Monitorar a integridade e o desempenho do ambiente com as principais métricas no painel de monitoramento

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Esta página descreve como monitorar a integridade e o desempenho gerais do ambiente do Cloud Composer com as principais métricas no painel de monitoramento.

Introdução

O foco deste tutorial são as principais métricas de monitoramento do Cloud Composer que oferecem uma boa visão geral da integridade e do desempenho no nível do ambiente.

O Cloud Composer oferece várias métricas que descrevem o estado geral do ambiente. As diretrizes de monitoramento deste tutorial são baseadas nas métricas expostas no painel do Monitoring do ambiente do Cloud Composer.

Neste tutorial, você vai aprender sobre as principais métricas que servem como indicadores principais de problemas com a performance e a integridade do ambiente, além de diretrizes para interpretar cada métrica em ações corretivas para manter o ambiente saudável. Você também vai configurar regras de alerta e executar o DAG de exemplo e usar essas métricas e alertas para otimizar o desempenho do seu ambiente.

Objetivos

Objetivo:

• Conheça as principais métricas de desempenho e integridade disponíveis no Monitoring mais avançado.
• Conheça os comparativos de mercado de cada métrica.
• Saiba como interpretar as métricas em ações corretivas.
• Criar alertas para cada uma das principais métricas.
• Execute um DAG de exemplo.
• Interpretar alertas e gráficos do Monitoring em ações corretivas.
• Otimize seu ambiente e avalie o desempenho dele.

Custos

Neste tutorial, usamos o seguinte componente faturável do Google Cloud:

• Cloud Composer (consulte custos adicionais)
• Cloud Monitoring

Ao concluir este tutorial, exclua os recursos criados para evitar o faturamento contínuo. Para mais detalhes, consulte Limpeza.

Antes de começar

Esta seção descreve as ações necessárias antes de iniciar o tutorial.

Criar e configurar um projeto

Para este tutorial, você precisa de um projeto do Google Cloud. Configure o projeto da seguinte maneira:

1. No console do Google Cloud, selecione ou crie um projeto:

   Acessar o seletor de projetos

2. Verifique se o faturamento foi ativado para o projeto. Saiba como verificar se o faturamento está ativado em um projeto.

3. Verifique se o usuário do projeto do Google Cloud tem os seguintes papéis para criar os recursos necessários:

   • Administrador de ambiente e de objetos do Storage (roles/composer.environmentAndStorageObjectAdmin)
   • Administrador do Compute (roles/compute.admin)
   • Editor do Monitoring (roles/monitoring.editor)

Ativar as APIs do projeto

Enable the Cloud Composer API.

Enable the API

Criar seu ambiente do Cloud Composer

Crie um ambiente do Cloud Composer 2.

Como parte desse procedimento, você concede a extensão do agente de serviço da API Cloud Composer v2 (roles/composer.ServiceAgentV2Ext) para o agente de serviço do Composer do Compute Engine. O Cloud Composer usa essa conta para realizar operações no projeto do Google Cloud.

Explore as principais métricas de desempenho e integridade no nível do ambiente

Este tutorial se concentra nas principais métricas que podem dar uma boa visão geral a integridade e o desempenho geral do ambiente.

O Painel de monitoramento no console do Google Cloud contém várias métricas e gráficos que permitem monitorar tendências no seu ambiente e identificar problemas com componentes do Airflow e recursos do Cloud Composer.

Cada ambiente do Cloud Composer tem seu próprio painel de monitoramento.

Conheça as principais métricas abaixo e localize cada uma delas no painel do Monitoring:

1. No console do Google Cloud, acesse a página Ambientes.

   Acessar "Ambientes"

2. Na lista de ambientes, clique no nome do seu ambiente. A página Detalhes do ambiente é aberta.

3. Acesse a guia Monitoramento.

4. Selecione a seção Visão geral, localize o item Visão geral do ambiente na painel e observar os Métrica Integridade do ambiente (DAG de monitoramento do Airflow).

   • Esta linha do tempo mostra a integridade do ambiente do Cloud Composer. A cor verde da barra de integridade do ambiente indica que o ambiente é íntegro, e o status de ambiente não íntegro é indicado pela cor vermelha.

   • A cada poucos minutos, o Cloud Composer executa um DAG de atividade chamado airflow_monitoring. Se a execução do DAG de atividade for concluída com êxito, o status de integridade é True. Se a execução do DAG de atividade falhar (por exemplo, devido à remoção de pods, encerramento de processos externos ou manutenção), o status de integridade é False.

5. Selecione a seção Banco de dados SQL, localize o item Integridade do banco de dados no painel e observe a métrica Integridade do banco de dados.

   • Esta linha do tempo mostra o status da conexão com a instância do Cloud SQL do seu ambiente. A barra de integridade do banco de dados verde indica conectividade, enquanto as falhas de conexão são indicadas com a cor vermelha.

   • O pod de monitoramento do Airflow dá um ping no banco de dados periodicamente e emite relatórios status de integridade como True se uma conexão puder ser estabelecida ou Caso contrário, False.

6. No item Integridade do banco de dados, observe os Uso de CPU do banco de dados e Métricas de uso de memória do banco de dados.

   • O gráfico de uso da CPU do banco de dados indica o uso de núcleos da CPU pelo as instâncias de banco de dados do Cloud SQL do seu ambiente em comparação limite total de CPU disponível para o banco de dados.

   • O gráfico de uso da memória do banco de dados indica o uso da memória pelas instâncias do banco de dados do Cloud SQL do seu ambiente em comparação com o limite total de memória do banco de dados disponível.

7. Selecione a seção Programadores, localize o item Batimento cardíaco do programador no painel e observe a métrica Batimento cardíaco do programador.

   • Essa linha do tempo mostra integridade do programador do Airflow. Verifique se há áreas vermelhas para identificar problemas do agendador do Airflow. Se as ambiente tiver mais de um agendador, então o status do sinal de funcionamento será desde que pelo menos um dos programadores esteja respondendo.

   • O programador será considerado não íntegro se o último sinal de funcionamento tiver sido recebido mais de 30 segundos (valor padrão) antes do horário atual.

8. Selecione a seção Estatísticas do DAG e localize Tarefas zumbi eliminadas. no painel e observe a métrica Zombie Tasks killed.

   • O gráfico indica o número de tarefas zumbi eliminadas em um curto período de tempo. As tarefas zumbi geralmente são causadas pelo encerramento externo de processos do Airflow, como quando o processo de uma tarefa é encerrado.

   • O agendador do Airflow elimina tarefas zumbi periodicamente, o que é refletido neste gráfico.

9. Selecione a seção Workers, localize o item Worker container restarts no painel e observe a métrica Worker container restarts.

   • Um gráfico indica o número total de reinicializações para contêineres de workers individuais. Muitas reinicializações de contêiner podem afetar a disponibilidade seu serviço ou outros serviços downstream que o usam como dependência.

Observação :é possível analisar mais de perto cada métrica visualizá-los no Cloud Monitoring.

Conheça os comparativos de mercado e possíveis ações corretivas para as principais métricas

Importante :as métricas da linha do tempo fornecem uma visão geral da integridade dos componentes individuais do ambiente; No entanto, as áreas vermelhas não indicam que um componente não está íntegro. Às vezes, pequenas áreas vermelhas a linha do tempo verde geral pode ser causada por fatores externos, como manutenção operações no cluster do ambiente. Use os gráficos e registros de monitoramento correspondentes para investigar possíveis motivos, analisar a correlação entre diferentes métricas e fazer correções com base nas causas raiz identificadas.

A lista a seguir descreve valores de comparação que podem indicar problemas e fornece ações corretivas que podem ser usadas para resolver esses problemas.

• Integridade do ambiente (DAG de monitoramento do Airflow)

  • Menos de 90% de taxa de sucesso em uma janela de 4 horas

  • As falhas podem resultar na remoção de pods ou no encerramento de workers porque quando o ambiente está sobrecarregado ou com defeito. As áreas vermelhas na linha do tempo de integridade do ambiente geralmente estão relacionadas a áreas vermelhas nas outras barras de integridade dos componentes do ambiente individual. Identifique a causa raiz analisar outras métricas no painel do Monitoring.

• Integridade do banco de dados

  • Menos de 95% de taxa de sucesso em uma janela de 4 horas

  • As falhas indicam que há problemas de conectividade com o Airflow o que pode ser o resultado de uma falha ou inatividade do banco de dados devido a o banco de dados está sobrecarregado (por exemplo, devido ao alto uso de CPU ou memória maior uso ou latência maior ao se conectar ao banco de dados). Esses sintomas são mais frequentemente causados por DAGs subótimas, como quando elas usam muitas variáveis de ambiente ou do Airflow definidas globalmente. Identifique a causa raiz analisando as métricas de uso de recursos do banco de dados SQL. Também é possível inspecionar os registros do programador em busca de erros relacionados à conectividade do banco de dados.

• Uso de CPU e memória do banco de dados

  • Mais de 80% no uso médio da CPU ou da memória em um período de 12 horas

  • O banco de dados pode estar sobrecarregado. analisar a correlação entre o DAG e picos no uso da CPU ou da memória do banco de dados.

    • É possível reduzir a carga do banco de dados com DAGs mais eficientes com consultas e conexões otimizadas ou distribuindo a carga de maneira mais uniforme ao longo do tempo.

    • Como alternativa, é possível alocar mais CPU ou memória para o banco de dados. Os recursos do banco de dados são controlados pela propriedade de tamanho do ambiente, e o ambiente precisa ser dimensionado para um tamanho maior.

• Sinal de funcionamento do programador

  • Taxa de sucesso menor que 90% em uma janela de quatro horas

  • Atribua mais recursos ao programador ou aumente o número de programadores de 1 para 2 (recomendado).

• Tarefas zumbi excluídas

  • Mais de uma tarefa zumbi a cada 24 horas

  • O motivo mais comum para tarefas zumbis é a falta de CPU ou memória no cluster do ambiente. Analisar o uso de recursos do worker gráficos e atribuir mais recursos aos workers ou Aumentar o tempo limite das tarefas zumbi para que o programador espere mais antes de considerar uma tarefa um zumbi.

• Reinicializações do contêiner do worker

  • Mais de uma reinicialização a cada 24 horas

  • O motivo mais comum é a falta de memória ou armazenamento do worker. Analise o consumo de recursos do worker e aloque mais memória ou armazenamento aos workers. Se a falta de recursos não for o motivo, analise solução de problemas de incidentes de reinicialização do worker e usar Consultas do Logging para descobrir os motivos das reinicializações do worker.

Criar canais de notificação

Siga as instruções em Criar um canal de notificação para criar um canal de notificação por e-mail.

Observação: para fins de redundância, é recomendável criar vários tipos de canais de notificação. Por exemplo, configure uma notificação do Slack além de e-mail.

Para saber mais sobre canais de notificação, consulte Gerenciar canais de notificação.

Criar políticas de alerta

Crie políticas de alertas com base nos comparativos de mercado deste tutorial para monitorar continuamente os valores de métricas e receber notificações quando essas métricas violarem uma condição.

Console

É possível configurar alertas para cada métrica apresentada no painel de monitoramento clicando no ícone de sino no canto do item correspondente:

Figura 1. Criar um alerta para uma métrica exibida no painel de monitoramento (clique para ampliar)

1. Encontre cada métrica que você quer monitorar no painel do Monitoring e clique no ícone de sino no canto do item da métrica. A página Criar política de alertas é aberta.

   Importante: nome da métrica, nome do ambiente e filtros de local estão aplicados automaticamente. No entanto, as políticas de alertas de alguns métricas exigem mais filtros e nomes de métricas diferentes. Consulte os campos "Filtros" e "Nome da métrica" em políticas de alertas configurações de métricas individuais para verificar se os filtros corretos sejam aplicadas.

2. Na seção Transformar dados:

   1. Configure a seção Em cada série temporal conforme descrito nas configuração de políticas de alertas para a métrica.

   2. Clique em Próxima e configure a seção Configurar o acionador de alertas conforme descrito na configuração das políticas de alertas para a métrica.

3. Clique em Próxima.

4. Configure as notificações. Expanda o menu Canais de notificação. e selecione os canais de notificação que você criou no etapa anterior.

5. Clique em OK.

6. Na seção Nomear a política de alertas, preencha o campo Nome da política de alertas. Use um nome descritivo para cada uma das métricas. Use a opção política de alertas" conforme descrito na configuração das políticas de alertas para a métrica.

7. Clique em Próxima.

8. Revise a política de alertas e clique em Criar política.

Métrica de integridade do ambiente (DAG de monitoramento do Airflow): configurações de política de alertas

• Nome da métrica: ambiente do Cloud Composer: saudável
• API: composer.googleapis.com/environment/healthy

• Filtros:

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformar dados > Em cada série temporal:

  • Janela contínua: personalizada
  • Valor personalizado: 4
  • Unidades personalizadas: horas
  • Função de janela contínua: fração verdadeira

• Configure o gatilho de alertas:

  • Tipos de condição: limite
  • Acionador de alerta: qualquer série temporal viola
  • Posição do limite: abaixo do limite
  • Valor do limite: 90
  • Nome da condição: condição de integridade do ambiente

• Configure notificações e finalize o alerta:

  • Nome da política de alertas: "Saúde do ambiente do Airflow"

Métrica de integridade do banco de dados: configurações da política de alertas

• Nome da métrica: Cloud Composer Environment - Database Healthy
• API: composer.googleapis.com/environment/database_health

• Filtros:

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformar dados > Em cada série temporal:

  • Janela contínua: personalizada
  • Valor personalizado: 4
  • Unidades personalizadas: horas
  • Função de janela contínua: fração verdadeira

• Configure o gatilho de alertas:

  • Tipos de condição: limite
  • Acionador de alerta: qualquer série temporal viola
  • Posição do limite: abaixo do limite
  • Valor do limite: 95
  • Nome da condição: Condição de integridade do banco de dados

• Configure as notificações e finalize o alerta:

  • Nome da política de alertas: "Saúde do banco de dados do Airflow"

Métrica de uso da CPU do banco de dados: configurações da política de alertas

Observação: para simplificar, ao configurar alertas para o uso da memória do Database e Métricas de uso da CPU do banco de dados, use os nomes das métricas Uso da memória do banco de dados (composer.googleapis.com/environment/database/memory/utilization) e Uso de CPU do banco de dados (composer.googleapis.com/environment/database/cpu/utilization) em vez de nomes de métricas padrão que monitoram os bytes usados (composer.googleapis.com/environment/database/memory/bytes_used) e usados vez (composer.googleapis.com/environment/database/cpu/usage_time). O As métricas de utilização de CPU e memória do banco de dados monitoram a porcentagem de em comparação com a CPU e a memória disponíveis automaticamente, o que ajuda a evitar cálculos ao configurar o gatilho de condição.

• Nome da métrica: ambiente do Cloud Composer: utilização da CPU do banco de dados
• API: composer.googleapis.com/environment/database/cpu/utilization

• Filtros:

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformar dados > Em cada série temporal:

  • Janela contínua: personalizada
  • Valor personalizado: 12
  • Unidades personalizadas: hora(s)
  • Função de janela contínua: mean

• Configurar o gatilho de alerta:

  • Tipos de condição: limite
  • Acionador de alerta: Qualquer série temporal que viola
  • Posição do limite: acima do limite
  • Valor do limite: 80
  • Nome da condição: condição de uso da CPU do banco de dados

• Configure as notificações e finalize o alerta:

  • Nomeie a política de alertas: "Uso da CPU do banco de dados do Airflow".

Métrica de uso da CPU do banco de dados: configurações da política de alertas

Observação: para simplificar, ao configurar alertas para as métricas de uso da memória e de uso da CPU do banco de dados, use os nomes das métricas Uso da memória do banco de dados (composer.googleapis.com/environment/database/memory/utilization) e Uso da CPU do banco de dados (composer.googleapis.com/environment/database/cpu/utilization) em vez dos nomes de métrica padrão que monitoram os bytes usados (composer.googleapis.com/environment/database/memory/bytes_used) e o tempo usado (composer.googleapis.com/environment/database/cpu/usage_time). As métricas de uso da memória e da CPU do banco de dados monitoram a porcentagem de uso em relação à CPU e à memória disponíveis automaticamente, o que ajuda a evitar cálculos desnecessários ao configurar o acionador de condição.

• Nome da métrica: Ambiente do Cloud Composer - Uso de memória do banco de dados
• API: composer.googleapis.com/environment/database/memory/utilization

• Filtros:

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformar dados > Em cada série temporal:

  • Janela contínua: personalizada
  • Valor personalizado: 12
  • Unidades personalizadas: hora(s)
  • Função de janela contínua: mean

• Configurar o gatilho de alerta:

  • Tipos de condição: limite
  • Acionador de alerta: Qualquer série temporal que viola
  • Posição do limite: acima do limite
  • Valor do limite: 80
  • Nome da condição: condição de uso da memória do banco de dados

• Configure notificações e finalize o alerta:

  • Nomeie a política de alertas: Uso da memória do banco de dados do Airflow

Métrica de batimentos do programador: configurações da política de alertas

• Nome da métrica: ambiente do Cloud Composer – sinais de funcionamento do programador
• API: composer.googleapis.com/environment/scheduler_heartbeat_count

• Filtros:

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformar dados > Em cada série temporal:

  • Janela contínua: personalizada
  • Valor personalizado: 4
  • Unidades personalizadas: hora(s)
  • Função de janela contínua: contagem

• Configure o gatilho de alertas:

  • Tipos de condição: limite
  • Acionador de alerta: qualquer série temporal viola
  • Posição do limite: abaixo do limite

  • Valor do limite: 216

    Observação: a contagem de batimentos cardíacos média do programador em um ambiente inativo é 240. Portanto, uma taxa de sucesso de 90% em uma janela de 4 horas equivale a 240 * 0,9 =
    1. Você pode conseguir esse número executando uma consulta que agrega o valor _scheduler_heartbeat_count_mean no Editor de consultas do Metrics Explorer.

  • Nome da condição: condição de funcionamento do programador

• Configure notificações e finalize o alerta:

  • Nomeie a política de alertas: Sinal de funcionamento do programador do Airflow

Métrica "Tarefas zumbis eliminadas": configurações da política de alertas

• Nome da métrica: ambiente do Cloud Composer: tarefas zumbi excluídas
• API: composer.googleapis.com/environment/zombie_task_killed_count

• Filtros:

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformar dados > Em cada série temporal:

  • Janela contínua: 1 dia
  • Função de janela contínua: soma

• Configurar o gatilho de alerta:

  • Tipos de condição: limite
  • Acionador de alerta: Qualquer série temporal que viola
  • Posição do limite: acima do limite
  • Valor do limite: 1
  • Nome da condição: condição das tarefas zumbi

• Configure notificações e finalize o alerta:

  • Nomeie a política de alertas: "Tarefas zumbis do Airflow"

Métrica de reinicializações do contêiner do worker: configurações da política de alertas

• Nome da métrica: ambiente do Cloud Composer - tarefas zumbis eliminadas
• API: composer.googleapis.com/environment/zombie_task_killed_count

• Filtros:

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformar dados > Em cada série temporal:

  • Janela contínua: 1 dia
  • Função de janela contínua: soma

• Configurar o gatilho de alerta:

  • Tipos de condição: limite
  • Acionador de alerta: Qualquer série temporal que viola
  • Posição do limite: acima do limite
  • Valor do limite: 1
  • Nome da condição: condição das tarefas zumbi

• Configure notificações e finalize o alerta:

  • Nomeie a política de alertas: "Tarefas zumbis do Airflow"

Terraform

Execute um script do Terraform que cria um canal de notificação por e-mail e faz o upload de políticas de alertas para as principais métricas fornecidas neste tutorial com base nos respectivos comparativos:

1. Salve o arquivo de exemplo do Terraform no seu computador local.

2. Substitua:

   • PROJECT_ID: o ID do projeto. Por exemplo, example-project.
   • EMAIL_ADDRESS: o endereço de e-mail que precisa ser notificado caso um alerta seja acionado.
   • ENVIRONMENT_NAME: o nome do seu ambiente do Cloud Composer. Por exemplo, example-composer-environment.
   • CLUSTER_NAME: o nome do cluster do ambiente, que pode ser encontrado em Configuração do ambiente > Recursos > Cluster do GKE no console do Google Cloud.

resource "google_monitoring_notification_channel" "basic" {
  project      = "PROJECT_ID"
  display_name = "Test Notification Channel"
  type         = "email"
  labels = {
    email_address = "EMAIL_ADDRESS"
  }
  # force_delete = false
}

resource "google_monitoring_alert_policy" "environment_health_metric" {
  project      = "PROJECT_ID"
  display_name = "Airflow Environment Health"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Environment health condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/healthy\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_LT"
      threshold_value = 0.9
      aggregations {
        alignment_period   = "14400s"
        per_series_aligner = "ALIGN_FRACTION_TRUE"
      }
    }
  }

}

resource "google_monitoring_alert_policy" "database_health_metric" {
  project      = "PROJECT_ID"
  display_name = "Airflow Database Health"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Database health condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/database_health\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_LT"
      threshold_value = 0.95
      aggregations {
        alignment_period   = "14400s"
        per_series_aligner = "ALIGN_FRACTION_TRUE"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_database_cpu_usage" {
  project      = "PROJECT_ID"
  display_name = "Airflow Database CPU Usage"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Database CPU usage condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/database/cpu/utilization\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 80
      aggregations {
        alignment_period   = "43200s"
        per_series_aligner = "ALIGN_MEAN"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_database_memory_usage" {
  project      = "PROJECT_ID"
  display_name = "Airflow Database Memory Usage"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Database memory usage condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/database/memory/utilization\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 80
      aggregations {
        alignment_period   = "43200s"
        per_series_aligner = "ALIGN_MEAN"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_scheduler_heartbeat" {
  project      = "PROJECT_ID"
  display_name = "Airflow Scheduler Heartbeat"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Scheduler heartbeat condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/scheduler_heartbeat_count\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_LT"
      threshold_value = 216 // Threshold is 90% of the average for composer.googleapis.com/environment/scheduler_heartbeat_count metric in an idle environment
      aggregations {
        alignment_period   = "14400s"
        per_series_aligner = "ALIGN_COUNT"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_zombie_task" {
  project      = "PROJECT_ID"
  display_name = "Airflow Zombie Tasks"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Zombie tasks condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/zombie_task_killed_count\" AND  resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 1
      aggregations {
        alignment_period   = "86400s"
        per_series_aligner = "ALIGN_SUM"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_worker_restarts" {
  project      = "PROJECT_ID"
  display_name = "Airflow Worker Restarts"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Worker container restarts condition"
    condition_threshold {
      filter     = "resource.type = \"k8s_container\" AND (resource.labels.cluster_name = \"CLUSTER_NAME\" AND resource.labels.container_name = monitoring.regex.full_match(\"airflow-worker|base\") AND resource.labels.pod_name = monitoring.regex.full_match(\"airflow-worker-.*|airflow-k8s-worker-.*\")) AND metric.type = \"kubernetes.io/container/restart_count\""

      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 1
      aggregations {
        alignment_period   = "86400s"
        per_series_aligner = "ALIGN_RATE"
      }
    }
  }
}

Testar as políticas de alertas

Esta seção descreve como testar as políticas de alerta criadas e interpretar os resultados.

Fazer upload de um DAG de amostra

O DAG de amostra memory_consumption_dag.py fornecido neste tutorial imita uso intensivo de memória do worker. O DAG contém quatro tarefas, cada uma de tarefas grava dados em uma string de amostra, consumindo 380 MB de memória. O DAG de exemplo é programado para ser executado a cada dois minutos e começa a ser executado automaticamente depois de ser enviado para o ambiente do Composer.

Aviso: exclua ou pause este DAG depois de concluir o tutorial. Caso contrário, seu ambiente poderá consumir uma quantidade significativa de recursos, o que pode resultar em custos adicionais.

Faça upload do DAG de amostra a seguir no ambiente que você criou nas etapas anteriores:

from datetime import datetime
import sys
import time

from airflow import DAG
from airflow.operators.python import PythonOperator


def ram_function():
    data = ""
    start = time.time()
    for i in range(38):
        data += "a" * 10 * 1000**2
        time.sleep(0.2)
        print(f"{i}, {round(time.time() - start, 4)}, {sys.getsizeof(data) / (1000 ** 3)}")
    print(f"Size={sys.getsizeof(data) / (1000 ** 3)}GB")
    time.sleep(30 - (time.time() - start))
    print(f"Complete in {round(time.time() - start, 2)} seconds!")


with DAG(
    dag_id="memory_consumption_dag",
    start_date=datetime(2023, 1, 1, 1, 1, 1),
    schedule="1/2 * * * *",
    catchup=False,
) as dag:
    for i in range(4):
        PythonOperator(
            task_id=f"task_{i+1}",
            python_callable=ram_function,
            retries=0,
            dag=dag,
        )

Interpretar alertas e métricas no Monitoring

Aguarde cerca de 10 minutos após o DAG de amostra começar a ser executado e avalie resultados do teste:

1. Verifique sua caixa de e-mails para confirmar se você recebeu uma notificação de Google Cloud Alerting com o assunto que começa com [ALERT]. O conteúdo desta mensagem contém os detalhes do incidente da política de alertas.

2. Clique no botão Ver incidente na notificação por e-mail. Você está redirecionadas para o Metrics Explorer. Analisar os detalhes do alerta incidente:

   

   Figura 2. Detalhes do incidente de alerta (clique para ampliar)

   O gráfico de métricas de incidentes indica que as métricas criadas excederam o limite de 1, o que significa que o Airflow detectou e eliminou mais de uma tarefa zumbificada.

3. No ambiente do Cloud Composer, acesse a guia Monitoring, abra a seção DAG statistics e encontre o gráfico Zombie tasks killed:

   

   Figura 3. Gráfico de tarefas zumbi (clique para ampliar)

   O gráfico indica que o Airflow eliminou cerca de 20 tarefas zumbi dentro de apenas nos primeiros 10 minutos da execução do DAG de amostra.

4. De acordo com os comparativos e as ações corretivas, o motivo mais comum para tarefas zumbis é a falta de memória ou CPU do worker. Identifique a causa raiz das tarefas zumbi analisando a utilização de recursos do worker.

   Abrir a seção "Workers" no painel do Monitoring e revisar o worker Métricas de uso de CPU e memória:

   

   Figura 4. Métricas de uso de CPU e memória do worker (clique para ampliar)

   O gráfico de uso total da CPU dos workers indica que o uso da CPU dos workers foi abaixo de 50% do limite total disponível em todos os momentos, de modo que a CPU é suficiente. O gráfico "Uso total de memória de workers" mostra que a execução do DAG de exemplo resultou em atingir o limite de memória alocável, que equivale a quase 75% do limite total de memória mostrado no gráfico. O GKE reserva 25% dos primeiros 4 GiB de memória e mais 100 MiB de memória em cada nó para lidar com a remoção de pods.

   É possível concluir que os workers não têm os recursos de memória para executar e o DAG de amostra.

Otimizar seu ambiente e avaliar o desempenho dele

Com base na análise da utilização de recursos do worker, é preciso alocar mais aos workers para que todas as tarefas do DAG sejam bem-sucedidas.

Observação: a mudança de workers A CPU ou a memória reinicia os workers, o que pode afetar tarefas em execução. Recomendamos fazer isso quando nenhum DAG estiver em execução.

1. No ambiente do Composer, abra a guia DAGs e clique no nome do exemplo de DAG (memory_consumption_dag) e, em seguida, clique em Pausar DAG.

2. Aloque mais memória para o worker:

   1. Na guia de configuração do ambiente, encontre a opção Recursos. > Cargas de trabalho e clique em Editar.

   2. No item Worker, aumente o limite de Memória. Neste tutorial, usam 3,25 GB.

   3. Salve as alterações e aguarde alguns minutos para que o worker seja reinicializado.

3. Abra a guia DAGs e clique no nome do DAG de amostra (memory_consumption_dag) e clique em Retomar DAG.

Acesse o Monitoring e verifique se nenhuma nova tarefa zumbi apareceu depois que você atualizou os limites de recursos do worker:

Figura 5. Gráfico de tarefas zumbis depois que o limite de memória é alterado (clique para ampliar)

Observação: é recomendável observar o desempenho do ambiente por períodos mais longos. Por exemplo, em um ambiente de produção em que você executa muitos DAGs, recomendamos verificar se não há novos alertas após 24 horas.

Resumo

Neste tutorial, você aprendeu sobre os principais fatores de integridade e métricas de desempenho, como configurar políticas de alertas para cada métrica e como para interpretar cada métrica em ações corretivas. Depois, você executou um DAG de amostra identificou a causa raiz dos problemas de saúde do ambiente com a ajuda de alertas e gráficos do Monitoring e otimizou seu ambiente com a alocação de mais memória aos workers. No entanto, é recomendável otimizar seus DAGs para reduzir o consumo de recursos do worker, porque não é possível aumentar os recursos além de um determinado limite.

Limpar

Para evitar cobranças na sua conta do Google Cloud pelos recursos usados neste tutorial, exclua o projeto que os contém ou mantenha o projeto e exclua os recursos individuais.

Exclua o projeto

Cuidado: excluir um projeto tem os seguintes efeitos:

• Tudo no projeto é excluído. Se você tiver usado um projeto existente para as tarefas neste documento, a exclusão dele incluirá a exclusão de quaisquer outros trabalhos feitos no projeto.
• Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

Se você planeja passar por várias arquiteturas, tutoriais ou guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Excluir recursos individuais

Se você planeja ver vários tutoriais e guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

Console

1. Exclua o ambiente do Cloud Composer. Você também exclui o bucket do ambiente durante esse procedimento.
2. Exclua cada uma das políticas de alertas criadas no Cloud Monitoring.

Terraform

1. Verifique se o script do Terraform não contém entradas para recursos que ainda são necessários para o projeto. Por exemplo, talvez você queira manter algumas APIs ativadas e as permissões do IAM ainda atribuídas (se você adicionou essas definições ao script do Terraform).
2. Execute terraform destroy.
3. Exclua manualmente o bucket do ambiente. O Cloud Composer não exclui automaticamente. É possível fazer isso no console do Google Cloud ou na CLI do Google Cloud.

A seguir

• Otimizar ambientes
• Escalonar ambientes
• Gerenciar rótulos de ambiente e detalhar os custos do ambiente