`airflow.providers.google.cloud.triggers.vertex_ai`¶

模組內容¶

類別¶

`BaseVertexAIJobTrigger`	Vertex AI 工作觸發器的基礎類別。
`CreateHyperparameterTuningJobTrigger`	CreateHyperparameterTuningJobTrigger 在觸發器工作程序上執行以執行建立操作。
`CreateBatchPredictionJobTrigger`	CreateBatchPredictionJobTrigger 在觸發器工作程序上執行以執行建立操作。
`RunPipelineJobTrigger`	非同步呼叫 Vertex AI 以檢查管線工作的狀態。
`CustomTrainingJobTrigger`	非同步呼叫 Vertex AI 以檢查執行中自訂訓練工作的狀態。
`CustomContainerTrainingJobTrigger`	非同步呼叫 Vertex AI 以檢查執行中自訂容器訓練工作的狀態。
`CustomPythonPackageTrainingJobTrigger`	非同步呼叫 Vertex AI 以檢查執行中自訂 Python 套件訓練工作的狀態。

class airflow.providers.google.cloud.triggers.vertex_ai.BaseVertexAIJobTrigger(conn_id, project_id, location, job_id, poll_interval, impersonation_chain=None)[原始碼]¶

基底： airflow.triggers.base.BaseTrigger

Vertex AI 工作觸發器的基礎類別。

此觸發器輪詢 Vertex AI 工作並檢查其狀態。

為了正確使用它，您必須： - 實作以下方法 _wait_job()。 - 覆寫必要的 job_type_verbose_name 屬性以提供描述您的工作類型的有意義訊息。 - 覆寫必要的 job_serializer_class 屬性以提供 proto.Message 類別，該類別將用於使用 to_dict() 類別方法序列化您的工作。

job_type_verbose_name: str = 'Vertex AI 工作'[原始碼]¶

job_serializer_class: proto.Message[原始碼]¶

statuses_success[原始碼]¶

serialize()[原始碼]¶

傳回重建此觸發器所需的資訊。

傳回: （類別路徑，重新實例化所需的關鍵字引數）的元組。
傳回類型: tuple[str, dict[str, Any]]

async run()[原始碼]¶

在非同步環境中執行觸發器。

每當觸發器想要觸發事件時，它都應該產生一個事件，如果完成，則傳回 None。單事件觸發器應因此產生然後立即傳回。

如果它產生，則很可能它會很快恢復，但可能不會（例如，如果工作負載正在移至另一個觸發器程序，或者多事件觸發器正在用於單事件任務延遲）。

在任何一種情況下，觸發器類別都應假設它們將被持久化，然後依賴於在不再需要它們時呼叫 cleanup()。

class airflow.providers.google.cloud.triggers.vertex_ai.CreateHyperparameterTuningJobTrigger(conn_id, project_id, location, job_id, poll_interval, impersonation_chain=None)[原始碼]¶

基底： BaseVertexAIJobTrigger

CreateHyperparameterTuningJobTrigger 在觸發器工作程序上執行以執行建立操作。

job_type_verbose_name : '超參數調整工作'[原始碼]¶

job_serializer_class[原始碼]¶

async_hook()[原始碼]¶

class airflow.providers.google.cloud.triggers.vertex_ai.CreateBatchPredictionJobTrigger(conn_id, project_id, location, job_id, poll_interval, impersonation_chain=None)[原始碼]¶

基底： BaseVertexAIJobTrigger

CreateBatchPredictionJobTrigger 在觸發器工作程序上執行以執行建立操作。

job_type_verbose_name : '批次預測工作'[原始碼]¶

job_serializer_class[原始碼]¶

async_hook()[原始碼]¶

class airflow.providers.google.cloud.triggers.vertex_ai.RunPipelineJobTrigger(conn_id, project_id, location, job_id, poll_interval, impersonation_chain=None)[原始碼]¶

基底： BaseVertexAIJobTrigger

非同步呼叫 Vertex AI 以檢查管線工作的狀態。

job_type_verbose_name : '管線工作'[原始碼]¶

job_serializer_class[原始碼]¶

statuses_success[原始碼]¶

async_hook()[原始碼]¶

class airflow.providers.google.cloud.triggers.vertex_ai.CustomTrainingJobTrigger(conn_id, project_id, location, job_id, poll_interval, impersonation_chain=None)[原始碼]¶

基底： BaseVertexAIJobTrigger

非同步呼叫 Vertex AI 以檢查執行中自訂訓練工作的狀態。

當工作進入完成狀態時傳回工作。

job_type_verbose_name : '自訂訓練工作'[原始碼]¶

job_serializer_class[原始碼]¶

statuses_success[原始碼]¶

async_hook()[原始碼]¶

class airflow.providers.google.cloud.triggers.vertex_ai.CustomContainerTrainingJobTrigger(conn_id, project_id, location, job_id, poll_interval, impersonation_chain=None)[原始碼]¶

基底： BaseVertexAIJobTrigger

非同步呼叫 Vertex AI 以檢查執行中自訂容器訓練工作的狀態。

當工作進入完成狀態時傳回工作。

job_type_verbose_name : '自訂容器訓練工作'[原始碼]¶

job_serializer_class[原始碼]¶

statuses_success[原始碼]¶

async_hook()[原始碼]¶

class airflow.providers.google.cloud.triggers.vertex_ai.CustomPythonPackageTrainingJobTrigger(conn_id, project_id, location, job_id, poll_interval, impersonation_chain=None)[原始碼]¶

基底： BaseVertexAIJobTrigger

非同步呼叫 Vertex AI 以檢查執行中自訂 Python 套件訓練工作的狀態。

當工作進入完成狀態時傳回工作。

job_type_verbose_name : '自訂 Python 套件訓練工作'[原始碼]¶

job_serializer_class[原始碼]¶

statuses_success[原始碼]¶

async_hook()[原始碼]¶

airflow.providers.google.cloud.triggers.vertex_ai¶

模組內容¶

類別¶

`airflow.providers.google.cloud.triggers.vertex_ai`¶