Solución:
Puede realizar la limpieza mediante programación a través de sqlalchemy para que su solución no se rompa si cambia la estructura de la base de datos:
from airflow.utils.db import provide_session
from airflow.models import XCom
@provide_session
def cleanup_xcom(session=None):
session.query(XCom).filter(XCom.dag_id == "your dag id").delete()
También puede purgar datos antiguos de XCom:
from airflow.utils.db import provide_session
from airflow.models import XCom
from sqlalchemy import func
@provide_session
def cleanup_xcom(session=None):
session.query(XCom).filter(XCom.execution_date <= func.date('2019-06-01')).delete()
Si desea purgar el XCom una vez que finalice el dag, creo que la solución más limpia es usar la propiedad “on_success_callback” de la clase de modelo DAG:
from airflow.models import DAG
from airflow.utils.db import provide_session
from airflow.models import XCom
@provide_session
def cleanup_xcom(context, session=None):
dag_id = context["ti"]["dag_id"]
session.query(XCom).filter(XCom.dag_id == dag_id).delete()
dag = DAG( ...
on_success_callback=cleanup_xcom,
)
Debe agregar una tarea que depende de su metadatadb (sqllite, PostgreSql, MySql ..) que elimine XCOM una vez que finalice la ejecución del DAG.
delete_xcom_task = PostgresOperator(
task_id='delete-xcom-task',
postgres_conn_id='airflow_db',
sql="delete from xcom where dag_id=dag.dag_id and
task_id='your_task_id' and execution_date={{ ds }}",
dag=dag)
Puede verificar su consulta antes de ejecutar el dag.
Creación de perfiles de datos -> Consulta ad hoc -> airflow_db -> consulta -> Ejecutar.
A continuación se muestra el código que funcionó para mí, esto eliminará xcom de todas las tareas en DAG (agregue task_id a SQL si es necesario eliminar xcom de solo una tarea específica):
Como dag_id es dinámico y fechas debe seguir la sintaxis respectiva de SQL.
from airflow.operators.postgres_operator import PostgresOperator
delete_xcom_task_inst = PostgresOperator(task_id='delete_xcom',
postgres_conn_id='your_conn_id',
sql="delete from xcom where dag_id= '"+dag.dag_id+"' and date(execution_date)=date('{{ ds }}')"
)