Migrar entornos a Airflow 2

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

En esta página, se explica cómo transferir DAG, datos y configuración de tus entornos existentes de Airflow 1.10.* a entornos con Airflow 2 y versiones posteriores de Airflow.

Nota: Cloud Composer admite transferencias manuales de entornos de Airflow 1.10.* a entornos de Airflow 2. No es posible actualizar los entornos de Airflow 1.10.* a Airflow 2. Puedes actualizar los entornos con Airflow 2 a versiones posteriores de Airflow como de costumbre.

Otras guías de migración

De	A	Método	Guía
Cloud Composer 1, Airflow 2	Cloud Composer 2 y Airflow 2	Comparación en paralelo con instantáneas	Guía de migración (instantáneas)
Cloud Composer 1, Airflow 1	Cloud Composer 2 y Airflow 2	Comparación en paralelo con instantáneas	Guía de migración (instantáneas)
Cloud Composer 1, Airflow 2	Cloud Composer 2 y Airflow 2	Transferencia manual en paralelo	Guía de migración manual
Cloud Composer 1, Airflow 1	Cloud Composer 2 y Airflow 2	Transferencia manual en paralelo	Guía de migración manual
Airflow 1	Airflow 2	Transferencia manual en paralelo	Esta guía (migración manual)

Actualizaciones en paralelo

Cloud Composer proporciona la secuencia de comandos de transferencia de bases de datos de Cloud Composer para migrar la base de datos de metadatos, los DAG, los datos y los complementos de los entornos de Cloud Composer con Airflow 1.10.14 y Airflow 1.10.15 a entornos de Cloud Composer existentes con Airflow 2.0.1 y versiones posteriores de Airflow.

Esta es una ruta alternativa a la que se describe en esta guía. Algunas partes de esta guía aún se aplican cuando se usa la secuencia de comandos proporcionada. Por ejemplo, es posible que desees comprobar la compatibilidad de tus DAG con Airflow 2 antes de migrarlos, o bien asegurarte de que no se produzcan ejecuciones de DAG simultáneas y de que no haya ejecuciones de DAG extras o faltantes.

Antes de comenzar

Antes de comenzar a usar entornos de Cloud Composer con Airflow 2, considera los cambios que Airflow 2 trae a los entornos de Cloud Composer.

Varios programadores

Puedes usar más de un programador de Airflow en tu entorno. Puedes configurar la cantidad de programadores cuando creas un entorno o cuando actualizas un entorno existente.

Nota: Puedes anular las opciones de configuración del programador de Airflow 2. De esta manera, se configura el comportamiento del programador, pero no se habilitan varios programadores.

Ejecutor de Celery + Kubernetes

El ejecutor de Airflow 2 Celery+Kubernetes es compatible con Cloud Composer 3.

Cambios rotundos

Airflow 2 presenta muchos cambios importantes, algunos de los cuales son rotundos:

• No se garantiza que los DAG existentes de Airflow 1.10.* funcionen con Airflow 2. Se deben probar y, posiblemente, ajustar.
• Se migraron los operadores, las transferencias y los hooks a los paquetes de proveedores. Las instrucciones de importación en los DAG deben usar paquetes de proveedores nuevos. Es posible que las sentencias de importación anteriores ya no funcionen en Airflow 2.
• Es posible que algunas opciones de configuración de Airflow 1.10.* ya no sean compatibles porque Airflow 2 ya no admite ciertas opciones de configuración.
• Es posible que algunos paquetes de PyPI personalizados no sean compatibles con la nueva versión de Airflow o Python.
• La IU de Airflow con control de acceso es la IU predeterminada de Airflow 2. Airflow 2 no admite otros tipos de IU de Airflow.
• La API de REST experimental se reemplaza por la API estable de Airflow. La API de REST experimental está inhabilitada de forma predeterminada en Airflow 2.
• Otros cambios importantes en Airflow 2.0.0
• Otros cambios importantes en Airflow 2.0.1

Diferencias entre los entornos con Airflow 2 y Airflow 1.10.*

Estas son las principales diferencias entre los entornos de Cloud Composer con Airflow 1.10.* y los entornos con Airflow 2:

• Los entornos con Airflow 2 usan Python 3.8. Esta es una versión más reciente que la que se usa en los entornos de Airflow 1.10.*. No se admiten Python 2, Python 3.6 ni Python 3.7.
• Airflow 2 usa un formato de CLI diferente. Cloud Composer admite el nuevo formato en entornos con Airflow 2 a través del comando gcloud composer environments run.
• Los paquetes de PyPI preinstalados son diferentes en los entornos de Airflow 2. Para obtener una lista de paquetes de PyPI preinstalados, consulta la lista de versiones de Cloud Composer.
• La serialización del DAG siempre está habilitada en Airflow 2. Como resultado, ya no se necesita la carga asíncrona de DAG y no es compatible con Airflow 2. Como resultado, no se admite la configuración de los parámetros [core]store_serialized_dags y [core]store_dag_code en Airflow 2, y los intentos de configuración se informarán como errores.
• No se admiten los complementos del servidor web de Airflow. Esto no afecta a los complementos del programador o trabajador, incluidos los operadores y sensores de Airflow.
• En los entornos de Airflow 2, el rol de usuario predeterminado de Airflow es Op. Para entornos con Airflow 1.10.*, el rol predeterminado es Admin.

Paso 1: Verifica la compatibilidad con Airflow 2

Para verificar si hay posibles conflictos con Airflow 2, consulta la guía de actualización a Airflow 2.0 y versiones posteriores, en la sección sobre cómo actualizar DAGs.

Un problema habitual que puedes encontrar está relacionado con rutas de importación incompatibles. Para obtener más información sobre cómo resolver este problema de compatibilidad, consulta la sección sobre proveedores de portabilidad a versiones anteriores en la guía de actualización a Airflow 2.0 y versiones posteriores.

Paso 2: Crea un entorno de Airflow 2, transfiere anulaciones de configuración y variables de entorno

Crea un entorno de Airflow 2 y transfiere las anulaciones de configuración y las variables de entorno:

1. Sigue los pasos para crear un entorno. Antes de crear un entorno, también especifica las anulaciones de configuración y las variables de entorno, como se explica a continuación.

2. Cuando selecciones una imagen, elige una imagen con Airflow 2.

3. Transfiere manualmente los parámetros de configuración de tu entorno de Airflow 1.10.* al nuevo entorno de Airflow 2.

   Console

   1. Cuando crees un entorno, expande la sección Herramientas de redes, anulaciones de configuración de Airflow y funciones adicionales.

   2. En Anulaciones de configuración de Airflow, haz clic en Agregar anulación de configuración de Airflow.

   3. Copia todas las anulaciones de configuración de tu entorno de Airflow 1.10.*.

      Algunas opciones de configuración usan un nombre y una sección diferentes en Airflow 2. Para obtener más información, consulta Cambios de configuración.

   4. En Variables de entorno, haz clic en Agregar variable de entorno.

   5. Copia todas las variables de entorno de tu entorno de Airflow 1.10.*.

   6. Haz clic en Crear para crear un entorno.

Paso 3: Instala paquetes de PyPI en el entorno de Airflow 2

Después de crear tu entorno de Airflow 2, instálale paquetes de PyPI:

Console

1. En la consola de Google Cloud, ve a la página Entornos.

   Ir a Entornos

2. Selecciona tu entorno de Airflow 2.

3. Ve a la pestaña Paquetes de PyPI y haz clic en Editar.

4. Copia los requisitos del paquete de PyPI de tu entorno de Airflow 1.10.*. Haz clic en Guardar y espera a que se actualice el entorno.

   Debido a que los entornos de Airflow 2 usan un conjunto diferente de paquetes preinstalados y una versión diferente de Python, es posible que encuentres conflictos de paquetes de PyPI que sean difíciles de resolver.

Paso 4: Transfiere las variables y los grupos a Airflow 2

Airflow 1.10.* admite la exportación de variables y grupos a archivos JSON. Luego, puedes importar estos archivos a tu entorno de Airflow 2.

Solo debes transferir grupos si tienes grupos personalizados distintos de default_pool. De lo contrario, omite los comandos que exportan e importan grupos.

Nota: Los comandos de la CLI de Airflow que se usan en este paso operan en archivos locales en los trabajadores de Airflow. Para subir o descargar los archivos, usa la carpeta /data en el bucket de Cloud Storage de tu entorno. Esta carpeta se sincroniza con el directorio /home/airflow/gcs/data/ en los trabajadores de Airflow. En los comandos de la CLI de Airflow, especifica /home/airflow/gcs/data/ en el parámetro FILEPATH.

gcloud

1. Exporta variables de tu entorno de Airflow 1.10.*:

   gcloud composer environments run AIRFLOW_1_ENV \
       --location AIRFLOW_1_LOCATION \
        variables -- -e /home/airflow/gcs/data/variables.json
   

   Reemplaza lo siguiente:

   • AIRFLOW_1_ENV con el nombre de tu entorno de Airflow 1.10.*.
   • AIRFLOW_1_LOCATION por la región en la que se encuentra el entorno.

2. Exporta grupos de tu entorno de Airflow 1.10.*:

   gcloud composer environments run AIRFLOW_1_ENV \
       --location AIRFLOW_1_LOCATION \
        pool -- -e /home/airflow/gcs/data/pools.json
   

3. Obtén el URI del bucket de tu entorno de Airflow 2.

   1. Ejecuta el siguiente comando:

      gcloud composer environments describe AIRFLOW_2_ENV \
          --location AIRFLOW_2_LOCATION \
           --format="value(config.dagGcsPrefix)"
      

      Reemplaza lo siguiente:

      • AIRFLOW_2_ENV por el nombre de tu entorno de Airflow 2.
      • AIRFLOW_2_LOCATION por la región en la que se encuentra el entorno.

   2. En el resultado, quita la carpeta /dags. El resultado es el URI del bucket de tu entorno de Airflow 2.

      Por ejemplo, cambia gs://us-central1-example-916807e1-bucket/dags a gs://us-central1-example-916807e1-bucket.

4. Transfiere archivos JSON con variables y grupos a tu entorno de Airflow 2:

   gcloud composer environments storage data export \
       --destination=AIRFLOW_2_BUCKET/data \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION \
       --source=variables.json
   
   gcloud composer environments storage data export \
       --destination=AIRFLOW_2_BUCKET/data \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION \
       --source=pools.json
   

   Reemplaza AIRFLOW_2_BUCKET por el URI del bucket del entorno de Airflow 2 que obtuviste en el paso anterior.

5. Importa variables y grupos a Airflow 2:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       variables import \
       -- /home/airflow/gcs/data/variables.json
   
   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       pools import \
       -- /home/airflow/gcs/data/pools.json
   

6. Verifica que se importen las variables y los grupos:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       variables list
   
   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       pools list
   

7. Quita los archivos JSON de los buckets:

   gcloud composer environments storage data delete \
       variables.json \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   
   gcloud composer environments storage data delete \
       pools.json \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   
   gcloud composer environments storage data delete \
       variables.json \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION
   
   gcloud composer environments storage data delete \
       pools.json \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION
   

Paso 5: Transfiere otros datos del bucket de tu entorno de Airflow 1.10.*

gcloud

1. Transfiere complementos a tu entorno de Airflow 2. Para ello, exporta los complementos del bucket de tu entorno de Airflow 1.10.* a la carpeta /plugins en el bucket de tu entorno de Airflow 2:

   gcloud composer environments storage plugins export \
       --destination=AIRFLOW_2_BUCKET/plugins \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION
   

2. Verifica que la carpeta /plugins se haya importado correctamente:

   gcloud composer environments storage plugins list \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   

3. Exporta la carpeta /data de tu entorno de Airflow 1.10.* al entorno de Airflow 2:

       gcloud composer environments storage data export \
           --destination=AIRFLOW_2_BUCKET/data \
           --environment=AIRFLOW_1_ENV \
           --location=AIRFLOW_1_LOCATION
   

4. Verifica que la carpeta /data se haya importado correctamente:

   gcloud composer environments storage data list \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   

Paso 6: Transfiere conexiones y usuarios

Airflow 1.10.* no admite la exportación de usuarios y conexiones. Para transferir usuarios y conexiones, crea cuentas de usuario y conexiones nuevas de forma manual en tu entorno de Airflow 2.

Importante: Los entornos de Cloud Composer tienen muchas conexiones predeterminadas. No transfieras estas conexiones porque los entornos de Airflow 2 ya las tienen.

gcloud

1. Para obtener una lista de las conexiones en tu entorno de Airflow 1.10.*, ejecuta el siguiente comando:

   gcloud composer environments run AIRFLOW_1_ENV \
       --location AIRFLOW_1_LOCATION \
        connections -- --list
   

2. Para crear una conexión nueva en tu entorno de Airflow 2, ejecuta el comando connections de la CLI de Airflow a través de gcloud. Por ejemplo:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       connections add \
       -- --conn-host postgres.example.com \
       --conn-port 5432 \
       --conn-type postgres \
       --conn-login example_user \
       --conn-password example_password \
       --conn-description "Example connection" \
       example_connection
   

3. Para ver una lista de los usuarios en tu entorno de Airflow 1.10.*, sigue estos pasos:

   1. Abre la interfaz web de Airflow para tu entorno de Airflow 1.10.*.

   2. Ve a Administrador > Usuarios.

4. Para crear una cuenta de usuario nueva en tu entorno de Airflow 2, ejecuta el comando users create de la CLI de Airflow a través de gcloud. Por ejemplo:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       users create \
       -- --username example_username \
       --firstname Example-Name \
       --lastname Example-Surname \
       --email [e-mail] \
       --use-random-password \
       --role Admin
   

Paso 7: Asegúrate de que tus DAG estén listos para Airflow 2

Antes de transferir DAG a tu entorno de Airflow 2, asegúrate de que se cumpla lo siguiente:

1. Tus DAG se ejecutan correctamente y no hay problemas de compatibilidad restantes.

2. Tus DAG usan sentencias de importación correctas.

   Por ejemplo, la nueva sentencia de importación para BigQueryCreateDataTransferOperator puede verse así:

   from airflow.providers.google.cloud.operators.bigquery_dts \
       import BigQueryCreateDataTransferOperator
   

3. Tus DAGs se actualizan para Airflow 2. Este cambio es compatible con Airflow 1.10.14 y versiones posteriores.

Paso 8: Transfiere DAGs al entorno de Airflow 2

Advertencia: En este paso, se explica cómo evitar posibles problemas con la duplicación, falta, ejecución errónea o no válida de un DAG cuando se transfieren los DAG entre entornos.

Los siguientes problemas potenciales pueden ocurrir cuando transfieres DAG entre entornos:

• Si un DAG está habilitado (no en pausa) en ambos entornos, cada uno ejecuta su propia copia del DAG, según lo programado. Esto podría generar ejecuciones simultáneas de DAG para los mismos datos y el mismo tiempo de ejecución.

• Debido a la recuperación de DAG, Airflow programa ejecuciones de DAG adicionales, a partir de la fecha de inicio especificada en tus DAG. Esto sucede porque la nueva instancia de Airflow no tiene en cuenta el historial de ejecuciones de DAG del entorno 1.10.*. Esto podría generar una gran cantidad de ejecuciones de DAG programadas a partir de la fecha de inicio especificada.

Evita ejecuciones simultáneas de DAG

En tu entorno de Airflow 2, anula la opción de configuración de Airflow dags_are_paused_at_creation. Después de realizar este cambio, todos los DAG nuevos se detienen de forma predeterminada.

Sección	Clave	Valor
core	dags_are_paused_at_creation	True

Nota: Puedes quitar esta anulación después de transferir todos tus DAG al entorno de Airflow 2.

Evita ejecuciones de DAG adicionales o faltantes

Especifica una nueva fecha de inicio estática en los DAG que transfieras a tu entorno de Airflow 2.

Para evitar brechas y superposiciones en las fechas de ejecución, la primera ejecución de DAG debe ocurrir en el entorno de Airflow 2 en la siguiente ocurrencia del intervalo de programación. Para ello, establece la nueva fecha de inicio en tu DAG para que sea anterior a la fecha de la última ejecución en el entorno de Airflow 1.10.*.

A modo de ejemplo, si tu DAG se ejecuta a las 3:00 p.m., 5:00 p.m. y 9:00 p.m. todos los días en el entorno de Airflow 1.10.*, la última ejecución de DAG ocurrió a las 3:00 p.m. y planeas transferir el DAG a las 3:15 p.m., la fecha de inicio del entorno de Airflow 2 puede ser hoy a las 2:45 p.m. Después de habilitar el DAG en el entorno de Airflow 2, Airflow programa una ejecución del DAG para las 17:00.

Como otro ejemplo, si tu DAG se ejecuta a las 00:00 todos los días en el entorno de Airflow 1.10.*, la última ejecución de DAG ocurre a las 20:00 el 26 de abril de 2021 y planeas transferir el DAG a las 13:00 del 26 de abril de 2021, la fecha de inicio del entorno de Airflow 2 puede ser a las 23:45 del 25 de abril de 2021. Después de habilitar el DAG en el entorno de Airflow 2, Airflow programa una ejecución del DAG para las 00:00 el 27 de abril de 2021.

Transfiere tus DAGs uno por uno al entorno de Airflow 2

Para cada DAG, sigue este procedimiento para transferirlo:

1. Asegúrate de que la nueva fecha de inicio en el DAG esté configurada como se describe en la sección anterior.

2. Sube el DAG actualizado al entorno de Airflow 2. Este DAG está en pausa en el entorno de Airflow 2 debido a la anulación de configuración, por lo que aún no se programaron ejecuciones de DAG.

3. En la interfaz web de Airflow, ve a DAGs y comprueba si hay errores de sintaxis de DAG informados.

   Nota: La interfaz web de Airflow no muestra correctamente los DAG ubicados en archivos ZIP. Este comportamiento es una limitación conocida de Airflow.

4. Cuando planees transferir el DAG, haz lo siguiente:

   1. Pausa el DAG en tu entorno de Airflow 1.10.*.

   2. Reanuda el DAG en tu entorno de Airflow 2.

   3. Verifica que la nueva ejecución de DAG esté programada a la hora correcta.

   4. Espera a que se ejecute el DAG en el entorno de Airflow 2 y verifica si la ejecución se realiza correctamente.

5. Según si la ejecución del DAG se realiza correctamente, ocurre lo siguiente:

   • Si la ejecución del DAG se realiza correctamente, puedes continuar y usar el DAG desde tu entorno de Airflow 2. Por último, considera borrar la versión 1.10.* de Airflow del DAG.

   • Si la ejecución del DAG falló, intenta solucionar el problema hasta que se ejecute correctamente en Airflow 2.

     Si es necesario, puedes volver a la versión 1.10.* de Airflow del DAG:

     1. Pausa el DAG en tu entorno de Airflow 2.

     2. Reanuda el DAG en tu entorno de Airflow 1.10.*. Esto programa una nueva ejecución de DAG para la misma fecha y hora que la ejecución de DAG fallida.

     3. Cuando tengas todo listo para continuar con la versión de Airflow 2 del DAG, ajusta la fecha de inicio, sube la nueva versión del DAG a tu entorno de Airflow 2 y repite el procedimiento.

Paso 9: Supervisa tu entorno de Airflow 2

Después de transferir todos los DAG y la configuración al entorno de Airflow 2, supervísalo en busca de posibles problemas, ejecuciones fallidas de DAG y el estado general del entorno. Si el entorno de Airflow 2 se ejecuta sin problemas durante un período suficiente, puedes quitar el entorno de Airflow 1.10.*.

¿Qué sigue?

• Soluciona problemas de los DAG
• Solución de problemas de creación de entornos
• Solución de problemas de actualizaciones y mejoras de entornos
• Cómo usar paquetes de portabilidad a versiones anteriores