** （ str ） - 要加载的文件的路径。
* **container_name** （ str ） - 容器的名称。
* **blob_name** （ str ） - blob的名称。
* **kwargs** （ object ） - `BlockBlobService.create_blob_from_path（）`采用的可选关键字参数。
* `file_path( str )` - 要加载的文件的路径。
* `container_name( str )` - 容器的名称。
* `blob_name( str )` - blob的名称。
* `kwargs( object )` - `BlockBlobService.create_blob_from_path（）`采用的可选关键字参数。
```py
......@@ -247,10 +247,10 @@ load_string(string_data, container_name, blob_name, **kwargs)
参数：
* **string_data** （ str ） - 要加载的字符串。
* **container_name** （ str ） - 容器的名称。
* **blob_name** （ str ） - blob的名称。
* **kwargs** （ object ） - `BlockBlobService.create_blob_from_text（）`采用的可选关键字参数。
* `string_data( str )` - 要加载的字符串。
* `container_name( str )` - 容器的名称。
* `blob_name( str )` - blob的名称。
* `kwargs( object )` - `BlockBlobService.create_blob_from_text（）`采用的可选关键字参数。
```py
......@@ -261,9 +261,9 @@ read_file(container_name, blob_name, **kwargs)
参数：
* **container_name** （ str ） - 容器的名称。
* **blob_name** （ str ） - blob的名称。
* **kwargs** （ object ） - `BlockBlobService.create_blob_from_path（）`采用的可选关键字参数。
* `container_name( str )` - 容器的名称。
* `blob_name( str )` - blob的名称。
* `kwargs( object )` - `BlockBlobService.create_blob_from_path（）`采用的可选关键字参数。
### Azure文件共享
......@@ -282,7 +282,7 @@ class airflow.contrib.hooks.azure_fileshare_hook.AzureFileShareHook(wasb_conn_id
在连接的“额外”字段中传递的其他选项将传递给`FileService（）`构造函数。
参数：**wasb_conn_id** （ str ） - 对wasb连接的引用。
参数：`wasb_conn_id( str )` - 对wasb连接的引用。
```py
......@@ -293,9 +293,9 @@ check_for_directory(share_name, directory_name, **kwargs)
参数：
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **kwargs** （ object ） - `FileService.exists（）`采用的可选关键字参数。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `kwargs( object )` - `FileService.exists（）`采用的可选关键字参数。
返回：如果文件存在则为True，否则为False。
......@@ -309,10 +309,10 @@ check_for_file(share_name, directory_name, file_name, **kwargs)
参数：
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **file_name** （ str ） - 文件名。
* **kwargs** （ object ） - `FileService.exists（）`采用的可选关键字参数。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `file_name( str )` - 文件名。
* `kwargs( object )` - `FileService.exists（）`采用的可选关键字参数。
返回：如果文件存在则为True，否则为False。
......@@ -326,9 +326,9 @@ create_directory(share_name, directory_name, **kwargs)
参数：
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **kwargs** （ object ） - `FileService.create_directory（）`采用的可选关键字参数。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `kwargs( object )` - `FileService.create_directory（）`采用的可选关键字参数。
返回：文件和目录列表
......@@ -348,11 +348,11 @@ get_file(file_path, share_name, directory_name, file_name, **kwargs)
参数：
* **file_path** （ str ） - 存储文件的位置。
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **file_name** （ str ） - 文件名。
* **kwargs** （ object ） - `FileService.get_file_to_path（）`采用的可选关键字参数。
* `file_path( str )` - 存储文件的位置。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `file_name( str )` - 文件名。
* `kwargs( object )` - `FileService.get_file_to_path（）`采用的可选关键字参数。
```py
......@@ -363,11 +363,11 @@ get_file_to_stream(stream, share_name, directory_name, file_name, **kwargs)
参数：
* **stream** （类文件对象 ） - 用于存储文件的文件句柄。
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **file_name** （ str ） - 文件名。
* **kwargs** （ object ） - `FileService.get_file_to_stream（）`采用的可选关键字参数。
* `stream(类文件对象 )` - 用于存储文件的文件句柄。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `file_name( str )` - 文件名。
* `kwargs( object )` - `FileService.get_file_to_stream（）`采用的可选关键字参数。
```py
......@@ -378,9 +378,9 @@ list_directories_and_files(share_name, directory_name=None, **kwargs)
参数：
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **kwargs** （ object ） - `FileService.list_directories_and_files（）`采用的可选关键字参数。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `kwargs( object )` - `FileService.list_directories_and_files（）`采用的可选关键字参数。
返回：文件和目录列表
......@@ -394,11 +394,11 @@ load_file(file_path, share_name, directory_name, file_name, **kwargs)
参数：
* **file_path** （ str ） - 要加载的文件的路径。
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **file_name** （ str ） - 文件名。
* **kwargs** （ object ） - `FileService.create_file_from_path（）`采用的可选关键字参数。
* `file_path( str )` - 要加载的文件的路径。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `file_name( str )` - 文件名。
* `kwargs( object )` - `FileService.create_file_from_path（）`采用的可选关键字参数。
```py
......@@ -409,12 +409,12 @@ load_stream(stream, share_name, directory_name, file_name, count, **kwargs)
参数：
* **stream** （类文件 ） - 打开的文件/流作为文件内容上传。
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **file_name** （ str ） - 文件名。
* **count** （ int ） - 流的大小（以字节为单位）
* **kwargs** （ object ） - `FileService.create_file_from_stream（）`采用的可选关键字参数。
* `stream(类文件 )` - 打开的文件/流作为文件内容上传。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `file_name( str )` - 文件名。
* `count( int )` - 流的大小（以字节为单位）
* `kwargs( object )` - `FileService.create_file_from_stream（）`采用的可选关键字参数。
```py
......@@ -425,11 +425,11 @@ load_string(string_data, share_name, directory_name, file_name, **kwargs)
参数：
* **string_data** （ str ） - 要加载的字符串。
* **share_name** （ str ） - 共享的名称。
* **directory_name** （ str ） - 目录的名称。
* **file_name** （ str ） - 文件名。
* **kwargs** （ object ） - `FileService.create_file_from_text（）`采用的可选关键字参数。
* `string_data( str )` - 要加载的字符串。
* `share_name( str )` - 共享的名称。
* `directory_name( str )` - 目录的名称。
* `file_name( str )` - 文件名。
* `kwargs( object )` - `FileService.create_file_from_text（）`采用的可选关键字参数。
### 记录
......@@ -456,7 +456,7 @@ class airflow.contrib.hooks.azure_data_lake_hook.AzureDataLakeHook(azure_data_la
客户端ID和客户端密钥应该在用户和密码参数中。 租户和帐户名称应为{“租户”：“<TENANT>”，“account_name”：“ACCOUNT_NAME”}的额外字段。
参数：**azure_data_lake_conn_id** （ str ） - 对Azure Data Lake连接的引用。
参数：`azure_data_lake_conn_id( str )` - 对Azure Data Lake连接的引用。
```py
......@@ -465,7 +465,7 @@ check_for_file(file_path)
检查Azure Data Lake上是否存在文件。
参数：**file_path** （ str ） - 文件的路径和名称。
参数：`file_path( str )` - 文件的路径和名称。
返回：如果文件存在则为True，否则为False。
......@@ -479,12 +479,12 @@ download_file(local_path, remote_path, nthreads=64, overwrite=True, buffersize=4
参数：
* **local_path** （ str ） - 本地路径。 如果下载单个文件，将写入此特定文件，除非它是现有目录，在这种情况下，将在其中创建文件。 如果下载多个文件，这是要写入的根目录。 将根据需要创建目录。
* **remote_path** （ str ） - 用于查找远程文件的远程路径/ globstring。 不支持使用`**的`递归glob模式。
* **nthreads** （ int ） - 要使用的线程数。 如果为None，则使用核心数。
* **overwrite** （ bool ） - 是否强制覆盖现有文件/目录。 如果False和远程路径是目录，则无论是否覆盖任何文件都将退出。 如果为True，则实际仅覆盖匹配的文件名。
* **buffersize** （ int ） - int [2 ** 22]内部缓冲区的字节数。 此块不能大于块，并且不能小于块。
* **blocksize** （ int ） - int [2 ** 22]块的字节数。 在每个块中，我们为每个API调用编写一个较小的块。 这个块不能大于块。
* `local_path( str )` - 本地路径。 如果下载单个文件，将写入此特定文件，除非它是现有目录，在这种情况下，将在其中创建文件。 如果下载多个文件，这是要写入的根目录。 将根据需要创建目录。
* `remote_path( str )` - 用于查找远程文件的远程路径/ globstring。 不支持使用`**的`递归glob模式。
* `nthreads( int )` - 要使用的线程数。 如果为None，则使用核心数。
* `overwrite( bool )` - 是否强制覆盖现有文件/目录。 如果False和远程路径是目录，则无论是否覆盖任何文件都将退出。 如果为True，则实际仅覆盖匹配的文件名。
* `buffersize( int )` - int [2 ** 22]内部缓冲区的字节数。 此块不能大于块，并且不能小于块。
* `blocksize( int )` - int [2 ** 22]块的字节数。 在每个块中，我们为每个API调用编写一个较小的块。 这个块不能大于块。
```py
......@@ -501,12 +501,12 @@ upload_file(local_path, remote_path, nthreads=64, overwrite=True, buffersize=419
参数：
* **local_path** （ str ） - 本地路径。 可以是单个文件，目录（在这种情况下，递归上传）或glob模式。 不支持使用`**的`递归glob模式。
* **remote_path** （ str ） - 要上传的远程路径; 如果有多个文件，这就是要写入的dircetory根目录。
* **nthreads** （ int ） - 要使用的线程数。 如果为None，则使用核心数。
* **overwrite** （ bool ） - 是否强制覆盖现有文件/目录。 如果False和远程路径是目录，则无论是否覆盖任何文件都将退出。 如果为True，则实际仅覆盖匹配的文件名。
* **buffersize** （ int ） - int [2 ** 22]内部缓冲区的字节数。 此块不能大于块，并且不能小于块。
* **blocksize** （ int ） - int [2 ** 22]块的字节数。 在每个块中，我们为每个API调用编写一个较小的块。 这个块不能大于块。
* `local_path( str )` - 本地路径。 可以是单个文件，目录（在这种情况下，递归上传）或glob模式。 不支持使用`**的`递归glob模式。
* `remote_path( str )` - 要上传的远程路径; 如果有多个文件，这就是要写入的dircetory根目录。
* `nthreads( int )` - 要使用的线程数。 如果为None，则使用核心数。
* `overwrite( bool )` - 是否强制覆盖现有文件/目录。 如果False和远程路径是目录，则无论是否覆盖任何文件都将退出。 如果为True，则实际仅覆盖匹配的文件名。
* `buffersize( int )` - int [2 ** 22]内部缓冲区的字节数。 此块不能大于块，并且不能小于块。
* `blocksize( int )` - int [2 ** 22]块的字节数。 在每个块中，我们为每个API调用编写一个较小的块。 这个块不能大于块。
## AWS：亚马逊网络服务
......@@ -533,8 +533,8 @@ class airflow.contrib.operators.emr_add_steps_operator.EmrAddStepsOperator(job_f
参数：
* **job_flow_id** - 要添加步骤的JobFlow的ID。 （模板）
* **aws_conn_id** （ str ） - 与使用的aws连接
* **步骤** （ list ） - 要添加到作业流的boto3样式步骤。 （模板）
* `aws_conn_id( str )` - 与使用的aws连接
* `步骤( list )` - 要添加到作业流的boto3样式步骤。 （模板）
#### EmrCreateJobFlowOperator
......@@ -549,8 +549,8 @@ class airflow.contrib.operators.emr_create_job_flow_operator.EmrCreateJobFlowOpe
参数：
* **aws_conn_id** （ str ） - 与使用的aws连接
* **emr_conn_id** （ str ） - 要使用的emr连接
* `aws_conn_id( str )` - 与使用的aws连接
* `emr_conn_id( str )` - 要使用的emr连接
* **job_flow_overrides** - 用于覆盖emr_connection extra的boto3样式参数。 （模板）
......@@ -567,7 +567,7 @@ class airflow.contrib.operators.emr_terminate_job_flow_operator.EmrTerminateJobF
参数：
* **job_flow_id** - 要终止的JobFlow的id。 （模板）
* **aws_conn_id** （ str ） - 与使用的aws连接
* `aws_conn_id( str )` - 与使用的aws连接
#### EmrHook
......@@ -610,7 +610,7 @@ check_for_bucket(bucket_name)
检查bucket_name是否存在。
参数：**bucket_name** （ str ） - 存储桶的名称
参数：`bucket_name( str )` - 存储桶的名称
```py
......@@ -621,8 +621,8 @@ check_for_key(key, bucket_name=None)
参数：
* **key** （ str ） - 指向文件的S3键
* **bucket_name** （ str ） - 存储文件的存储桶的名称
* `key( str )` - 指向文件的S3键
* `bucket_name( str )` - 存储文件的存储桶的名称
```py
......@@ -643,7 +643,7 @@ get_bucket(bucket_name)
返回boto3.S3.Bucket对象
参数：**bucket_name** （ str ） - 存储桶的名称
参数：`bucket_name( str )` - 存储桶的名称
```py
......@@ -654,8 +654,8 @@ get_key(key, bucket_name=None)
参数：
* **key** （ str ） - 密钥的路径
* **bucket_name** （ str ） - 存储桶的名称
* `key( str )` - 密钥的路径
* `bucket_name( str )` - 存储桶的名称
```py
......@@ -666,8 +666,8 @@ get_wildcard_key(wildcard_key, bucket_name=None, delimiter='')
参数：
* **wildcard_key** （ str ） - 密钥的路径
* **bucket_name** （ str ） - 存储桶的名称
* `wildcard_key( str )` - 密钥的路径
* `bucket_name( str )` - 存储桶的名称
```py
......@@ -678,11 +678,11 @@ list_keys(bucket_name, prefix='', delimiter='', page_size=None, max_items=None)
参数：
* **bucket_name** （ str ） - 存储桶的名称
* **prefix** （ str ） - 一个密钥前缀
* **delimiter** （ str ） - 分隔符标记键层次结构。
* **page_size** （ int ） - 分页大小
* **max_items** （ int ） - 要返回的最大项目数
* `bucket_name( str )` - 存储桶的名称
* `prefix( str )` - 一个密钥前缀
* `delimiter( str )` - 分隔符标记键层次结构。
* `page_size( int )` - 分页大小
* `max_items( int )` - 要返回的最大项目数
```py
......@@ -693,11 +693,11 @@ list_prefixes(bucket_name, prefix='', delimiter='', page_size=None, max_items=No
参数：
* **bucket_name** （ str ） - 存储桶的名称
* **prefix** （ str ） - 一个密钥前缀
* **delimiter** （ str ） - 分隔符标记键层次结构。
* **page_size** （ int ） - 分页大小
* **max_items** （ int ） - 要返回的最大项目数
* `bucket_name( str )` - 存储桶的名称
* `prefix( str )` - 一个密钥前缀
* `delimiter( str )` - 分隔符标记键层次结构。
* `page_size( int )` - 分页大小
* `max_items( int )` - 要返回的最大项目数
```py
......@@ -710,11 +710,11 @@ load_bytes(bytes_data, key, bucket_name=None, replace=False, encrypt=False)
参数：
* **bytes_data** （ bytes ） - 设置为密钥内容的字节。
* **key** （ str ） - 指向文件的S3键
* **bucket_name** （ str ） - 存储文件的存储桶的名称
* **replace** （ bool ） - 一个标志，用于决定是否覆盖密钥（如果已存在）
* **encrypt** （ bool ） - 如果为True，则文件将在服务器端由S3加密，并在S3中静止时以加密形式存储。
* `bytes_data( bytes )` - 设置为密钥内容的字节。
* `key( str )` - 指向文件的S3键
* `bucket_name( str )` - 存储文件的存储桶的名称
* `replace( bool )` - 一个标志，用于决定是否覆盖密钥（如果已存在）
* `encrypt( bool )` - 如果为True，则文件将在服务器端由S3加密，并在S3中静止时以加密形式存储。
```py
......@@ -725,11 +725,11 @@ load_file(filename, key, bucket_name=None, replace=False, encrypt=False)
参数：
* **filename** （ str ） - 要加载的文件的名称。
* **key** （ str ） - 指向文件的S3键
* **bucket_name** （ str ） - 存储文件的存储桶的名称
* **replace** （ bool ） - 一个标志，用于决定是否覆盖密钥（如果已存在）。 如果replace为False且密钥存在，则会引发错误。
* **encrypt** （ bool ） - 如果为True，则文件将在服务器端由S3加密，并在S3中静止时以加密形式存储。
* `filename( str )` - 要加载的文件的名称。
* `key( str )` - 指向文件的S3键
* `bucket_name( str )` - 存储文件的存储桶的名称
* `replace( bool )` - 一个标志，用于决定是否覆盖密钥（如果已存在）。 如果replace为False且密钥存在，则会引发错误。
* `encrypt( bool )` - 如果为True，则文件将在服务器端由S3加密，并在S3中静止时以加密形式存储。
```py
......@@ -742,11 +742,11 @@ load_string(string_data, key, bucket_name=None, replace=False, encrypt=False, en
参数：
* **string_data** （ str ） - 要设置为键的内容的字符串。
* **key** （ str ） - 指向文件的S3键
* **bucket_name** （ str ） - 存储文件的存储桶的名称
* **replace** （ bool ） - 一个标志，用于决定是否覆盖密钥（如果已存在）
* **encrypt** （ bool ） - 如果为True，则文件将在服务器端由S3加密，并在S3中静止时以加密形式存储。
* `string_data( str )` - 要设置为键的内容的字符串。
* `key( str )` - 指向文件的S3键
* `bucket_name( str )` - 存储文件的存储桶的名称
* `replace( bool )` - 一个标志，用于决定是否覆盖密钥（如果已存在）
* `encrypt( bool )` - 如果为True，则文件将在服务器端由S3加密，并在S3中静止时以加密形式存储。
```py
......@@ -757,8 +757,8 @@ read_key(key, bucket_name=None)
参数：
* **key** （ str ） - 指向文件的S3键
* **bucket_name** （ str ） - 存储文件的存储桶的名称
* `key( str )` - 指向文件的S3键
* `bucket_name( str )` - 存储文件的存储桶的名称
```py
......@@ -769,12 +769,12 @@ select_key(key, bucket_name=None, expression='SELECT * FROM S3Object', expressio
参数：
* **key** （ str ） - 指向文件的S3键
* **bucket_name** （ str ） - 存储文件的存储桶的名称
* **expression** （ str ） - S3选择表达式
* **expression_type** （ str ） - S3选择表达式类型
* **input_serialization** （ dict ） - S3选择输入数据序列化格式
* **output_serialization** （ dict ） - S3选择输出数据序列化格式
* `key( str )` - 指向文件的S3键
* `bucket_name( str )` - 存储文件的存储桶的名称
* `expression( str )` - S3选择表达式
* `expression_type( str )` - S3选择表达式类型
* `input_serialization( dict )` - S3选择输入数据序列化格式
* `output_serialization( dict )` - S3选择输出数据序列化格式
返回：通过S3 Select检索原始数据的子集
......@@ -800,13 +800,13 @@ S3 Select也可用于过滤源内容。 如果指定了S3 Select表达式，则
参数：
* **source_s3_key** （ str ） - 从S3检索的密钥。 （模板）
* **source_aws_conn_id** （ str ） - 源s3连接
* **dest_s3_key** （ str ） - 从S3写入的密钥。 （模板）
* **dest_aws_conn_id** （ str ） - 目标s3连接
* **replace** （ bool ） - 替换dest S3密钥（如果已存在）
* **transform_script** （ str ） - 可执行转换脚本的位置
* **select_expression** （ str ） - S3选择表达式
* `source_s3_key( str )` - 从S3检索的密钥。 （模板）
* `source_aws_conn_id( str )` - 源s3连接
* `dest_s3_key( str )` - 从S3写入的密钥。 （模板）
* `dest_aws_conn_id( str )` - 目标s3连接
* `replace( bool )` - 替换dest S3密钥（如果已存在）
* `transform_script( str )` - 可执行转换脚本的位置
* `select_expression( str )` - S3选择表达式
#### S3ListOperator
......@@ -823,10 +823,10 @@ class airflow.contrib.operators.s3listoperator.S3ListOperator(bucket, prefix='',
参数：
* **bucket** （ str ） - S3存储桶在哪里找到对象。 （模板）
* **prefix** （ str ） - 用于过滤名称以此前缀开头的对象的前缀字符串。 （模板）
* **delimiter** （ str ） - 分隔符标记键层次结构。 （模板）
* **aws_conn_id** （ str ） - 连接到S3存储时使用的连接ID。
* `bucket( str )` - S3存储桶在哪里找到对象。 （模板）
* `prefix( str )` - 用于过滤名称以此前缀开头的对象的前缀字符串。 （模板）
* `delimiter( str )` - 分隔符标记键层次结构。 （模板）
* `aws_conn_id( str )` - 连接到S3存储时使用的连接ID。
```py
......@@ -858,14 +858,14 @@ class airflow.contrib.operators.s3_to_gcs_operator.S3ToGoogleCloudStorageOperato
参数：
* **bucket** （ str ） - S3存储桶在哪里找到对象。 （模板）
* **prefix** （ str ） - 前缀字符串，用于过滤名称以此前缀开头的对象。 （模板）
* **delimiter** （ str ） - 分隔符标记键层次结构。 （模板）
* **aws_conn_id** （ str ） - 源S3连接
* **dest_gcs_conn_id** （ str ） - 连接到Google云端存储时要使用的目标连接ID。
* **dest_gcs** （ str ） - 要存储文件的目标Google云端存储**分区**和前缀。 （模板）
* **delegate_to** （ str ） - 模拟的帐户（如果有）。 为此，发出请求的服务帐户必须启用域范围委派。
* **replace** （ bool ） - 是否要替换现有目标文件。
* `bucket( str )` - S3存储桶在哪里找到对象。 （模板）
* `prefix( str )` - 前缀字符串，用于过滤名称以此前缀开头的对象。 （模板）
* `delimiter( str )` - 分隔符标记键层次结构。 （模板）
* `aws_conn_id( str )` - 源S3连接
* `dest_gcs_conn_id( str )` - 连接到Google云端存储时要使用的目标连接ID。
* `dest_gcs( str )` - 要存储文件的目标Google云端存储**分区**和前缀。 （模板）
* `delegate_to( str )` - 模拟的帐户（如果有）。 为此，发出请求的服务帐户必须启用域范围委派。
* `replace( bool )` - 是否要替换现有目标文件。
**示例** ：.. code-block :: python
......@@ -892,21 +892,21 @@ class airflow.operators.s3_to_hive_operator.S3ToHiveTransfer(s3_key, field_dict,
参数：
* **s3_key** （ str ） - 从S3检索的密钥。 （模板）
* **field_dict** （ dict ） - 字段的字典在文件中命名为键，其Hive类型为值
* **hive_table** （ str ） - 目标Hive表，使用点表示法来定位特定数据库。 （模板）
* **create** （ bool ） - 是否创建表，如果它不存在
* **recreate** （ bool ） - 是否在每次执行时删除并重新创建表
* **partition** （ dict ） - 将目标分区作为分区列和值的字典。 （模板）
* **headers** （ bool ） - 文件是否包含第一行的列名
* **check_headers** （ bool ） - 是否应该根据field_dict的键检查第一行的列名
* **wildcard_match** （ bool ） - 是否应将s3_key解释为Unix通配符模式
* **delimiter** （ str ） - 文件中的字段分隔符
* **aws_conn_id** （ str ） - 源s3连接
* **hive_cli_conn_id** （ str ） - 目标配置单元连接
* **input_compressed** （ bool ） - 布尔值，用于确定是否需要文件解压缩来处理标头
* **tblproperties** （ dict ） - 正在创建的hive表的TBLPROPERTIES
* **select_expression** （ str ） - S3选择表达式
* `s3_key( str )` - 从S3检索的密钥。 （模板）
* `field_dict( dict )` - 字段的字典在文件中命名为键，其Hive类型为值
* `hive_table( str )` - 目标Hive表，使用点表示法来定位特定数据库。 （模板）
* `create( bool )` - 是否创建表，如果它不存在
* `recreate( bool )` - 是否在每次执行时删除并重新创建表
* `partition( dict )` - 将目标分区作为分区列和值的字典。 （模板）
* `headers( bool )` - 文件是否包含第一行的列名
* `check_headers( bool )` - 是否应该根据field_dict的键检查第一行的列名
* `wildcard_match( bool )` - 是否应将s3_key解释为Unix通配符模式
* `delimiter( str )` - 文件中的字段分隔符
* `aws_conn_id( str )` - 源s3连接
* `hive_cli_conn_id( str )` - 目标配置单元连接
* `input_compressed( bool )` - 布尔值，用于确定是否需要文件解压缩来处理标头
* `tblproperties( dict )` - 正在创建的hive表的TBLPROPERTIES
* `select_expression( str )` - S3选择表达式
### AWS EC2容器服务
......@@ -925,9 +925,9 @@ class airflow.contrib.operators.ecs_operator.ECSOperator(task_definition, cluste
参数：
* **task_definition** （ str ） - EC2容器服务上的任务定义名称
* **cluster** （ str ） - EC2 Container Service上的群集名称
* **aws_conn_id** （ str ） - AWS凭证/区域名称的连接ID。 如果为None，将使用凭证boto3策略（ [http://boto3.readthedocs.io/en/latest/guide/configuration.html](http://boto3.readthedocs.io/en/latest/guide/configuration.html) ）。
* `task_definition( str )` - EC2容器服务上的任务定义名称
* `cluster( str )` - EC2 Container Service上的群集名称
* `aws_conn_id( str )` - AWS凭证/区域名称的连接ID。 如果为None，将使用凭证boto3策略（ [http://boto3.readthedocs.io/en/latest/guide/configuration.html](http://boto3.readthedocs.io/en/latest/guide/configuration.html) ）。
* **region_name** - 要在AWS Hook中使用的区域名称。 覆盖连接中的region_name（如果提供）
* **launch_type** - 运行任务的启动类型（'EC2'或'FARGATE'）
......@@ -953,11 +953,11 @@ class airflow.contrib.operators.awsbatch_operator.AWSBatchOperator(job_name, job
参数：
* **job_name** （ str ） - 将在AWS Batch上运行的作业的名称
* **job_definition** （ str ） - AWS Batch上的作业定义名称
* **job_queue** （ str ） - AWS Batch上的队列名称
* **max_retries** （ int ） - 服务器未合并时的指数退避重试，4200 = 48小时
* **aws_conn_id** （ str ） - AWS凭证/区域名称的连接ID。 如果为None，将使用凭证boto3策略（ [http://boto3.readthedocs.io/en/latest/guide/configuration.html](http://boto3.readthedocs.io/en/latest/guide/configuration.html) ）。
* `job_name( str )` - 将在AWS Batch上运行的作业的名称
* `job_definition( str )` - AWS Batch上的作业定义名称
* `job_queue( str )` - AWS Batch上的队列名称
* `max_retries( int )` - 服务器未合并时的指数退避重试，4200 = 48小时
* `aws_conn_id( str )` - AWS凭证/区域名称的连接ID。 如果为None，将使用凭证boto3策略（ [http://boto3.readthedocs.io/en/latest/guide/configuration.html](http://boto3.readthedocs.io/en/latest/guide/configuration.html) ）。
* **region_name** - 要在AWS Hook中使用的区域名称。 覆盖连接中的region_name（如果提供）
参数：覆盖：boto3将在containerOverrides上接收的相同参数（模板化）： [http](http://boto3.readthedocs.io/en/latest/reference/services/batch.html) ：//boto3.readthedocs.io/en/latest/reference/services/batch.html#submit_job
......@@ -983,8 +983,8 @@ class airflow.contrib.sensors.aws_redshift_cluster_sensor.AwsRedshiftClusterSens
参数：
* **cluster_identifier** （ str ） - 要ping的集群的标识符。
* **target_status** （ str ） - 所需的集群状态。
* `cluster_identifier( str )` - 要ping的集群的标识符。
* `target_status( str )` - 所需的集群状态。
```py
......@@ -1009,7 +1009,7 @@ cluster_status(cluster_identifier)
返回群集的状态
参数：**cluster_identifier** （ str ） - 集群的唯一标识符
参数：`cluster_identifier( str )` - 集群的唯一标识符
```py
......@@ -1020,8 +1020,8 @@ create_cluster_snapshot(snapshot_identifier, cluster_identifier)
参数：
* **snapshot_identifier** （ str ） - 群集快照的唯一标识符
* **cluster_identifier** （ str ） - 集群的唯一标识符
* `snapshot_identifier( str )` - 群集快照的唯一标识符
* `cluster_identifier( str )` - 集群的唯一标识符
```py
......@@ -1032,9 +1032,9 @@ delete_cluster(cluster_identifier, skip_final_cluster_snapshot=True, final_clust
参数：
* **cluster_identifier** （ str ） - 集群的唯一标识符
* **skip_final_cluster_snapshot** （ bool ） - 确定群集快照创建
* **final_cluster_snapshot_identifier** （ str ） - 最终集群快照的名称
* `cluster_identifier( str )` - 集群的唯一标识符
* `skip_final_cluster_snapshot( bool )` - 确定群集快照创建
* `final_cluster_snapshot_identifier( str )` - 最终集群快照的名称
```py
......@@ -1043,7 +1043,7 @@ describe_cluster_snapshots(cluster_identifier)
获取群集的快照列表
参数：**cluster_identifier** （ str ） - 集群的唯一标识符
参数：`cluster_identifier( str )` - 集群的唯一标识符
```py
......@@ -1054,8 +1054,8 @@ restore_from_cluster_snapshot(cluster_identifier, snapshot_identifier)
参数：
* **cluster_identifier** （ str ） - 集群的唯一标识符
* **snapshot_identifier**（str） - 群集快照的唯一标识符
* `cluster_identifier( str )` - 集群的唯一标识符
* `snapshot_identifier(str)` - 群集快照的唯一标识符
#### RedshiftToS3Transfer
......@@ -1070,13 +1070,13 @@ class airflow.operators.redshift_to_s3_operator.RedshiftToS3Transfer（schema，
参数：
* **schema**（str） - 对redshift数据库中特定模式的引用
* **table**（str） - 对redshift数据库中特定表的引用
* **s3_bucket**（str） - 对特定S3存储桶的引用
* **s3_key**（str） - 对特定S3密钥的引用
* **redshift_conn_id**（str） - 对特定redshift数据库的引用
* **aws_conn_id**（str） - 对特定S3连接的引用
* **unload_options**（list） - 对UNLOAD选项列表的引用
* `schema(str)` - 对redshift数据库中特定模式的引用
* `table(str)` - 对redshift数据库中特定表的引用
* `s3_bucket(str)` - 对特定S3存储桶的引用
* `s3_key(str)` - 对特定S3密钥的引用
* `redshift_conn_id(str)` - 对特定redshift数据库的引用
* `aws_conn_id(str)` - 对特定S3连接的引用
* `unload_options(list)` - 对UNLOAD选项列表的引用
#### S3ToRedshiftTransfer
......@@ -1091,13 +1091,13 @@ class airflow.operators.s3_to_redshift_operator.S3ToRedshiftTransfer（schema，
参数：
* **schema**（str） - 对redshift数据库中特定模式的引用
* **table**（str） - 对redshift数据库中特定表的引用
* **s3_bucket**（str） - 对特定S3存储桶的引用
* **s3_key**（str） - 对特定S3密钥的引用
* **redshift_conn_id**（str） - 对特定redshift数据库的引用
* **aws_conn_id**（str） - 对特定S3连接的引用
* **copy_options**（list） - 对COPY选项列表的引用
* `schema(str)` - 对redshift数据库中特定模式的引用
* `table(str)` - 对redshift数据库中特定表的引用
* `s3_bucket(str)` - 对特定S3存储桶的引用
* `s3_key(str)` - 对特定S3密钥的引用
* `redshift_conn_id(str)` - 对特定redshift数据库的引用
* `aws_conn_id(str)` - 对特定S3连接的引用
* `copy_options(list)` - 对COPY选项列表的引用
## Databricks
......@@ -1165,7 +1165,7 @@ notebook_run = DatabricksSubmitRunOperator (
参数：
* **json**（dict） -
* `json(dict)` -
包含API参数的JSON对象，将直接传递给`api/2.0/jobs/runs/submit`端点。其他命名参数（即`spark_jar_task`，`notebook_task`..）到该运营商将与此JSON字典合并如果提供他们。如果在合并期间存在冲突，则命名参数将优先并覆盖顶级json键。（模板）
......@@ -1173,7 +1173,7 @@ notebook_run = DatabricksSubmitRunOperator (
有关模板的更多信息，请参阅[Jinja模板](concepts.html)。[https://docs.databricks.com/api/latest/jobs.html#runs-submit](https://docs.databricks.com/api/latest/jobs.html)
* **spark_jar_task**（dict） -
* `spark_jar_task(dict)` -
JAR任务的主要类和参数。请注意，实际的JAR在`libraries`。中指定。_无论是_ `spark_jar_task` _或_ `notebook_task`应符合规定。该字段将被模板化。
......@@ -1181,7 +1181,7 @@ notebook_run = DatabricksSubmitRunOperator (
[https://docs.databricks.com/api/latest/jobs.html#jobssparkjartask](https://docs.databricks.com/api/latest/jobs.html)
* **notebook_task**（dict） -
* `notebook_task(dict)` -
笔记本任务的笔记本路径和参数。_无论是_ `spark_jar_task` _或_ `notebook_task`应符合规定。该字段将被模板化。
......@@ -1189,7 +1189,7 @@ notebook_run = DatabricksSubmitRunOperator (
[https://docs.databricks.com/api/latest/jobs.html#jobsnotebooktask](https://docs.databricks.com/api/latest/jobs.html)
* **new_cluster**（dict） -
* `new_cluster(dict)` -
将在其上运行此任务的新群集的规范。_无论是_ `new_cluster` _或_ `existing_cluster_id`应符合规定。该字段将被模板化。
......@@ -1197,8 +1197,8 @@ notebook_run = DatabricksSubmitRunOperator (
[https://docs.databricks.com/api/latest/jobs.html#jobsclusterspecnewcluster](https://docs.databricks.com/api/latest/jobs.html)
* **existing_cluster_id**（str） - 要运行此任务的现有集群的ID。_无论是_ `new_cluster` _或_ `existing_cluster_id`应符合规定。该字段将被模板化。
* **图书馆**（list[dict]） -
* `existing_cluster_id(str)` - 要运行此任务的现有集群的ID。_无论是_ `new_cluster` _或_ `existing_cluster_id`应符合规定。该字段将被模板化。
* `图书馆(list[dict])` -
这个运行的库将使用。该字段将被模板化。
......@@ -1206,12 +1206,12 @@ notebook_run = DatabricksSubmitRunOperator (
[https://docs.databricks.com/api/latest/libraries.html#managedlibrarieslibrary](https://docs.databricks.com/api/latest/libraries.html)
* **run_name**（str） - 用于此任务的运行名称。默认情况下，这将设置为Airflow `task_id`。这`task_id`是超类的必需参数`BaseOperator`。该字段将被模板化。
* **timeout_seconds**（int32） - 此次运行的超时。默认情况下，使用值0表示没有超时。该字段将被模板化。
* **databricks_conn_id**（str） - 要使用的Airflow连接的名称。默认情况下，在常见情况下，这将是`databricks_default`。要使用基于令牌的身份验证，请`token`在连接的额外字段中提供密钥。
* **polling_period_seconds**（int） - 控制我们轮询此运行结果的速率。默认情况下，操作员每30秒轮询一次。
* **databricks_retry_limit**（int） - 如果Databricks后端无法访问，则重试的次数。其值必须大于或等于1。
* **do_xcom_push**（bool） - 我们是否应该将run_id和run_page_url推送到xcom。
* `run_name(str)` - 用于此任务的运行名称。默认情况下，这将设置为Airflow `task_id`。这`task_id`是超类的必需参数`BaseOperator`。该字段将被模板化。
* `timeout_seconds(int32)` - 此次运行的超时。默认情况下，使用值0表示没有超时。该字段将被模板化。
* `databricks_conn_id(str)` - 要使用的Airflow连接的名称。默认情况下，在常见情况下，这将是`databricks_default`。要使用基于令牌的身份验证，请`token`在连接的额外字段中提供密钥。
* `polling_period_seconds(int)` - 控制我们轮询此运行结果的速率。默认情况下，操作员每30秒轮询一次。
* `databricks_retry_limit(int)` - 如果Databricks后端无法访问，则重试的次数。其值必须大于或等于1。
* `do_xcom_push(bool)` - 我们是否应该将run_id和run_page_url推送到xcom。
## GCP：Google云端平台
......@@ -1262,8 +1262,8 @@ class airflow.contrib.operators.bigquery_check_operator.BigQueryCheckOperator（
参数：
* **sql**（str） - 要执行的sql
* **bigquery_conn_id**（str） - 对BigQuery数据库的引用
* `sql(str)` - 要执行的sql
* `bigquery_conn_id(str)` - 对BigQuery数据库的引用
##### BigQueryValueCheckOperator
......@@ -1276,7 +1276,7 @@ class airflow.contrib.operators.bigquery_check_operator.BigQueryValueCheckOperat
使用sql代码执行简单的值检查。
参数：**sql**（str） - 要执行的sql
参数：`sql(str)` - 要执行的sql
##### BigQueryIntervalCheckOperator
......@@ -1299,9 +1299,9 @@ class airflow.contrib.operators.bigquery_check_operator.BigQueryIntervalCheckOpe
参数：
* **table**（str） - 表名
* **days_back**（int） - ds与我们要检查的ds之间的天数。默认为7天
* **metrics_threshold**（dict） - 由指标索引的比率字典，例如'COUNT（*）'：1.5将需要当前日和之前的days_back之间50％或更小的差异。
* `table(str)` - 表名
* `days_back(int)` - ds与我们要检查的ds之间的天数。默认为7天
* `metrics_threshold(dict)` - 由指标索引的比率字典，例如'COUNT（*）'：1.5将需要当前日和之前的days_back之间50％或更小的差异。
##### BigQueryGetDataOperator
......@@ -1337,11 +1337,11 @@ class airflow.contrib.operators.bigquery_get_data.BigQueryGetDataOperator（data
参数：
* **dataset_id** - 请求的表的数据集ID。（模板）
* **table_id**（str） - 请求表的表ID。（模板）
* **max_results**（str） - 从表中获取的最大记录数（行数）。（模板）
* **selected_fields**（str） - 要返回的字段列表（逗号分隔）。如果未指定，则返回所有字段。
* **bigquery_conn_id**（str） - 对特定BigQuery钩子的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `table_id(str)` - 请求表的表ID。（模板）
* `max_results(str)` - 从表中获取的最大记录数（行数）。（模板）
* `selected_fields(str)` - 要返回的字段列表（逗号分隔）。如果未指定，则返回所有字段。
* `bigquery_conn_id(str)` - 对特定BigQuery钩子的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
##### BigQueryCreateEmptyTableOperator
......@@ -1358,10 +1358,10 @@ class airflow.contrib.operators.bigquery_operator.BigQueryCreateEmptyTableOperat
参数：
* **project_id**（str） - 将表创建的项目。（模板）
* **dataset_id**（str） - 用于创建表的数据集。（模板）
* **table_id**（str） - 要创建的表的名称。（模板）
* **schema_fields**（list） -
* `project_id(str)` - 将表创建的项目。（模板）
* `dataset_id(str)` - 用于创建表的数据集。（模板）
* `table_id(str)` - 要创建的表的名称。（模板）
* `schema_fields(list)` -
如果设置，则此处定义的架构字段列表：[https](https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs)：[//cloud.google.com/bigquery/docs/reference/rest/v2/jobs#configuration.load.schema](https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs)
......@@ -1373,8 +1373,8 @@ class airflow.contrib.operators.bigquery_operator.BigQueryCreateEmptyTableOperat
```
* **gcs_schema_object**（str） - 包含模式（模板化）的JSON文件的完整路径。例如：`gs://test-bucket/dir1/dir2/employee_schema.json`
* **time_partitioning**（dict） -
* `gcs_schema_object(str)` - 包含模式（模板化）的JSON文件的完整路径。例如：`gs://test-bucket/dir1/dir2/employee_schema.json`
* `time_partitioning(dict)` -
配置可选的时间分区字段，即按API规范按字段，类型和到期分区。
......@@ -1382,9 +1382,9 @@ class airflow.contrib.operators.bigquery_operator.BigQueryCreateEmptyTableOperat
[https://cloud.google.com/bigquery/docs/reference/rest/v2/tables#timePartitioning](https://cloud.google.com/bigquery/docs/reference/rest/v2/tables)
* **bigquery_conn_id**（str） - 对特定BigQuery挂钩的引用。
* **google_cloud_storage_conn_id**（str） - 对特定Google云存储挂钩的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `bigquery_conn_id(str)` - 对特定BigQuery挂钩的引用。
* `google_cloud_storage_conn_id(str)` - 对特定Google云存储挂钩的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
**示例（在GCS中使用模式JSON）**：
......@@ -1450,10 +1450,10 @@ class airflow.contrib.operators.bigquery_operator.BigQueryCreateExternalTableOpe
参数：
* **bucket**（str） - 指向外部表的存储桶。（模板）
* `bucket(str)` - 指向外部表的存储桶。（模板）
* **source_objects** - 指向表格的Google云存储URI列表。（模板化）如果source_format是'DATASTORE_BACKUP'，则列表必须只包含一个URI。
* **destination_project_dataset_table**（str） - 用于将数据加载到（模板化）的虚线（<project>。）<dataset>。<table> BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。
* **schema_fields**（list） -
* `destination_project_dataset_table(str)` - 用于将数据加载到（模板化）的虚线（<project>。）<dataset>。<table> BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。
* `schema_fields(list)` -
如果设置，则此处定义的架构字段列表：[https](https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs)：[//cloud.google.com/bigquery/docs/reference/rest/v2/jobs#configuration.load.schema](https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs)
......@@ -1469,18 +1469,18 @@ class airflow.contrib.operators.bigquery_operator.BigQueryCreateExternalTableOpe
* **schema_object** - 如果设置，则指向包含表的架构的.json文件的GCS对象路径。（模板）
* **schema_object** - 字符串
* **source_format**（str） - 数据的文件格式。
* **compression**（str） - [可选]数据源的压缩类型。可能的值包括GZIP和NONE。默认值为NONE。Google Cloud Bigtable，Google Cloud Datastore备份和Avro格式会忽略此设置。
* **skip_leading_rows**（int） - 从CSV加载时要跳过的行数。
* **field_delimiter**（str） - 用于CSV的分隔符。
* **max_bad_records**（int） - BigQuery在运行作业时可以忽略的最大错误记录数。
* **quote_character**（str） - 用于引用CSV文件中数据部分的值。
* **allow_quoted_newlines**（bool） - 是否允许引用的换行符（true）或不允许（false）。
* **allow_jagged_rows**（bool） - 接受缺少尾随可选列的行。缺失值被视为空值。如果为false，则缺少尾随列的记录将被视为错误记录，如果错误记录太多，则会在作业结果中返回无效错误。仅适用于CSV，忽略其他格式。
* **bigquery_conn_id**（str） - 对特定BigQuery挂钩的引用。
* **google_cloud_storage_conn_id**（str） - 对特定Google云存储挂钩的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **src_fmt_configs**（dict） - 配置特定于源格式的可选字段
* `source_format(str)` - 数据的文件格式。
* `compression(str)` - [可选]数据源的压缩类型。可能的值包括GZIP和NONE。默认值为NONE。Google Cloud Bigtable，Google Cloud Datastore备份和Avro格式会忽略此设置。
* `skip_leading_rows(int)` - 从CSV加载时要跳过的行数。
* `field_delimiter(str)` - 用于CSV的分隔符。
* `max_bad_records(int)` - BigQuery在运行作业时可以忽略的最大错误记录数。
* `quote_character(str)` - 用于引用CSV文件中数据部分的值。
* `allow_quoted_newlines(bool)` - 是否允许引用的换行符（true）或不允许（false）。
* `allow_jagged_rows(bool)` - 接受缺少尾随可选列的行。缺失值被视为空值。如果为false，则缺少尾随列的记录将被视为错误记录，如果错误记录太多，则会在作业结果中返回无效错误。仅适用于CSV，忽略其他格式。
* `bigquery_conn_id(str)` - 对特定BigQuery挂钩的引用。
* `google_cloud_storage_conn_id(str)` - 对特定Google云存储挂钩的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `src_fmt_configs(dict)` - 配置特定于源格式的可选字段
##### BigQueryDeleteDatasetOperator
......@@ -1497,23 +1497,23 @@ class airflow.contrib.operators.bigquery_operator.BigQueryOperator（bql = None
参数：
* **BQL**（可接收表示SQL语句中的海峡，海峡列表（SQL语句），或参照模板文件模板引用在“.SQL”结束海峡认可。） - （不推荐使用。`SQL`参数代替）要执行的sql代码（模板化）
* **SQL**（可接收表示SQL语句中的海峡，海峡列表（SQL语句），或参照模板文件模板引用在“.SQL”结束海峡认可。） - SQL代码被执行（模板）
* **destination_dataset_table**（str） - 一个虚线（<project>。| <project>：）<dataset>。<table>，如果设置，将存储查询结果。（模板）
* **write_disposition**（str） - 指定目标表已存在时发生的操作。（默认：'WRITE_EMPTY'）
* **create_disposition**（str） - 指定是否允许作业创建新表。（默认值：'CREATE_IF_NEEDED'）
* **allow_large_results**（bool） - 是否允许大结果。
* **flatten_results**（bool） - 如果为true且查询使用旧版SQL方言，则展平查询结果中的所有嵌套和重复字段。`allow_large_results`必须是`true`如果设置为`false`。对于标准SQL查询，将忽略此标志，并且结果永远不会展平。
* **bigquery_conn_id**（str） - 对特定BigQuery钩子的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **udf_config**（list） - 查询的用户定义函数配置。有关详细信息，请参阅[https://cloud.google.com/bigquery/user-defined-functions](https://cloud.google.com/bigquery/user-defined-functions)。
* **use_legacy_sql**（bool） - 是使用旧SQL（true）还是标准SQL（false）。
* **maximum_billing_tier**（_整数_） - 用作基本价格乘数的正整数。默认为None，在这种情况下，它使用项目中设置的值。
* **maximumbytesbilled**（_float_） - 限制为此作业计费的字节数。超出此限制的字节数的查询将失败（不会产生费用）。如果未指定，则将其设置为项目默认值。
* **schema_update_options**（_tuple_） - 允许更新目标表的模式作为加载作业的副作用。
* **query_params**（dict） - 包含查询参数类型和值的字典，传递给BigQuery。
* **priority**（str） - 指定查询的优先级。可能的值包括INTERACTIVE和BATCH。默认值为INTERACTIVE。
* **time_partitioning**（dict） - 配置可选的时间分区字段，即按API规范按字段，类型和到期分区。请注意，'field'不能与dataset.table $ partition一起使用。
* `BQL(可接收表示SQL语句中的海峡，海峡列表（SQL语句），或参照模板文件模板引用在“.SQL”结束海峡认可。)` - （不推荐使用。`SQL`参数代替）要执行的sql代码（模板化）
* `SQL(可接收表示SQL语句中的海峡，海峡列表（SQL语句），或参照模板文件模板引用在“.SQL”结束海峡认可。)` - SQL代码被执行（模板）
* `destination_dataset_table(str)` - 一个虚线（<project>。| <project>：）<dataset>。<table>，如果设置，将存储查询结果。（模板）
* `write_disposition(str)` - 指定目标表已存在时发生的操作。（默认：'WRITE_EMPTY'）
* `create_disposition(str)` - 指定是否允许作业创建新表。（默认值：'CREATE_IF_NEEDED'）
* `allow_large_results(bool)` - 是否允许大结果。
* `flatten_results(bool)` - 如果为true且查询使用旧版SQL方言，则展平查询结果中的所有嵌套和重复字段。`allow_large_results`必须是`true`如果设置为`false`。对于标准SQL查询，将忽略此标志，并且结果永远不会展平。
* `bigquery_conn_id(str)` - 对特定BigQuery钩子的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `udf_config(list)` - 查询的用户定义函数配置。有关详细信息，请参阅[https://cloud.google.com/bigquery/user-defined-functions](https://cloud.google.com/bigquery/user-defined-functions)。
* `use_legacy_sql(bool)` - 是使用旧SQL（true）还是标准SQL（false）。
* `maximum_billing_tier(int)` - 用作基本价格乘数的正整数。默认为None，在这种情况下，它使用项目中设置的值。
* `maximumbytesbilled(float)` - 限制为此作业计费的字节数。超出此限制的字节数的查询将失败（不会产生费用）。如果未指定，则将其设置为项目默认值。
* `schema_update_options(tuple)` - 允许更新目标表的模式作为加载作业的副作用。
* `query_params(dict)` - 包含查询参数类型和值的字典，传递给BigQuery。
* `priority(str)` - 指定查询的优先级。可能的值包括INTERACTIVE和BATCH。默认值为INTERACTIVE。
* `time_partitioning(dict)` - 配置可选的时间分区字段，即按API规范按字段，类型和到期分区。请注意，'field'不能与dataset.table $ partition一起使用。
##### BigQueryTableDeleteOperator
......@@ -1528,10 +1528,10 @@ class airflow.contrib.operators.bigquery_table_delete_operator.BigQueryTableDele
参数：
* **deletion_dataset_table**（str） - 一个虚线（<project>。| <project>：）<dataset>。<table>，指示将删除哪个表。（模板）
* **bigquery_conn_id**（str） - 对特定BigQuery钩子的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **ignore_if_missing**（bool） - 如果为True，则即使请求的表不存在也返回成功。
* `deletion_dataset_table(str)` - 一个虚线（<project>。| <project>：）<dataset>。<table>，指示将删除哪个表。（模板）
* `bigquery_conn_id(str)` - 对特定BigQuery钩子的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `ignore_if_missing(bool)` - 如果为True，则即使请求的表不存在也返回成功。
##### BigQueryToBigQueryOperator
......@@ -1550,12 +1550,12 @@ class airflow.contrib.operators.bigquery_to_bigquery.BigQueryToBigQueryOperator
参数：
* **source_project_dataset_tables**（_list | string_） - 一个或多个点（项目：[|](28)项目。）<dataset>。<table>用作源数据的BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。如果有多个源表，请使用列表。（模板）
* **destination_project_dataset_table**（str） - 目标BigQuery表。格式为：（project：[|](28) project。）<dataset>。<table>（模板化）
* **write_disposition**（str） - 表已存在时的写处置。
* **create_disposition**（str） - 如果表不存在，则创建处置。
* **bigquery_conn_id**（str） - 对特定BigQuery钩子的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `source_project_dataset_tables(list[str])` - 一个或多个点（项目：[|](28)项目。）<dataset>。<table>用作源数据的BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。如果有多个源表，请使用列表。（模板）
* `destination_project_dataset_table(str)` - 目标BigQuery表。格式为：（project：[|](28) project。）<dataset>。<table>（模板化）
* `write_disposition(str)` - 表已存在时的写处置。
* `create_disposition(str)` - 如果表不存在，则创建处置。
* `bigquery_conn_id(str)` - 对特定BigQuery钩子的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
##### BigQueryToCloudStorageOperator
......@@ -1574,14 +1574,14 @@ class airflow.contrib.operators.bigquery_to_gcs.BigQueryToCloudStorageOperator
参数：
* **source_project_dataset_table**（str） - 用作源数据的虚线（<project>。| <project>：）<dataset>。<table> BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。（模板）
* **destination_cloud_storage_uris**（list） - 目标Google云端存储URI（例如gs：//some-bucket/some-file.txt）。（模板化）遵循此处定义的惯例：https：//cloud.google.com/bigquery/exporting-data-from-bigquery#exportingmultiple
* **compression**（str） - 要使用的压缩类型。
* `source_project_dataset_table(str)` - 用作源数据的虚线（<project>。| <project>：）<dataset>。<table> BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。（模板）
* `destination_cloud_storage_uris(list)` - 目标Google云端存储URI（例如gs：//some-bucket/some-file.txt）。（模板化）遵循此处定义的惯例：https：//cloud.google.com/bigquery/exporting-data-from-bigquery#exportingmultiple
* `compression(str)` - 要使用的压缩类型。
* **export_format** - 要导出的文件格式。
* **field_delimiter**（str） - 提取到CSV时使用的分隔符。
* **print_header**（bool） - 是否打印CSV文件提取的标头。
* **bigquery_conn_id**（str） - 对特定BigQuery钩子的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `field_delimiter(str)` - 提取到CSV时使用的分隔符。
* `print_header(bool)` - 是否打印CSV文件提取的标头。
* `bigquery_conn_id(str)` - 对特定BigQuery钩子的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
#### BigQueryHook
......@@ -1610,9 +1610,9 @@ get_pandas_df（sql，parameters = None，dialect = None）
参数：
* **sql**（str） - 要执行的BigQuery SQL。
* **参数**（_映射_ _或_ _可迭代_） - 用于呈现SQL查询的参数（未使用，请保留覆盖超类方法）
* **dialect**（_{'legacy' __，_ _'standard'}中的_str） - BigQuery SQL的方言 - 遗留SQL或标准SQL默认使用`self.use_legacy_sql（`如果未指定）
* `sql(str)` - 要执行的BigQuery SQL。
* `参数(map 或 iterable)` - 用于呈现SQL查询的参数（未使用，请保留覆盖超类方法）
* `dialect({'legacy', 'standard'})` - BigQuery SQL的方言 - 遗留SQL或标准SQL默认使用`self.use_legacy_sql（`如果未指定）
```py
......@@ -1635,9 +1635,9 @@ table_exists（project_id，dataset_id，table_id）
参数：
* **project_id**（str） - 要在其中查找表的Google云项目。提供给钩子的连接必须提供对指定项目的访问。
* **dataset_id**（str） - 要在其中查找表的数据集的名称。
* **table_id**（str） - 要检查的表的名称。
* `project_id(str)` - 要在其中查找表的Google云项目。提供给钩子的连接必须提供对指定项目的访问。
* `dataset_id(str)` - 要在其中查找表的数据集的名称。
* `table_id(str)` - 要检查的表的名称。
### 云DataFlow
......@@ -1831,34 +1831,34 @@ class airflow.contrib.operators.dataproc_operator.DataprocClusterCreateOperator
参数：
* **cluster_name**（str） - 要创建的DataProc集群的名称。（模板）
* **project_id**（str） - 用于创建集群的Google云项目的ID。（模板）
* **num_workers**（int） - 旋转的工人数量
* **storage_bucket**（str） - 要使用的存储桶，设置为None允许dataproc为您生成自定义存储桶
* **init_actions_uris**（_list __[ __string __]_） - 包含数据空间初始化脚本的GCS uri列表
* **init_action_timeout**（str） - init_actions_uris中可执行脚本必须完成的时间
* **元数据**（_字典_） - 要添加到所有实例的键值google计算引擎元数据条目的字典
* **image_version**（str） - Dataproc集群内的软件版本
* **属性**（_字典_） -性能上的配置文件设置的字典（如火花defaults.conf），见[https://cloud.google.com/dataproc/docs/reference/rest/v1/](https://cloud.google.com/dataproc/docs/reference/rest/v1/) projects.regions.clusters＃SoftwareConfig
* **master_machine_type**（str） - 计算要用于主节点的引擎机器类型
* **master_disk_size**（int） - 主节点的磁盘大小
* **worker_machine_type**（str） - 计算要用于工作节点的引擎计算机类型
* **worker_disk_size**（int） - 工作节点的磁盘大小
* **num_preemptible_workers**（int） - 要旋转的可抢占工作节点数
* **labels**（dict） - 要添加到集群的标签的字典
* **zone**（str） - 群集所在的区域。（模板）
* **network_uri**（str） - 用于机器通信的网络uri，不能用subnetwork_uri指定
* **subnetwork_uri**（str） - 无法使用network_uri指定要用于机器通信的子网uri
* **internal_ip_only**（bool） - 如果为true，则群集中的所有实例将只具有内部IP地址。这只能为启用子网的网络启用
* **tags**（_list __[ __string __]_） - 要添加到所有实例的GCE标记
* `cluster_name(str)` - 要创建的DataProc集群的名称。（模板）
* `project_id(str)` - 用于创建集群的Google云项目的ID。（模板）
* `num_workers(int)` - 旋转的工人数量
* `storage_bucket(str)` - 要使用的存储桶，设置为None允许dataproc为您生成自定义存储桶
* `init_actions_uris(list[str])` - 包含数据空间初始化脚本的GCS uri列表
* `init_action_timeout(str)` - init_actions_uris中可执行脚本必须完成的时间
* `元数据(dict)` - 要添加到所有实例的键值google计算引擎元数据条目的字典
* `image_version(str)` - Dataproc集群内的软件版本
* `属性(dict)` -性能上的配置文件设置的字典（如火花defaults.conf），见[https://cloud.google.com/dataproc/docs/reference/rest/v1/](https://cloud.google.com/dataproc/docs/reference/rest/v1/) projects.regions.clusters＃SoftwareConfig
* `master_machine_type(str)` - 计算要用于主节点的引擎机器类型
* `master_disk_size(int)` - 主节点的磁盘大小
* `worker_machine_type(str)` - 计算要用于工作节点的引擎计算机类型
* `worker_disk_size(int)` - 工作节点的磁盘大小
* `num_preemptible_workers(int)` - 要旋转的可抢占工作节点数
* `labels(dict)` - 要添加到集群的标签的字典
* `zone(str)` - 群集所在的区域。（模板）
* `network_uri(str)` - 用于机器通信的网络uri，不能用subnetwork_uri指定
* `subnetwork_uri(str)` - 无法使用network_uri指定要用于机器通信的子网uri
* `internal_ip_only(bool)` - 如果为true，则群集中的所有实例将只具有内部IP地址。这只能为启用子网的网络启用
* `tags(list[str])` - 要添加到所有实例的GCE标记
* **地区** - 作为'全球'留下，可能在未来变得相关。（模板）
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **service_account**（str） - dataproc实例的服务帐户。
* **service_account_scopes**（_list __[ __string __]_） - 要包含的服务帐户范围的URI。
* **idle_delete_ttl**（int） - 群集在保持空闲状态时保持活动状态的最长持续时间。通过此阈值将导致群集被自动删除。持续时间（秒）。
* **auto_delete_time**（_datetime.datetime_） - 自动删除群集的时间。
* **auto_delete_ttl**（int） - 群集的生命周期，群集将在此持续时间结束时自动删除。持续时间（秒）。（如果设置了auto_delete_time，则将忽略此参数）
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `service_account(str)` - dataproc实例的服务帐户。
* `service_account_scopes(list[str])` - 要包含的服务帐户范围的URI。
* `idle_delete_ttl(int)` - 群集在保持空闲状态时保持活动状态的最长持续时间。通过此阈值将导致群集被自动删除。持续时间（秒）。
* `auto_delete_time(datetime.datetime)` - 自动删除群集的时间。
* `auto_delete_ttl(int)` - 群集的生命周期，群集将在此持续时间结束时自动删除。持续时间（秒）。（如果设置了auto_delete_time，则将忽略此参数）
##### DataprocClusterScaleOperator
......@@ -1885,14 +1885,14 @@ task_id ='dataproc_scale'，project_id ='my-project'，cluster_name ='cluster-1'
参数：
* **cluster_name**（str） - 要扩展的集群的名称。（模板）
* **project_id**（str） - 群集运行的Google云项目的ID。（模板）
* **region**（str） - 数据通路簇的区域。（模板）
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **num_workers**（int） - 新的工人数量
* **num_preemptible_workers**（int） - 新的可抢占工人数量
* **graceful_decommission_timeout**（str） - 优雅的YARN decomissioning超时。最大值为1d
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `cluster_name(str)` - 要扩展的集群的名称。（模板）
* `project_id(str)` - 群集运行的Google云项目的ID。（模板）
* `region(str)` - 数据通路簇的区域。（模板）
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `num_workers(int)` - 新的工人数量
* `num_preemptible_workers(int)` - 新的可抢占工人数量
* `graceful_decommission_timeout(str)` - 优雅的YARN decomissioning超时。最大值为1d
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
##### DataprocClusterDeleteOperator
......@@ -1907,11 +1907,11 @@ class airflow.contrib.operators.dataproc_operator.DataprocClusterDeleteOperator
参数：
* **cluster_name**（str） - 要创建的集群的名称。（模板）
* **project_id**（str） - 群集运行的Google云项目的ID。（模板）
* **region**（str） - 保留为“全局”，将来可能会变得相关。（模板）
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `cluster_name(str)` - 要创建的集群的名称。（模板）
* `project_id(str)` - 群集运行的Google云项目的ID。（模板）
* `region(str)` - 保留为“全局”，将来可能会变得相关。（模板）
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
##### DataProcPigOperator
......@@ -1956,16 +1956,16 @@ class airflow.contrib.operators.dataproc_operator.DataProcPigOperator（query =
参数：
* **query**（str） - 对查询文件的查询或引用（pg或pig扩展）。（模板）
* **query_uri**（str） - 云存储上的猪脚本的uri。
* **variables**（dict） - 查询的命名参数的映射。（模板）
* **job_name**（str） - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* **cluster_name**（str） - DataProc集群的名称。（模板）
* **dataproc_pig_properties**（dict） - Pig属性的映射。非常适合放入默认参数
* **dataproc_pig_jars**（list） - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **region**（str） - 创建数据加载集群的指定区域。
* `query(str)` - 对查询文件的查询或引用（pg或pig扩展）。（模板）
* `query_uri(str)` - 云存储上的猪脚本的uri。
* `variables(dict)` - 查询的命名参数的映射。（模板）
* `job_name(str)` - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* `cluster_name(str)` - DataProc集群的名称。（模板）
* `dataproc_pig_properties(dict)` - Pig属性的映射。非常适合放入默认参数
* `dataproc_pig_jars(list)` - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `region(str)` - 创建数据加载集群的指定区域。
##### DataProcHiveOperator
......@@ -1980,16 +1980,16 @@ class airflow.contrib.operators.dataproc_operator.DataProcHiveOperator（query =
参数：
* **query**（str） - 查询或对查询文件的引用（q扩展名）。
* **query_uri**（str） - 云存储上的hive脚本的uri。
* **variables**（dict） - 查询的命名参数的映射。
* **job_name**（str） - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。
* **cluster_name**（str） - DataProc集群的名称。
* **dataproc_hive_properties**（dict） - Pig属性的映射。非常适合放入默认参数
* **dataproc_hive_jars**（list） - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **region**（str） - 创建数据加载集群的指定区域。
* `query(str)` - 查询或对查询文件的引用（q扩展名）。
* `query_uri(str)` - 云存储上的hive脚本的uri。
* `variables(dict)` - 查询的命名参数的映射。
* `job_name(str)` - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。
* `cluster_name(str)` - DataProc集群的名称。
* `dataproc_hive_properties(dict)` - Pig属性的映射。非常适合放入默认参数
* `dataproc_hive_jars(list)` - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `region(str)` - 创建数据加载集群的指定区域。
##### DataProcSparkSqlOperator
......@@ -2004,16 +2004,16 @@ class airflow.contrib.operators.dataproc_operator.DataProcSparkSqlOperator（que
参数：
* **query**（str） - 查询或对查询文件的引用（q扩展名）。（模板）
* **query_uri**（str） - 云存储上的一个spark sql脚本的uri。
* **variables**（dict） - 查询的命名参数的映射。（模板）
* **job_name**（str） - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* **cluster_name**（str） - DataProc集群的名称。（模板）
* **dataproc_spark_properties**（dict） - Pig属性的映射。非常适合放入默认参数
* **dataproc_spark_jars**（list） - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **region**（str） - 创建数据加载集群的指定区域。
* `query(str)` - 查询或对查询文件的引用（q扩展名）。（模板）
* `query_uri(str)` - 云存储上的一个spark sql脚本的uri。
* `variables(dict)` - 查询的命名参数的映射。（模板）
* `job_name(str)` - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* `cluster_name(str)` - DataProc集群的名称。（模板）
* `dataproc_spark_properties(dict)` - Pig属性的映射。非常适合放入默认参数
* `dataproc_spark_jars(list)` - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `region(str)` - 创建数据加载集群的指定区域。
##### DataProcSparkOperator
......@@ -2028,18 +2028,18 @@ class airflow.contrib.operators.dataproc_operator.DataProcSparkOperator（main_j
参数：
* **main_jar**（str） - 在云存储上配置的作业jar的URI。（使用this或main_class，而不是两者一起）。
* **main_class**（str） - 作业类的名称。（使用this或main_jar，而不是两者一起）。
* **arguments**（list） - 作业的参数。（模板）
* **archives**（list） - 将在工作目录中解压缩的已归档文件列表。应存储在云存储中。
* **files**（list） - 要复制到工作目录的文件列表
* **job_name**（str） - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* **cluster_name**（str） - DataProc集群的名称。（模板）
* **dataproc_spark_properties**（dict） - Pig属性的映射。非常适合放入默认参数
* **dataproc_spark_jars**（list） - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **region**（str） - 创建数据加载集群的指定区域。
* `main_jar(str)` - 在云存储上配置的作业jar的URI。（使用this或main_class，而不是两者一起）。
* `main_class(str)` - 作业类的名称。（使用this或main_jar，而不是两者一起）。
* `arguments(list)` - 作业的参数。（模板）
* `archives(list)` - 将在工作目录中解压缩的已归档文件列表。应存储在云存储中。
* `files(list)` - 要复制到工作目录的文件列表
* `job_name(str)` - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* `cluster_name(str)` - DataProc集群的名称。（模板）
* `dataproc_spark_properties(dict)` - Pig属性的映射。非常适合放入默认参数
* `dataproc_spark_jars(list)` - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `region(str)` - 创建数据加载集群的指定区域。
##### DataProcHadoopOperator
......@@ -2054,18 +2054,18 @@ class airflow.contrib.operators.dataproc_operator.DataProcHadoopOperator（main_
参数：
* **main_jar**（str） - 在云存储上配置的作业jar的URI。（使用this或main_class，而不是两者一起）。
* **main_class**（str） - 作业类的名称。（使用this或main_jar，而不是两者一起）。
* **arguments**（list） - 作业的参数。（模板）
* **archives**（list） - 将在工作目录中解压缩的已归档文件列表。应存储在云存储中。
* **files**（list） - 要复制到工作目录的文件列表
* **job_name**（str） - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* **cluster_name**（str） - DataProc集群的名称。（模板）
* **dataproc_hadoop_properties**（dict） - Pig属性的映射。非常适合放入默认参数
* **dataproc_hadoop_jars**（list） - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **region**（str） - 创建数据加载集群的指定区域。
* `main_jar(str)` - 在云存储上配置的作业jar的URI。（使用this或main_class，而不是两者一起）。
* `main_class(str)` - 作业类的名称。（使用this或main_jar，而不是两者一起）。
* `arguments(list)` - 作业的参数。（模板）
* `archives(list)` - 将在工作目录中解压缩的已归档文件列表。应存储在云存储中。
* `files(list)` - 要复制到工作目录的文件列表
* `job_name(str)` - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* `cluster_name(str)` - DataProc集群的名称。（模板）
* `dataproc_hadoop_properties(dict)` - Pig属性的映射。非常适合放入默认参数
* `dataproc_hadoop_jars(list)` - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `region(str)` - 创建数据加载集群的指定区域。
##### DataProcPySparkOperator
......@@ -2080,18 +2080,18 @@ class airflow.contrib.operators.dataproc_operator.DataProcPySparkOperator（main
参数：
* **main**（str） - [必需]用作驱动程序的主Python文件的Hadoop兼容文件系统（HCFS）URI。必须是.py文件。
* **arguments**（list） - 作业的参数。（模板）
* **archives**（list） - 将在工作目录中解压缩的已归档文件列表。应存储在云存储中。
* **files**（list） - 要复制到工作目录的文件列表
* **pyfiles**（list） - 要传递给PySpark框架的Python文件列表。支持的文件类型：.py，.egg和.zip
* **job_name**（str） - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* **cluster_name**（str） - DataProc集群的名称。
* **dataproc_pyspark_properties**（dict） - Pig属性的映射。非常适合放入默认参数
* **dataproc_pyspark_jars**（list） - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **region**（str） - 创建数据加载集群的指定区域。
* `main(str)` - [必需]用作驱动程序的主Python文件的Hadoop兼容文件系统（HCFS）URI。必须是.py文件。
* `arguments(list)` - 作业的参数。（模板）
* `archives(list)` - 将在工作目录中解压缩的已归档文件列表。应存储在云存储中。
* `files(list)` - 要复制到工作目录的文件列表
* `pyfiles(list)` - 要传递给PySpark框架的Python文件列表。支持的文件类型：.py，.egg和.zip
* `job_name(str)` - DataProc集群中使用的作业名称。默认情况下，此名称是附加执行数据的task_id，但可以进行模板化。该名称将始终附加一个随机数，以避免名称冲突。（模板）
* `cluster_name(str)` - DataProc集群的名称。
* `dataproc_pyspark_properties(dict)` - Pig属性的映射。非常适合放入默认参数
* `dataproc_pyspark_jars(list)` - 在云存储中配置的jars的URI（例如：用于UDF和lib），非常适合放入默认参数。
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `region(str)` - 创建数据加载集群的指定区域。
##### DataprocWorkflowTemplateInstantiateOperator
......@@ -2110,11 +2110,11 @@ class airflow.contrib.operators.dataproc_operator.DataprocWorkflowTemplateInstan
参数：
* **template_id**（str） - 模板的id。（模板）
* **project_id**（str） - 模板运行所在的Google云项目的ID
* **region**（str） - 保留为“全局”，将来可能会变得相关
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `template_id(str)` - 模板的id。（模板）
* `project_id(str)` - 模板运行所在的Google云项目的ID
* `region(str)` - 保留为“全局”，将来可能会变得相关
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
##### DataprocWorkflowTemplateInstantiateInlineOperator
......@@ -2133,11 +2133,11 @@ class airflow.contrib.operators.dataproc_operator.DataprocWorkflowTemplateInstan
参数：
* **template**（_map_） - 模板内容。（模板）
* **project_id**（str） - 模板运行所在的Google云项目的ID
* **region**（str） - 保留为“全局”，将来可能会变得相关
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `template(map)` - 模板内容。（模板）
* `project_id(str)` - 模板运行所在的Google云项目的ID
* `region(str)` - 保留为“全局”，将来可能会变得相关
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
### 云数据存储区
......@@ -2159,16 +2159,16 @@ class airflow.contrib.operators.datastore_export_operator.DatastoreExportOperato
参数：
* **bucket**（str） - 要备份数据的云存储桶的名称
* **namespace**（str） - 指定云存储桶中用于备份数据的可选命名空间路径。如果GCS中不存在此命名空间，则将创建该命名空间。
* **datastore_conn_id**（str） - 要使用的数据存储区连接ID的名称
* **cloud_storage_conn_id**（str） - 强制写入备份的云存储连接ID的名称
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **entity_filter**（dict） - 导出中包含项目中哪些数据的说明，请参阅[https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter](https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter)
* **labels**（dict） - 客户端分配的云存储标签
* **polling_interval_in_seconds**（int） - 再次轮询执行状态之前等待的秒数
* **overwrite_existing**（bool） - 如果存储桶+命名空间不为空，则在导出之前将清空它。这样可以覆盖现有备份。
* **xcom_push**（bool） - 将操作名称推送到xcom以供参考
* `bucket(str)` - 要备份数据的云存储桶的名称
* `namespace(str)` - 指定云存储桶中用于备份数据的可选命名空间路径。如果GCS中不存在此命名空间，则将创建该命名空间。
* `datastore_conn_id(str)` - 要使用的数据存储区连接ID的名称
* `cloud_storage_conn_id(str)` - 强制写入备份的云存储连接ID的名称
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `entity_filter(dict)` - 导出中包含项目中哪些数据的说明，请参阅[https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter](https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter)
* `labels(dict)` - 客户端分配的云存储标签
* `polling_interval_in_seconds(int)` - 再次轮询执行状态之前等待的秒数
* `overwrite_existing(bool)` - 如果存储桶+命名空间不为空，则在导出之前将清空它。这样可以覆盖现有备份。
* `xcom_push(bool)` - 将操作名称推送到xcom以供参考
##### DatastoreImportOperator
......@@ -2183,15 +2183,15 @@ class airflow.contrib.operators.datastore_import_operator.DatastoreImportOperato
参数：
* **bucket**（str） - 云存储中用于存储数据的容器
* **file**（str） - 指定云存储桶中备份元数据文件的路径。它应该具有扩展名.overall_export_metadata
* **namespace**（str） - 指定云存储桶中备份元数据文件的可选命名空间。
* **entity_filter**（dict） - 导出中包含项目中哪些数据的说明，请参阅[https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter](https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter)
* **labels**（dict） - 客户端分配的云存储标签
* **datastore_conn_id**（str） - 要使用的连接ID的名称
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **polling_interval_in_seconds**（int） - 再次轮询执行状态之前等待的秒数
* **xcom_push**（bool） - 将操作名称推送到xcom以供参考
* `bucket(str)` - 云存储中用于存储数据的容器
* `file(str)` - 指定云存储桶中备份元数据文件的路径。它应该具有扩展名.overall_export_metadata
* `namespace(str)` - 指定云存储桶中备份元数据文件的可选命名空间。
* `entity_filter(dict)` - 导出中包含项目中哪些数据的说明，请参阅[https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter](https://cloud.google.com/datastore/docs/reference/rest/Shared.Types/EntityFilter)
* `labels(dict)` - 客户端分配的云存储标签
* `datastore_conn_id(str)` - 要使用的连接ID的名称
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `polling_interval_in_seconds(int)` - 再次轮询执行状态之前等待的秒数
* `xcom_push(bool)` - 将操作名称推送到xcom以供参考
#### DatastoreHook
......@@ -2367,19 +2367,19 @@ class airflow.contrib.operators.mlengine_operator.MLEngineBatchPredictionOperato
参数：
* **project_id**（str） - 提交预测作业的Google Cloud项目名称。（模板）
* **job_id**（str） - Google Cloud ML Engine上预测作业的唯一ID。（模板）
* **data_format**（str） - 输入数据的格式。如果未提供或者不是[“TEXT”，“TF_RECORD”，“TF_RECORD_GZIP”]之一，它将默认为“DATA_FORMAT_UNSPECIFIED”。
* **input_paths**（_字符串列表_） - 批量预测的输入数据的GCS路径列表。接受通配符运算符[*](28)，但仅限于结尾处。（模板）
* **output_path**（str） - 写入预测结果的GCS路径。（模板）
* **region**（str） - 用于运行预测作业的Google Compute Engine区域。（模板化）
* **model_name**（str） - 用于预测的Google Cloud ML Engine模型。如果未提供version_name，则将使用此模型的默认版本。如果提供了version_name，则不应为None。如果提供uri，则应为None。（模板）
* **version_name**（str） - 用于预测的Google Cloud ML Engine模型版本。如果提供uri，则应为None。（模板）
* **uri**（str） - 用于预测的已保存模型的GCS路径。如果提供了model_name，则应为None。它应该是指向张量流SavedModel的GCS路径。（模板）
* **max_worker_count**（int） - 用于并行处理的最大worker数。如果未指定，则默认为10。
* **runtime_version**（str） - 用于批量预测的Google Cloud ML Engine运行时版本。
* **gcp_conn_id**（str） - 用于连接到Google Cloud Platform的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用doamin范围的委派。
* `project_id(str)` - 提交预测作业的Google Cloud项目名称。（模板）
* `job_id(str)` - Google Cloud ML Engine上预测作业的唯一ID。（模板）
* `data_format(str)` - 输入数据的格式。如果未提供或者不是[“TEXT”，“TF_RECORD”，“TF_RECORD_GZIP”]之一，它将默认为“DATA_FORMAT_UNSPECIFIED”。
* `input_paths(list[str])` - 批量预测的输入数据的GCS路径列表。接受通配符运算符[*](28)，但仅限于结尾处。（模板）
* `output_path(str)` - 写入预测结果的GCS路径。（模板）
* `region(str)` - 用于运行预测作业的Google Compute Engine区域。（模板化）
* `model_name(str)` - 用于预测的Google Cloud ML Engine模型。如果未提供version_name，则将使用此模型的默认版本。如果提供了version_name，则不应为None。如果提供uri，则应为None。（模板）
* `version_name(str)` - 用于预测的Google Cloud ML Engine模型版本。如果提供uri，则应为None。（模板）
* `uri(str)` - 用于预测的已保存模型的GCS路径。如果提供了model_name，则应为None。它应该是指向张量流SavedModel的GCS路径。（模板）
* `max_worker_count(int)` - 用于并行处理的最大worker数。如果未指定，则默认为10。
* `runtime_version(str)` - 用于批量预测的Google Cloud ML Engine运行时版本。
* `gcp_conn_id(str)` - 用于连接到Google Cloud Platform的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用doamin范围的委派。
```py
......@@ -2400,8 +2400,8 @@ class airflow.contrib.operators.mlengine_operator.MLEngineModelOperator（projec
参数：
* **project_id**（str） - MLEngine模型所属的Google Cloud项目名称。（模板）
* **型号**（_字典_） -
* `project_id(str)` - MLEngine模型所属的Google Cloud项目名称。（模板）
* `型号(dict)` -
包含有关模型信息的字典。如果`操作`是`create`，则`model`参数应包含有关此模型的所有信息，例如`name`。
......@@ -2413,8 +2413,8 @@ class airflow.contrib.operators.mlengine_operator.MLEngineModelOperator（projec
* `create`：创建`model`参数提供的新模型。
* `get`：获取在模型中指定名称的特定`模型`。
* **gcp_conn_id**（str） - 获取连接信息时使用的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `gcp_conn_id(str)` - 获取连接信息时使用的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
##### MLEngineTrainingOperator
......@@ -2429,19 +2429,19 @@ class airflow.contrib.operators.mlengine_operator.MLEngineTrainingOperator（pro
参数：
* **project_id**（str） - 应在其中运行MLEngine培训作业的Google Cloud项目名称（模板化）。
* **job_id**（str） - 提交的Google MLEngine培训作业的唯一模板化ID。（模板）
* **package_uris**（str） - MLEngine培训作业的包位置列表，其中应包括主要培训计划+任何其他依赖项。（模板）
* **training_python_module**（str） - 安装'package_uris'软件包后，在MLEngine培训作业中运行的Python模块名称。（模板）
* **training_args**（str） - 传递给MLEngine训练程序的模板化命令行参数列表。（模板）
* **region**（str） - 用于运行MLEngine培训作业的Google Compute Engine区域（模板化）。
* **scale_tier**（str） - MLEngine培训作业的资源层。（模板）
* **runtime_version**（str） - 用于培训的Google Cloud ML运行时版本。（模板）
* **python_version**（str） - 训练中使用的Python版本。（模板）
* **job_dir**（str） - 用于存储培训输出和培训所需的其他数据的Google云端存储路径。（模板）
* **gcp_conn_id**（str） - 获取连接信息时使用的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **mode**（str） - 可以是'DRY_RUN'/'CLOUD'之一。在“DRY_RUN”模式下，不会启动真正的培训作业，但会打印出MLEngine培训作业请求。在“CLOUD”模式下，将发出真正的MLEngine培训作业创建请求。
* `project_id(str)` - 应在其中运行MLEngine培训作业的Google Cloud项目名称（模板化）。
* `job_id(str)` - 提交的Google MLEngine培训作业的唯一模板化ID。（模板）
* `package_uris(str)` - MLEngine培训作业的包位置列表，其中应包括主要培训计划+任何其他依赖项。（模板）
* `training_python_module(str)` - 安装'package_uris'软件包后，在MLEngine培训作业中运行的Python模块名称。（模板）
* `training_args(str)` - 传递给MLEngine训练程序的模板化命令行参数列表。（模板）
* `region(str)` - 用于运行MLEngine培训作业的Google Compute Engine区域（模板化）。
* `scale_tier(str)` - MLEngine培训作业的资源层。（模板）
* `runtime_version(str)` - 用于培训的Google Cloud ML运行时版本。（模板）
* `python_version(str)` - 训练中使用的Python版本。（模板）
* `job_dir(str)` - 用于存储培训输出和培训所需的其他数据的Google云端存储路径。（模板）
* `gcp_conn_id(str)` - 获取连接信息时使用的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `mode(str)` - 可以是'DRY_RUN'/'CLOUD'之一。在“DRY_RUN”模式下，不会启动真正的培训作业，但会打印出MLEngine培训作业请求。在“CLOUD”模式下，将发出真正的MLEngine培训作业创建请求。
##### MLEngineVersionOperator
......@@ -2456,11 +2456,11 @@ class airflow.contrib.operators.mlengine_operator.MLEngineVersionOperator（proj
参数：
* **project_id**（str） - MLEngine模型所属的Google Cloud项目名称。
* **model_name**（str） - 版本所属的Google Cloud ML Engine模型的名称。（模板）
* **version_name**（str） - 用于正在操作的版本的名称。如果没有人及`版本`的说法是没有或不具备的值`名称`键，那么这将是有效载荷中用于填充`名称`键。（模板）
* **version**（dict） - 包含版本信息的字典。如果`操作`是`create`，则`version`应包含有关此版本的所有信息，例如name和deploymentUrl。如果`操作`是`get`或`delete`，则`version`参数应包含`版本`的`名称`。如果是None，则唯一可能的`操作`是`list`。（模板）
* **操作**（str） -
* `project_id(str)` - MLEngine模型所属的Google Cloud项目名称。
* `model_name(str)` - 版本所属的Google Cloud ML Engine模型的名称。（模板）
* `version_name(str)` - 用于正在操作的版本的名称。如果没有人及`版本`的说法是没有或不具备的值`名称`键，那么这将是有效载荷中用于填充`名称`键。（模板）
* `version(dict)` - 包含版本信息的字典。如果`操作`是`create`，则`version`应包含有关此版本的所有信息，例如name和deploymentUrl。如果`操作`是`get`或`delete`，则`version`参数应包含`版本`的`名称`。如果是None，则唯一可能的`操作`是`list`。（模板）
* `操作(str)` -
执行的操作。可用的操作是：
......@@ -2468,8 +2468,8 @@ class airflow.contrib.operators.mlengine_operator.MLEngineVersionOperator（proj
* `get`：获取`model_name`指定的`模型中`特定版本的完整信息。应在`version`参数中指定版本的名称。
* `list`：列出`model_name`指定的`模型的`所有可用版本。
* `delete`：从`model_name`指定的`模型中`删除`version`参数中指定的`版本`。应在`version`参数中指定版本的名称。
* **gcp_conn_id**（str） - 获取连接信息时使用的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `gcp_conn_id(str)` - 获取连接信息时使用的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
#### Cloud ML Engine Hook
......@@ -2490,8 +2490,8 @@ create_job（project_id，job，use_existing_job_fn = None）
参数：
* **project_id**（str） - 将在其中启动MLEngine作业的Google Cloud项目ID。
* **工作**（_字典_） -
* `project_id(str)` - 将在其中启动MLEngine作业的Google Cloud项目ID。
* `工作(dict)` -
应该提供给MLEngine API的MLEngine Job对象，例如：
......@@ -2506,7 +2506,7 @@ create_job（project_id，job，use_existing_job_fn = None）
```
* **use_existing_job_fn**（_function_） - 如果已存在具有相同job_id的MLEngine作业，则此方法（如果提供）将决定是否应使用此现有作业，继续等待它完成并返回作业对象。它应该接受MLEngine作业对象，并返回一个布尔值，指示是否可以重用现有作业。如果未提供“use_existing_job_fn”，我们默认重用现有的MLEngine作业。
* `use_existing_job_fn(function)` - 如果已存在具有相同job_id的MLEngine作业，则此方法（如果提供）将决定是否应使用此现有作业，继续等待它完成并返回作业对象。它应该接受MLEngine作业对象，并返回一个布尔值，指示是否可以重用现有作业。如果未提供“use_existing_job_fn”，我们默认重用现有的MLEngine作业。
返回：如果作业成功到达终端状态（可能是FAILED或CANCELED状态），则为MLEngine作业对象。
......@@ -2579,12 +2579,12 @@ class airflow.contrib.operators.file_to_gcs.FileToGoogleCloudStorageOperator（s
参数：
* **src**（str） - 本地文件的路径。（模板）
* **dst**（str） - 指定存储桶中的目标路径。（模板）
* **bucket**（str） - 要上传的存储桶。（模板）
* **google_cloud_storage_conn_id**（str） - 要上传的Airflow连接ID
* **mime_type**（str） - mime类型字符串
* **delegate_to**（str） - 模拟的帐户（如果有）
* `src(str)` - 本地文件的路径。（模板）
* `dst(str)` - 指定存储桶中的目标路径。（模板）
* `bucket(str)` - 要上传的存储桶。（模板）
* `google_cloud_storage_conn_id(str)` - 要上传的Airflow连接ID
* `mime_type(str)` - mime类型字符串
* `delegate_to(str)` - 模拟的帐户（如果有）
```py
......@@ -2609,8 +2609,8 @@ class airflow.contrib.operators.gcs_operator.GoogleCloudStorageCreateBucketOpera
参数：
* **bucket_name**（str） - 存储桶的名称。（模板）
* **storage_class**（str） -
* `bucket_name(str)` - 存储桶的名称。（模板）
* `storage_class(str)` -
这定义了存储桶中对象的存储方式，并确定了SLA和存储成本（模板化）。价值包括
......@@ -2622,7 +2622,7 @@ class airflow.contrib.operators.gcs_operator.GoogleCloudStorageCreateBucketOpera
如果在创建存储桶时未指定此值，则默认为STANDARD。
* **位置**（str） -
* `位置(str)` -
水桶的位置。（模板化）存储桶中对象的对象数据驻留在此区域内的物理存储中。默认为美国。
......@@ -2630,10 +2630,10 @@ class airflow.contrib.operators.gcs_operator.GoogleCloudStorageCreateBucketOpera
[https://developers.google.com/storage/docs/bucket-locations](https://developers.google.com/storage/docs/bucket-locations)
* **project_id**（str） - GCP项目的ID。（模板）
* **labels**（dict） - 用户提供的键/值对标签。
* **google_cloud_storage_conn_id**（str） - 连接到Google云端存储时使用的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `project_id(str)` - GCP项目的ID。（模板）
* `labels(dict)` - 用户提供的键/值对标签。
* `google_cloud_storage_conn_id(str)` - 连接到Google云端存储时使用的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
```py
......@@ -2666,12 +2666,12 @@ class airflow.contrib.operators.gcs_download_operator.GoogleCloudStorageDownload
参数：
* **bucket**（str） - 对象所在的Google云存储桶。（模板）
* **object**（str） - 要在Google云存储桶中下载的对象的名称。（模板）
* **filename**（str） - 应将文件下载到的本地文件系统（正在执行操作符的位置）上的文件路径。（模板化）如果未传递文件名，则下载的数据将不会存储在本地文件系统中。
* **store_to_xcom_key**（str） - 如果设置了此参数，操作员将使用此参数中设置的键将下载文件的内容推送到XCom。如果未设置，则下载的数据不会被推送到XCom。（模板）
* **google_cloud_storage_conn_id**（str） - 连接到Google云端存储时使用的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `bucket(str)` - 对象所在的Google云存储桶。（模板）
* `object(str)` - 要在Google云存储桶中下载的对象的名称。（模板）
* `filename(str)` - 应将文件下载到的本地文件系统（正在执行操作符的位置）上的文件路径。（模板化）如果未传递文件名，则下载的数据将不会存储在本地文件系统中。
* `store_to_xcom_key(str)` - 如果设置了此参数，操作员将使用此参数中设置的键将下载文件的内容推送到XCom。如果未设置，则下载的数据不会被推送到XCom。（模板）
* `google_cloud_storage_conn_id(str)` - 连接到Google云端存储时使用的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
##### GoogleCloudStorageListOperator
......@@ -2692,11 +2692,11 @@ class airflow.contrib.operators.gcslistoperator.GoogleCloudStorageListOperator
参数：
* **bucket**（str） - 用于查找对象的Google云存储桶。（模板）
* **prefix**（str） - 前缀字符串，用于过滤名称以此前缀开头的对象。（模板）
* **delimiter**（str） - 要过滤对象的分隔符。（模板化）例如，要列出GCS目录中的CSV文件，您可以使用delimiter ='。csv'。
* **google_cloud_storage_conn_id**（str） - 连接到Google云端存储时使用的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `bucket(str)` - 用于查找对象的Google云存储桶。（模板）
* `prefix(str)` - 前缀字符串，用于过滤名称以此前缀开头的对象。（模板）
* `delimiter(str)` - 要过滤对象的分隔符。（模板化）例如，要列出GCS目录中的CSV文件，您可以使用delimiter ='。csv'。
* `google_cloud_storage_conn_id(str)` - 连接到Google云端存储时使用的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
```py
......@@ -2730,31 +2730,31 @@ class airflow.contrib.operators.gcs_to_bq.GoogleCloudStorageToBigQueryOperator
参数：
* **bucket**（str） - 要加载的桶。（模板）
* `bucket(str)` - 要加载的桶。（模板）
* **source_objects** - 要加载的Google云存储URI列表。（模板化）如果source_format是'DATASTORE_BACKUP'，则列表必须只包含一个URI。
* **destination_project_dataset_table**（str） - 用于加载数据的虚线（<project>。）<dataset>。<table> BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。（模板）
* **schema_fields**（list） - 如果设置，则此处定义的架构字段列表：[https](https://cloud.google.com/bigquery/docs/reference/v2/jobs)：**//cloud.google.com/bigquery/docs/reference/v2/jobs#configuration.load**当source_format为'DATASTORE_BACKUP'时，不应设置。
* `destination_project_dataset_table(str)` - 用于加载数据的虚线（<project>。）<dataset>。<table> BigQuery表。如果未包含<project>，则项目将是连接json中定义的项目。（模板）
* `schema_fields(list)` - 如果设置，则此处定义的架构字段列表：[https](https://cloud.google.com/bigquery/docs/reference/v2/jobs)：**//cloud.google.com/bigquery/docs/reference/v2/jobs#configuration.load**当source_format为'DATASTORE_BACKUP'时，不应设置。
* **schema_object** - 如果设置，则指向包含表的架构的.json文件的GCS对象路径。（模板）
* **schema_object** - 字符串
* **source_format**（str） - 要导出的文件格式。
* **compression**（str） - [可选]数据源的压缩类型。可能的值包括GZIP和NONE。默认值为NONE。Google Cloud Bigtable，Google Cloud Datastore备份和Avro格式会忽略此设置。
* **create_disposition**（str） - 如果表不存在，则创建处置。
* **skip_leading_rows**（int） - 从CSV加载时要跳过的行数。
* **write_disposition**（str） - 表已存在时的写处置。
* **field_delimiter**（str） - 从CSV加载时使用的分隔符。
* **max_bad_records**（int） - BigQuery在运行作业时可以忽略的最大错误记录数。
* **quote_character**（str） - 用于引用CSV文件中数据部分的值。
* **ignore_unknown_values**（bool） - [可选]指示BigQuery是否应允许表模式中未表示的额外值。如果为true，则忽略额外值。如果为false，则将具有额外列的记录视为错误记录，如果错误记录太多，则在作业结果中返回无效错误。
* **allow_quoted_newlines**（bool） - 是否允许引用的换行符（true）或不允许（false）。
* **allow_jagged_rows**（bool） - 接受缺少尾随可选列的行。缺失值被视为空值。如果为false，则缺少尾随列的记录将被视为错误记录，如果错误记录太多，则会在作业结果中返回无效错误。仅适用于CSV，忽略其他格式。
* **max_id_key**（str） - 如果设置，则是BigQuery表中要加载的列的名称。在加载发生后，Thsi将用于从BigQuery中选择MAX值。结果将由execute（）命令返回，该命令又存储在XCom中供将来的操作员使用。这对增量加载很有帮助 - 在将来的执行过程中，您可以从最大ID中获取。
* **bigquery_conn_id**（str） - 对特定BigQuery挂钩的引用。
* **google_cloud_storage_conn_id**（str） - 对特定Google云存储挂钩的引用。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* **schema_update_options**（list） - 允许更新目标表的模式作为加载作业的副作用。
* **src_fmt_configs**（dict） - 配置特定于源格式的可选字段
* **external_table**（bool） - 用于指定目标表是否应为BigQuery外部表的标志。默认值为False。
* **time_partitioning**（dict） - 配置可选的时间分区字段，即按API规范按字段，类型和到期分区。请注意，“field”在dataset.table $ partition的并发中不可用。
* `source_format(str)` - 要导出的文件格式。
* `compression(str)` - [可选]数据源的压缩类型。可能的值包括GZIP和NONE。默认值为NONE。Google Cloud Bigtable，Google Cloud Datastore备份和Avro格式会忽略此设置。
* `create_disposition(str)` - 如果表不存在，则创建处置。
* `skip_leading_rows(int)` - 从CSV加载时要跳过的行数。
* `write_disposition(str)` - 表已存在时的写处置。
* `field_delimiter(str)` - 从CSV加载时使用的分隔符。
* `max_bad_records(int)` - BigQuery在运行作业时可以忽略的最大错误记录数。
* `quote_character(str)` - 用于引用CSV文件中数据部分的值。
* `ignore_unknown_values(bool)` - [可选]指示BigQuery是否应允许表模式中未表示的额外值。如果为true，则忽略额外值。如果为false，则将具有额外列的记录视为错误记录，如果错误记录太多，则在作业结果中返回无效错误。
* `allow_quoted_newlines(bool)` - 是否允许引用的换行符（true）或不允许（false）。
* `allow_jagged_rows(bool)` - 接受缺少尾随可选列的行。缺失值被视为空值。如果为false，则缺少尾随列的记录将被视为错误记录，如果错误记录太多，则会在作业结果中返回无效错误。仅适用于CSV，忽略其他格式。
* `max_id_key(str)` - 如果设置，则是BigQuery表中要加载的列的名称。在加载发生后，Thsi将用于从BigQuery中选择MAX值。结果将由execute（）命令返回，该命令又存储在XCom中供将来的操作员使用。这对增量加载很有帮助 - 在将来的执行过程中，您可以从最大ID中获取。
* `bigquery_conn_id(str)` - 对特定BigQuery挂钩的引用。
* `google_cloud_storage_conn_id(str)` - 对特定Google云存储挂钩的引用。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `schema_update_options(list)` - 允许更新目标表的模式作为加载作业的副作用。
* `src_fmt_configs(dict)` - 配置特定于源格式的可选字段
* `external_table(bool)` - 用于指定目标表是否应为BigQuery外部表的标志。默认值为False。
* `time_partitioning(dict)` - 配置可选的时间分区字段，即按API规范按字段，类型和到期分区。请注意，“field”在dataset.table $ partition的并发中不可用。
##### GoogleCloudStorageToGoogleCloudStorageOperator
......@@ -2769,8 +2769,8 @@ class airflow.contrib.operators.gcs_to_gcs.GoogleCloudStorageToGoogleCloudStorag
参数：
* **source_bucket**（str） - 对象所在的源Google云存储桶。（模板）
* **source_object**（str） -
* `source_bucket(str)` - 对象所在的源Google云存储桶。（模板）
* `source_object(str)` -
要在Google云存储分区中复制的对象的源名称。（模板化）如果在此参数中使用通配符：
......@@ -2794,8 +2794,8 @@ class airflow.contrib.operators.gcs_to_gcs.GoogleCloudStorageToGoogleCloudStorag
参数：
* **google_cloud_storage_conn_id**（str） - 连接到Google云端存储时使用的连接ID。
* **delegate_to**（str） - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
* `google_cloud_storage_conn_id(str)` - 连接到Google云端存储时使用的连接ID。
* `delegate_to(str)` - 模拟的帐户（如果有）。为此，发出请求的服务帐户必须启用域范围委派。
```py
......@@ -2864,9 +2864,9 @@ destination_bucket或destination_object可以省略，在这种情况下使用
参数：
* **source_bucket**（str） - 要从中复制的对象的存储桶。
* **source_object**（str） - 要复制的对象。
* **destination_bucket**（str） - 要复制到的对象的目标。可以省略; 然后使用相同的桶。
* `source_bucket(str)` - 要从中复制的对象的存储桶。
* `source_object(str)` - 要复制的对象。
* `destination_bucket(str)` - 要复制到的对象的目标。可以省略; 然后使用相同的桶。
* **destination_object** - 给定对象的（重命名）路径。可以省略; 然后使用相同的名称。
......@@ -2882,8 +2882,8 @@ create_bucket（bucket_name，storage_class ='MULTI_REGIONAL'，location ='US'
参数：
* **bucket_name**（str） - 存储桶的名称。
* **storage_class**（str） -
* `bucket_name(str)` - 存储桶的名称。
* `storage_class(str)` -
这定义了存储桶中对象的存储方式，并确定了SLA和存储成本。价值包括
......@@ -2895,7 +2895,7 @@ create_bucket（bucket_name，storage_class ='MULTI_REGIONAL'，location ='US'
如果在创建存储桶时未指定此值，则默认为STANDARD。
* **位置**（str） -
* `位置(str)` -
水桶的位置。存储桶中对象的对象数据驻留在此区域内的物理存储中。默认为美国。
......@@ -2903,8 +2903,8 @@ create_bucket（bucket_name，storage_class ='MULTI_REGIONAL'，location ='US'
[https://developers.google.com/storage/docs/bucket-locations](https://developers.google.com/storage/docs/bucket-locations)
* **project_id**（str） - GCP项目的ID。
* **labels**（dict） - 用户提供的键/值对标签。
* `project_id(str)` - GCP项目的ID。
* `labels(dict)` - 用户提供的键/值对标签。
返回：如果成功，则返回`id`桶的内容。
......@@ -2916,9 +2916,9 @@ create_bucket（bucket_name，storage_class ='MULTI_REGIONAL'，location ='US'
参数：
* **bucket**（str） - 对象所在的存储桶的名称
* **object**（str） - 要删除的对象的名称
* **generation**（str） - 如果存在，则永久删除该代的对象
* `bucket(str)` - 对象所在的存储桶的名称
* `object(str)` - 要删除的对象的名称
* `generation(str)` - 如果存在，则永久删除该代的对象
返回：如果成功则为真
......@@ -2930,9 +2930,9 @@ create_bucket（bucket_name，storage_class ='MULTI_REGIONAL'，location ='US'
参数：
* **bucket**（str） - 要获取的存储桶。
* **object**（str） - 要获取的对象。
* **filename**（str） - 如果设置，则应写入文件的本地文件路径。
* `bucket(str)` - 要获取的存储桶。
* `object(str)` - 要获取的对象。
* `filename(str)` - 如果设置，则应写入文件的本地文件路径。
```py
......@@ -2943,8 +2943,8 @@ create_bucket（bucket_name，storage_class ='MULTI_REGIONAL'，location ='US'
参数：
* **bucket**（str） - 对象所在的Google云存储桶。
* **object**（str） - 要在Google云存储分区中检查的对象的名称。
* `bucket(str)` - 对象所在的Google云存储桶。
* `object(str)` - 要在Google云存储分区中检查的对象的名称。
```py
......@@ -2961,8 +2961,8 @@ get_crc32c（bucket，object）
参数：
* **bucket**（str） - 对象所在的Google云存储桶。
* **object**（str） - 要在Google云存储分区中检查的对象的名称。
* `bucket(str)` - 对象所在的Google云存储桶。
* `object(str)` - 要在Google云存储分区中检查的对象的名称。
```py
......@@ -2973,8 +2973,8 @@ get_md5hash（bucket，object）
参数：
* **bucket**（str） - 对象所在的Google云存储桶。
* **object**（str） - 要在Google云存储分区中检查的对象的名称。
* `bucket(str)` - 对象所在的Google云存储桶。
* `object(str)` - 要在Google云存储分区中检查的对象的名称。
```py
......@@ -2985,8 +2985,8 @@ get_size（bucket，object）
参数：
* **bucket**（str） - 对象所在的Google云存储桶。
* **object**（str） - 要在Google云存储分区中检查的对象的名称。
* `bucket(str)` - 对象所在的Google云存储桶。
* `object(str)` - 要在Google云存储分区中检查的对象的名称。
```py
......@@ -2997,9 +2997,9 @@ is_updated_after（bucket，object，ts）
参数：
* **bucket**（str） - 对象所在的Google云存储桶。
* **object**（str） - 要在Google云存储分区中检查的对象的名称。
* **ts**（_datetime_） - 要检查的时间戳。
* `bucket(str)` - 对象所在的Google云存储桶。
* `object(str)` - 要在Google云存储分区中检查的对象的名称。
* `ts(datetime)` - 要检查的时间戳。
```py
......@@ -3010,11 +3010,11 @@ list（bucket，versions = None，maxResults = None，prefix = None，delimiter
参数：
* **bucket**（str） - 存储桶名称
* **versions**（bool） - 如果为true，则列出对象的所有版本
* **maxResults**（_整数_） - 在单个响应页面中返回的最大项目数
* **prefix**（str） - 前缀字符串，用于过滤名称以此前缀开头的对象
* **delimiter**（str） - 根据分隔符过滤对象（例如'.csv'）
* `bucket(str)` - 存储桶名称
* `versions(bool)` - 如果为true，则列出对象的所有版本
* `maxResults(int)` - 在单个响应页面中返回的最大项目数
* `prefix(str)` - 前缀字符串，用于过滤名称以此前缀开头的对象
* `delimiter(str)` - 根据分隔符过滤对象（例如'.csv'）
返回：与过滤条件匹配的对象名称流
......@@ -3028,9 +3028,9 @@ destination_object可以省略，在这种情况下使用source_object。
参数：
* **source_bucket**（str） - 要从中复制的对象的存储桶。
* **source_object**（str） - 要复制的对象。
* **destination_bucket**（str） - 要复制到的对象的目标。
* `source_bucket(str)` - 要从中复制的对象的存储桶。
* `source_object(str)` - 要复制的对象。
* `destination_bucket(str)` - 要复制到的对象的目标。
* **destination_object** - 给定对象的（重命名）路径。可以省略; 然后使用相同的名称。
......@@ -3042,10 +3042,10 @@ upload（bucket，object，filename，mime_type ='application / octet-stream'）
参数：
* **bucket**（str） - 要上传的存储桶。
* **object**（str） - 上载本地文件时要设置的对象名称。
* **filename**（str） - 要上载的文件的本地文件路径。
* **mime_type**（str） - 上载文件时要设置的MIME类型。
* `bucket(str)` - 要上传的存储桶。
* `object(str)` - 上载本地文件时要设置的对象名称。
* `filename(str)` - 要上载的文件的本地文件路径。
* `mime_type(str)` - 上载文件时要设置的MIME类型。
### 谷歌Kubernetes引擎
......@@ -3089,9 +3089,9 @@ create_cluster（cluster，retry = <object object>，timeout = <object object>
参数：
* **cluster**（_dict __或_ _google.cloud.container_v1.types.Cluster_） - 群集protobuf或dict。如果提供了dict，它必须与protobuf消息的格式相同google.cloud.container_v1.types.Cluster
* **重试**（_google.api_core.retry.Retry_） - 用于重试请求的重试对象（google.api_core.retry.Retry）。如果指定None，则不会重试请求。
* **timeout**（_float_） - 等待请求完成的时间（以秒为单位）。请注意，如果指定了重试，则超时适用于每次单独尝试。
* `cluster(dict 或 google.cloud.container_v1.types.Cluster)` - 群集protobuf或dict。如果提供了dict，它必须与protobuf消息的格式相同google.cloud.container_v1.types.Cluster
* `重试(google.api_core.retry.Retry)` - 用于重试请求的重试对象（google.api_core.retry.Retry）。如果指定None，则不会重试请求。
* `timeout(float)` - 等待请求完成的时间（以秒为单位）。请注意，如果指定了重试，则超时适用于每次单独尝试。
返回：新集群或现有集群的完整URL
......@@ -3109,9 +3109,9 @@ delete_cluster（name，retry = <object object>，timeout = <object object>）
参数：
* **name**（str） - 要删除的集群的名称
* **重试**（_google.api_core.retry.Retry_） - 重_试用_于确定何时/是否重试请求的对象。如果指定None，则不会重试请求。
* **timeout**（_float_） - 等待请求完成的时间（以秒为单位）。请注意，如果指定了重试，则超时适用于每次单独尝试。
* `name(str)` - 要删除的集群的名称
* `重试(google.api_core.retry.Retry)` - 重_试用_于确定何时/是否重试请求的对象。如果指定None，则不会重试请求。
* `timeout(float)` - 等待请求完成的时间（以秒为单位）。请注意，如果指定了重试，则超时适用于每次单独尝试。
返回：如果成功则删除操作的完整URL，否则为None
......@@ -3123,7 +3123,7 @@ get_cluster（name，retry = <object object>，timeout = <object object>）
> 请求不会被重试。
参数：**timeout**（_float_） - 等待请求完成的时间（以秒为单位）。请注意，如果指定了重试，则超时适用于每次单独尝试。
参数：`timeout(float)` - 等待请求完成的时间（以秒为单位）。请注意，如果指定了重试，则超时适用于每次单独尝试。
返回：一个google.cloud.container_v1.types.Cluster实例
......
Markdown is supported
0% 或 .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑！
想要评论请 注册 或