Tester, synchroniser et déployer vos DAG à partir de GitHub

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Ce guide explique comment créer un pipeline CI/CD pour tester, synchroniser et déployer des DAG dans votre environnement Cloud Composer à partir de votre dépôt GitHub.

Si vous souhaitez synchroniser uniquement les données d'autres services, consultez la section Transférer des données à partir d'autres services.

Présentation du pipeline CI/CD

Figure 1. Schéma de l'architecture illustrant les étapes du flux (cliquez pour agrandir)

Le pipeline CI/CD qui doit tester, synchroniser et déployer les DAG comporte les étapes suivantes:

1. Apportez une modification à un DAG, puis transférez cette modification vers une branche de développement de votre dépôt.

2. Vous ouvrez une demande d'extraction sur la branche principale de votre dépôt.

3. Cloud Build exécute des tests unitaires pour vérifier la validité de votre DAG.

4. Votre demande d'extraction est approuvée et fusionnée avec la branche principale de votre dépôt.

5. Cloud Build synchronise votre environnement de développement Cloud Composer avec ces nouvelles modifications.

6. Vous allez vérifier que le DAG se comporte comme prévu dans votre environnement de développement.

7. Si votre DAG fonctionne comme prévu, vous devez l'importer dans votre environnement de production Cloud Composer.

Objectifs

Objectif:

• Exécuter une vérification automatique avant l'envoi à l'aide de Cloud Build Cette vérification exécute des tests unitaires pour un DAG.
• Synchronisez les DAG de votre environnement Cloud Composer de développement avec ceux de votre dépôt GitHub.

Avant de commencer

• Dans ce guide, nous partons du principe que vous travaillez avec deux environnements Cloud Composer identiques: un environnement de développement et un environnement de production.

  Dans le cadre de ce guide, vous ne configurez un pipeline CI/CD que pour votre environnement de développement. Vérifiez que l'environnement que vous utilisez n'est pas un environnement de production.

• Dans ce guide, nous partons du principe que vos DAG et leurs tests sont stockés dans un dépôt GitHub.

  L'exemple de pipeline CI/CD présente le contenu d'un exemple de dépôt. Les DAG et les tests sont stockés dans le répertoire dags/, avec les fichiers d'exigences, le fichier de contraintes et les fichiers de configuration Cloud Build au niveau supérieur. L'utilitaire de synchronisation des DAG et ses exigences se trouvent dans le répertoire utils.

Créer une tâche de vérification avant envoi et des tests unitaires

La première tâche Cloud Build exécute une vérification avant envoi, qui exécute des tests unitaires pour vos DAG.

Ajouter des tests unitaires

Si vous ne l'avez pas déjà fait, créez des tests unitaires pour vos DAG. Enregistrez ces tests avec les DAG de votre dépôt, chacun avec le suffixe _test. Par exemple, le fichier de test du DAG dans la région example_dag.py est example_dag_test.py. Il s'agit des tests qui s'exécutent en tant que vérification avant envoi dans votre dépôt.

Créer une configuration YAML Cloud Build pour la vérification avant envoi

Dans votre dépôt, créez un fichier YAML nommé test-dags.cloudbuild.yaml qui configure votre tâche Cloud Build pour les vérifications avant envoi. Il comporte trois étapes:

1. Installez les dépendances nécessaires à vos DAG.
2. Installez les dépendances nécessaires à vos tests unitaires.
3. Exécuter les tests du DAG

steps:
  # install dependencies
  - name: python:3.8-slim
    entrypoint: pip
    args: ["install", "-r", "requirements.txt", "-c", "constraints.txt", "--user"]

  - name: python:3.8-slim
    entrypoint: pip
    args: ["install", "-r", "requirements-test.txt", "--user"]

  # run in python 3.8 which is latest version in Cloud Composer
  - name: python:3.8-slim
    entrypoint: python3.8
    args: ["-m", "pytest", "-s", "dags/"]

Remarque :Cloud Build extrait l'image Python de Docker Hub et vous pouvez spécifier le tag dans le champ name de chaque étape. Si vous utilisez python comme entrypoint, assurez-vous que entrypoint correspond à la version spécifiée dans votre balise. Sinon, entrypoint est défini par défaut sur latest.

Créer le déclencheur Cloud Build pour la vérification avant envoi

Suivez le guide Créer des dépôts à partir de GitHub pour créer un déclencheur basé sur une application GitHub avec les configurations suivantes:

• Nom : test-dags

• Événement: Demande d'extraction

• Source – Dépôt: choisissez votre dépôt.

• Source - Branche de base: ^main$ (remplacez main par le nom de la branche de base de votre dépôt, si nécessaire)

• Source – Contrôle des commentaires: non requis

  Attention :Si le contrôle des commentaires n'est pas requis, tout utilisateur peut envoyer une demande d'extraction qui déclenche la compilation. Pour les dépôts plus importants ou ceux associés à des contributeurs non approuvés, il est recommandé d'exiger le contrôle des commentaires.

• Configuration de la compilation – Fichier de configuration Cloud Build : /test-dags.cloudbuild.yaml (chemin d'accès à votre fichier de compilation)

Créer un job de synchronisation des DAG et ajouter le script utilitaire des DAG

Configurez ensuite un job Cloud Build qui exécute un script utilitaire dédié aux DAG. Le script utilitaire de cette tâche synchronise vos DAG avec votre environnement Cloud Composer après leur fusion avec la branche principale de votre dépôt.

Remarque :Cloud Composer analyse tous les DAG selon un intervalle répété. Cela se produit même si les DAG n'ont pas changé depuis la dernière analyse. En raison de ce comportement, cet utilitaire importe tous les DAG dans Cloud Composer, et pas seulement ceux qui ont été modifiés.

Ajouter le script de l'utilitaire des DAG

Ajoutez le script de l'utilitaire DAG à votre dépôt. Ce script utilitaire copie tous les fichiers DAG du répertoire dags/ de votre dépôt vers un répertoire temporaire, en ignorant tous les fichiers Python non DAG. Le script utilise ensuite la bibliothèque cliente Cloud Storage pour importer tous les fichiers de ce répertoire temporaire vers le répertoire dags/ du bucket de votre environnement Cloud Composer.

from __future__ import annotations

import argparse
import glob
import os
from shutil import copytree, ignore_patterns
import tempfile

# Imports the Google Cloud client library
from google.cloud import storage


def _create_dags_list(dags_directory: str) -> tuple[str, list[str]]:
    temp_dir = tempfile.mkdtemp()

    # ignore non-DAG Python files
    files_to_ignore = ignore_patterns("__init__.py", "*_test.py")

    # Copy everything but the ignored files to a temp directory
    copytree(dags_directory, f"{temp_dir}/", ignore=files_to_ignore, dirs_exist_ok=True)

    # The only Python files left in our temp directory are DAG files
    # so we can exclude all non Python files
    dags = glob.glob(f"{temp_dir}/*.py")
    return (temp_dir, dags)


def upload_dags_to_composer(
    dags_directory: str, bucket_name: str, name_replacement: str = "dags/"
) -> None:
    """
    Given a directory, this function moves all DAG files from that directory
    to a temporary directory, then uploads all contents of the temporary directory
    to a given cloud storage bucket
    Args:
        dags_directory (str): a fully qualified path to a directory that contains a "dags/" subdirectory
        bucket_name (str): the GCS bucket of the Cloud Composer environment to upload DAGs to
        name_replacement (str, optional): the name of the "dags/" subdirectory that will be used when constructing the temporary directory path name Defaults to "dags/".
    """
    temp_dir, dags = _create_dags_list(dags_directory)

    if len(dags) > 0:
        # Note - the GCS client library does not currently support batch requests on uploads
        # if you have a large number of files, consider using
        # the Python subprocess module to run gsutil -m cp -r on your dags
        # See https://cloud.google.com/storage/docs/gsutil/commands/cp for more info
        storage_client = storage.Client()
        bucket = storage_client.bucket(bucket_name)

        for dag in dags:
            # Remove path to temp dir
            dag = dag.replace(f"{temp_dir}/", name_replacement)

            try:
                # Upload to your bucket
                blob = bucket.blob(dag)
                blob.upload_from_filename(dag)
                print(f"File {dag} uploaded to {bucket_name}/{dag}.")
            except FileNotFoundError:
                current_directory = os.listdir()
                print(
                    f"{name_replacement} directory not found in {current_directory}, you may need to override the default value of name_replacement to point to a relative directory"
                )
                raise

    else:
        print("No DAGs to upload.")


if __name__ == "__main__":
    parser = argparse.ArgumentParser(
        description=__doc__, formatter_class=argparse.RawDescriptionHelpFormatter
    )
    parser.add_argument(
        "--dags_directory",
        help="Relative path to the source directory containing your DAGs",
    )
    parser.add_argument(
        "--dags_bucket",
        help="Name of the DAGs bucket of your Composer environment without the gs:// prefix",
    )

    args = parser.parse_args()

    upload_dags_to_composer(args.dags_directory, args.dags_bucket)

Créer une configuration YAML Cloud Build pour synchroniser les DAG

Dans votre dépôt, créez un fichier YAML nommé add-dags-to-composer.cloudbuild.yaml qui configure votre tâche Cloud Build pour la synchronisation des DAG. Il comporte deux étapes:

1. Installez les dépendances requises par le script de l'utilitaire des DAG.

2. Exécutez le script utilitaire pour synchroniser les DAG de votre dépôt avec votre environnement Cloud Composer.

steps:
  # install dependencies
  - name: python
    entrypoint: pip
    args: ["install", "-r", "utils/requirements.txt", "--user"]

  # run
  - name: python
    entrypoint: python
    args: ["utils/add_dags_to_composer.py", "--dags_directory=${_DAGS_DIRECTORY}", "--dags_bucket=${_DAGS_BUCKET}"]

Remarque :Cloud Build extrait l'image Python de Docker Hub et vous pouvez spécifier le tag dans le champ name de chaque étape. Si vous utilisez python comme entrypoint, assurez-vous que entrypoint correspond à la version spécifiée dans votre balise. Sinon, entrypoint est défini par défaut sur latest.

Créer le déclencheur Cloud Build

Suivez le guide Créer des dépôts à partir de GitHub pour créer un déclencheur basé sur une application GitHub avec les configurations suivantes:

• Nom : add-dags-to-composer

• Événement: Déployer sur une branche

• Source – Dépôt: choisissez votre dépôt.

• Source - Branche de base: ^main$ (remplacez main par le nom de la branche de base de votre dépôt, si nécessaire)

• Source – Filtre de fichiers inclus (glob): dags/**

• Configuration de la compilation – Fichier de configuration Cloud Build : /add-dags-to-composer.cloudbuild.yaml (chemin d'accès à votre fichier de compilation)

Dans la configuration avancée, ajoutez deux variables de substitution:

• _DAGS_DIRECTORY : répertoire dans lequel se trouvent les DAG dans votre dépôt. Si vous utilisez l'exemple de dépôt de ce guide, il s'agit de dags/.

• _DAGS_BUCKET : bucket Cloud Storage contenant le répertoire dags/ dans votre environnement Cloud Composer de développement Omettez le préfixe gs://. Par exemple, us-central1-example-env-1234ab56-bucket.

Attention :Si vous ne supprimez pas le suffixe dags/ du nom du bucket Cloud Storage dans la variable de substitution _DAGS_BUCKET, la tâche de synchronisation du DAG échoue avec une erreur NotFound. En effet, dans Cloud Storage, dags/ est un dossier, qui est considéré comme faisant partie du nom de l'objet et non du nom du bucket.

Tester votre pipeline CI/CD

Dans cette section, vous allez suivre un flux de développement de DAG qui utilise les déclencheurs Cloud Build que vous venez de créer.

Exécuter un job de pré-envoi

Créez une demande d'extraction vers votre branche principale pour tester votre build. Recherchez votre vérification avant l'envoi sur la page. Cliquez sur Détails et sélectionnez Afficher plus d'informations sur Google Cloud Build pour afficher vos journaux de compilation dans la console Google Cloud.

Important :Cloud Build exécute des tests unitaires avec les packages spécifiés dans requirements.txt et requirements-test.txt, qui incluent une version publique d'Airflow. Votre environnement Cloud Composer peut présenter un ensemble différent de packages PyPI et de packages préinstallés. Nous vous recommandons d'exécuter un environnement Airflow local lors du développement de vos DAG.

Figure 2 : Capture d'écran de l'état de la vérification avant l'envoi de Cloud Build sur GitHub (cliquez pour agrandir)

Si la vérification avant l'envoi a échoué, consultez Résoudre les échecs de compilation.

Vérifier que votre DAG fonctionne dans votre environnement de développement Cloud Composer

Une fois votre demande d'extraction approuvée, fusionnez-la avec votre branche principale. Utilisez la console Google Cloud pour afficher les résultats des compilations. Si vous disposez de nombreux déclencheurs Cloud Build, vous pouvez filtrer vos compilations en fonction du nom du déclencheur add-dags-to-composer.

Une fois la tâche de synchronisation Cloud Build réussie, le DAG synchronisé apparaît dans votre environnement Cloud Composer de développement. Vous pouvez alors vérifier que le DAG fonctionne comme prévu.

Ajouter le DAG à votre environnement de production

Une fois que le DAG fonctionne comme prévu, ajoutez-le manuellement à votre environnement de production. Pour ce faire, importez le fichier DAG dans le répertoire dags/ du bucket de votre environnement de production Cloud Composer.

Si votre tâche de synchronisation de DAG a échoué ou si votre DAG ne se comporte pas comme prévu dans votre environnement Cloud Composer de développement, consultez la section Résoudre les échecs de compilation.

Résoudre les échecs de compilation

Cette section explique comment résoudre les scénarios courants d'échec de compilation.

Que faire si la vérification avant l'envoi a échoué ?

À partir de votre demande d'extraction, cliquez sur Détails, puis sélectionnez Afficher plus d'informations sur Google Cloud Build pour afficher vos journaux de compilation dans la console Google Cloud. Ces journaux peuvent vous aider à déboguer le problème avec votre DAG. Une fois les problèmes résolus, validez la correction et déployez-la sur votre branche. La vérification avant envoi s'exécute à nouveau, et vous pouvez continuer à itérer en utilisant les journaux comme outil de débogage.

Que faire si ma tâche de synchronisation du DAG a échoué ?

Utilisez la console Google Cloud pour afficher les résultats des compilations. Si vous disposez de nombreux déclencheurs Cloud Build, vous pouvez filtrer vos compilations en fonction du nom du déclencheur add-dags-to-composer. Examinez les journaux de la tâche de compilation et corrigez les erreurs. Si vous avez besoin d'une aide supplémentaire pour résoudre les erreurs, utilisez les canaux d'assistance.

Que faire si mon DAG ne fonctionne pas correctement dans mon environnement Cloud Composer ?

Si votre DAG ne fonctionne pas comme prévu dans votre environnement de développement Cloud Composer, ne le promouvez pas manuellement dans votre environnement Cloud Composer de production. Effectuez plutôt l'une des opérations suivantes :

• Annulez la demande d'extraction avec les modifications qui ont endommagé votre DAG pour le restaurer à l'état juste avant vos modifications (cela rétablit également tous les autres fichiers de cette demande d'extraction d'extraction).
• Créez une demande d'extraction pour annuler manuellement les modifications apportées au DAG défectueux.
• Créez une demande d'extraction pour corriger les erreurs dans votre DAG.

L'exécution de l'une de ces étapes déclenche une nouvelle vérification avant envoi et, lors de la fusion, la tâche de synchronisation du DAG.

Étapes suivantes

• Exécuter des environnements Airflow locaux
• Écrire des DAG
• Déclencher des DAG
• Tester les DAG