Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3
En esta página, se describe qué datos almacena Cloud Composer para tu entorno en Cloud Storage.
Cuando creas un entorno, Cloud Composer crea un depósito de Cloud Storage y lo asocia a tu entorno. El nombre del bucket se basa en la región, el nombre y un ID aleatorio del entorno, como us-central1-b1-6efabcde-bucket.
Cloud Composer sincroniza carpetas específicas el bucket de tu entorno a los componentes de Airflow que se ejecutan en tu entorno. Por ejemplo, cuando actualizas un archivo con el código de tu DAG de Airflow en el de Google bucket, los componentes de Airflow también reciben la versión actualizada. Cloud Composer usa Cloud Storage FUSE para la sincronización.
Carpetas en el bucket de Cloud Storage
| Carpeta | Ruta de almacenamiento | Directorio asignado | Descripción |
|---|---|---|---|
| DAG | gs://bucket-name/dags |
/home/airflow/gcs/dags |
Almacena DAG para tu entorno. |
| Complementos | gs://bucket-name/plugins |
/home/airflow/gcs/plugins |
Almacena tus complementos personalizados, como operadores, hooks, interfaces o sensores personalizados internos de Airflow. |
| Datos | gs://bucket-name/data |
/home/airflow/gcs/data |
Almacena los datos que las tareas producen y usan. |
| Registros | gs://bucket-name/logs |
/home/airflow/gcs/logs |
Almacena los registros de Airflow para las tareas. Los registros también están disponibles en la interfaz web de Airflow y en la pestaña Registros de la consola de Google Cloud. |
Cloud Composer sincroniza las carpetas dags/ y plugins/.
de forma unidireccional. La sincronización unidireccional implica que los cambios locales en estos
y las carpetas de un componente de Airflow. data/ y logs/
se sincronizan de forma bidireccional.
La sincronización de datos tiene coherencia eventual. Cómo enviar mensajes de un operador a otro, Usa XComs.
Consideraciones de capacidad
Los datos de las carpetas dags/, plugins/ y data/ se sincronizan con Airflow
programadores y trabajadores.
El contenido de la carpeta plugins/ se sincroniza con el servidor web de Airflow.
Cuantos más datos se coloquen en estas carpetas, más espacio se ocupará en el almacenamiento local de los componentes de Airflow. Se están guardando demasiados datos en
dags/ y plugins/ pueden interrumpir tus operaciones y generar problemas como los siguientes:
Un trabajador o un programador se queda sin almacenamiento local y se expulsa debido a que no hay suficiente espacio en el disco local del componente.
La sincronización de archivos de las carpetas
dags/yplugins/a los trabajadores y programadores lleva mucho tiempo.Se vuelve imposible sincronizar archivos de las carpetas
dags/yplugins/con los trabajadores y programadores. Por ejemplo, almacenas un archivo de 2 GB en ladags/, pero el disco local de un trabajador de Airflow solo puede para 1 GB. Durante la sincronización, se agota el almacenamiento local del trabajador y no se puede completar la sincronización.
Carpetas de DAGs y complementos
Para evitar fallas en la ejecución de DAG, almacena tus DAG, complementos y módulos de Python en las carpetas dags/ o plugins/, incluso si tus módulos de Python no contienen DAG ni complementos.
Por ejemplo, usas un DataFlowPythonOperator que hace referencia a una canalización de Dataflow py_file. Ese py_file no contiene DAG ni complementos, pero debes almacenarlo en la carpeta dags/ o plugins/.
Carpeta de datos
Hay situaciones en las que ciertos archivos de la carpeta data/ se sincronizan con un componente específico de Airflow. Por ejemplo, cuando
Cloud Composer intenta leer un archivo determinado por primera vez durante los siguientes eventos:
Análisis de DAG: Cuando se lee un archivo por primera vez durante el análisis de DAG, Cloud Composer lo sincroniza con el programador que analiza el DAG.
Ejecución del DAG: Cuando se lee un archivo por primera vez durante la ejecución del DAG, Cloud Composer lo sincroniza con el trabajador que ejecuta la ejecución.
Los componentes de Airflow tienen almacenamiento local limitado, así que considera borrarlos para liberar espacio en el disco en tus componentes. Ten en cuenta que el uso del almacenamiento local también puede aumentar temporalmente si tienes tareas simultáneas que descargan el mismo archivo en un solo trabajador de Airflow.
Carpeta de registros
La carpeta logs/ se sincroniza de los trabajadores de Airflow con el
bucket con la API de Cloud Storage.
La cuota de la API de Cloud Storage se calcula según la cantidad de datos que se mueven la cantidad de tareas de Airflow que ejecuta tu sistema puede aumentar tu uso de la API de Cloud Storage: cuantas más tareas ejecutes, más grande será tu registro archivos.
Sincronización con el servidor web
La carpeta plugins/ se sincroniza automáticamente con el servidor web para que
complementos se pueden cargar a través de la IU de Airflow.