Surveillez l'état et les performances de l'environnement à l'aide de métriques clés dans le tableau de bord Monitoring.

Cloud Composer 1 | Cloud Composer 2

Cette page explique comment surveiller l'état et les performances globaux de l'environnement Cloud Composer à l'aide de métriques clés dans le tableau de bord Monitoring.

Introduction

Ce tutoriel se concentre sur les principales métriques de surveillance de Cloud Composer, qui peuvent fournir un bon aperçu de l'état et des performances au niveau de l'environnement.

Cloud Composer propose plusieurs métriques qui décrivent l'état général de l'environnement. Les consignes de surveillance de ce tutoriel sont basées sur les métriques exposées dans le tableau de bord de surveillance de votre environnement Cloud Composer.

Dans ce tutoriel, vous découvrirez les métriques clés qui servent de principaux indicateurs des problèmes de performances et d'état de votre environnement, ainsi que les consignes permettant d'interpréter chaque métrique en mesures correctives pour maintenir un environnement sain. Vous allez également configurer des règles d'alerte pour chaque métrique, exécuter l'exemple de DAG, et utiliser ces métriques et alertes pour optimiser les performances de votre environnement.

Objectifs

Objectif:

• Découvrez les principales métriques de performances et de santé disponibles dans le tableau de bord Monitoring.
• Découvrez les benchmarks pour chaque métrique.
• Découvrez comment interpréter les métriques en mesures correctives.
• Créez des alertes pour chacune des métriques clés.
• Exécutez un exemple de DAG.
• Interpréter les alertes et les graphiques Monitoring en actions correctives
• Optimiser votre environnement et évaluer ses performances

Coûts

Ce tutoriel utilise les composants facturables suivants de Google Cloud :

• Cloud Composer (consultez la section sur les coûts supplémentaires)
• Cloud Monitoring

Une fois que vous avez terminé ce tutoriel, évitez de continuer à payer des frais en supprimant les ressources que vous avez créées. Pour en savoir plus, consultez la section Effectuer un nettoyage.

Avant de commencer

Cette section décrit les actions requises avant de démarrer le tutoriel.

Créer et configurer un projet

Pour ce tutoriel, vous avez besoin d'un projet Google Cloud. Configurez le projet de la manière suivante:

1. Dans la console Google Cloud, sélectionnez ou créez un projet:

   Accéder au sélecteur de projet

2. Assurez-vous que la facturation est activée pour votre projet. Découvrez comment vérifier si la facturation est activée sur un projet.

3. Assurez-vous que l'utilisateur de votre projet Google Cloud dispose des rôles suivants pour créer les ressources nécessaires:

   • Administrateur de l'environnement et des objets Storage (roles/composer.environmentAndStorageObjectAdmin)
   • Administrateur de Compute (roles/compute.admin)
   • Éditeur Monitoring (roles/monitoring.editor)

Activer les API pour votre projet.

Activez l'API Cloud Composer

Activer l'API

Créer l'environnement Cloud Composer

Créez un environnement Cloud Composer 2.

Dans cette procédure, vous attribuez le rôle Extension d'agent de service de l'API Cloud Composer v2 (roles/composer.ServiceAgentV2Ext) au compte d'agent de service Composer. Cloud Composer utilise ce compte pour effectuer des opérations dans votre projet Google Cloud.

Explorer les métriques clés sur l'état et les performances au niveau de l'environnement

Ce tutoriel se concentre sur les métriques clés qui peuvent vous donner un bon aperçu de l'état et des performances globales de votre environnement.

Le tableau de bord Monitoring de la console Google Cloud contient une variété de métriques et de graphiques permettant de surveiller les tendances de votre environnement et d'identifier les problèmes liés aux composants Airflow et aux ressources Cloud Composer.

Chaque environnement Cloud Composer possède son propre tableau de bord Monitoring.

Familiarisez-vous avec les métriques clés ci-dessous et localisez chacune d'elles dans le tableau de bord Monitoring:

1. Dans la console Google Cloud, accédez à la page Environnements.

   Accéder à la page Environnements

2. Dans la liste des environnements, cliquez sur le nom de votre environnement. La page Détails de l'environnement s'ouvre.

3. Accédez à l'onglet Surveillance.

4. Sélectionnez la section Présentation, recherchez l'élément Présentation de l'environnement dans le tableau de bord et observez la métrique État de l'environnement (DAG de surveillance Airflow).

   • Cette chronologie montre l'état de l'environnement Cloud Composer. La couleur verte de la barre d'état de l'environnement indique que l'environnement est sain, tandis que l'état non sain est indiqué en rouge.

   • À quelques minutes d'intervalle, Cloud Composer exécute un DAG d'activité nommé airflow_monitoring. Si l'exécution du DAG d'activité se termine correctement, l'état de fonctionnement est True. Si l'exécution du DAG d'activité échoue (par exemple, en raison de l'éviction des pods, de l'arrêt d'un processus externe ou de la maintenance), l'état de fonctionnement est False.

5. Sélectionnez la section Base de données SQL, localisez l'élément État de la base de données dans le tableau de bord et observez la métrique État de la base de données.

   • Cette chronologie indique l'état de la connexion à l'instance Cloud SQL de votre environnement. La barre verte d'état de la base de données indique la connectivité, tandis que les échecs de connexion sont indiqués en rouge.

   • Le pod de surveillance Airflow pingue la base de données régulièrement et indique l'état de fonctionnement True si une connexion peut être établie ou False dans le cas contraire.

6. Dans l'élément État de la base de données, examinez les métriques Utilisation du processeur de la base de données et Utilisation de la mémoire de la base de données.

   • Le graphique d'utilisation du processeur de la base de données indique l'utilisation des cœurs de processeur par les instances de base de données Cloud SQL de votre environnement par rapport à la limite totale de processeur de la base de données disponible.

   • Le graphique d'utilisation de la mémoire de la base de données indique l'utilisation de la mémoire par les instances de base de données Cloud SQL de votre environnement par rapport à la limite de mémoire totale disponible pour la base de données.

7. Sélectionnez la section Schedulers (Programmeurs), recherchez l'élément Scheduler Heartbeat (Pulsion du programmeur) sur le tableau de bord et observez la métrique Fréquence cardiaque du programmeur.

   • Cette chronologie montre l'état du programmeur Airflow. Recherchez des zones rouges pour identifier les problèmes liés au planificateur Airflow. Si votre environnement comporte plusieurs programmeurs, l'état Heartbeat est opérationnel tant qu'au moins l'un des programmeurs répond.

   • Le programmeur est considéré comme non opérationnel si la dernière pulsation a été reçue plus de 30 secondes (valeur par défaut) avant l'heure actuelle.

8. Sélectionnez la section Statistiques du DAG, localisez l'élément Tâches zombies supprimées dans le tableau de bord et observez la métrique Tâches zombies supprimées.

   • Ce graphique indique le nombre de tâches zombies supprimées dans une courte fenêtre de temps. Les tâches zombies sont souvent causées par l'arrêt externe des processus Airflow (par exemple, lorsque le processus d'une tâche est arrêté).

   • Le programmeur Airflow supprime périodiquement les tâches zombies, comme le montre ce graphique.

9. Sélectionnez la section Workers, recherchez l'élément Worker container restarts (Redémarrages des conteneurs de nœuds de calcul) sur le tableau de bord et observez la métrique Worker container restarts (Redémarrages des conteneurs de nœuds de calcul).

   • Un graphique indique le nombre total de redémarrages pour les conteneurs de nœuds de calcul individuels. Un trop grand nombre de redémarrages de conteneurs peut affecter la disponibilité de votre service ou d'autres services en aval qui l'utilisent comme dépendance.

Remarque :Vous pouvez examiner chaque métrique de plus près en l'affichant dans Cloud Monitoring.

Découvrez les benchmarks et les mesures correctives possibles pour les métriques clés.

Important :Les métriques de chronologie offrent un aperçu de l'état de santé de chaque composant d'environnement. Toutefois, les zones rouges n'indiquent pas nécessairement qu'un composant est non opérationnel. Parfois, les zones rouges mineures dans la chronologie verte globale peuvent être causées par des facteurs externes, tels que des opérations de maintenance dans le cluster de l'environnement. Utilisez les graphiques et les journaux Monitoring correspondants pour examiner les raisons potentielles, analyser la corrélation entre différentes métriques et apporter des corrections en fonction des causes fondamentales identifiées.

La liste suivante décrit les valeurs de benchmark qui peuvent indiquer des problèmes et propose les mesures correctives que vous pouvez prendre pour les résoudre.

• État de l'environnement (DAG de surveillance Airflow)

  • Taux de réussite inférieur à 90% sur une période de quatre heures

  • Les échecs peuvent entraîner l'éviction de pods ou l'arrêt de nœuds de calcul en raison d'une surcharge de l'environnement ou de dysfonctionnements. Les zones rouges de la chronologie de l'état de l'environnement sont généralement corrélées aux zones rouges dans les autres barres d'état des composants de l'environnement. Identifiez la cause racine en examinant les autres métriques dans le tableau de bord Monitoring.

• État de la base de données

  • Taux de réussite inférieur à 95% sur une période de quatre heures

  • Les échecs signifient des problèmes de connectivité à la base de données Airflow, qui peuvent être le résultat d'un plantage ou d'un temps d'arrêt de la base de données en raison d'une surcharge de la base de données (par exemple, en raison d'une utilisation intensive du processeur ou de la mémoire, ou d'une latence accrue lors de la connexion à la base de données). Ces symptômes sont le plus souvent causés par des DAG non optimaux, par exemple lorsque les DAG utilisent de nombreuses variables d'environnement ou Airflow définies globalement. Identifiez la cause racine en examinant les métriques d'utilisation des ressources de base de données SQL. Vous pouvez également inspecter les journaux du programmeur à la recherche d'erreurs liées à la connectivité de la base de données.

• Utilisation du processeur et de la mémoire de la base de données

  • Plus de 80% d'utilisation moyenne du processeur ou de la mémoire sur une période de 12 heures

  • La base de données est peut-être surchargée. Analysez la corrélation entre les exécutions de DAG et les pics d'utilisation du processeur ou de la mémoire de la base de données.

    • Vous pouvez réduire la charge de la base de données grâce à des DAG plus efficaces avec des requêtes et connexions en cours d'exécution optimisées, ou en répartissant la charge de manière plus uniforme dans le temps.

    • Vous pouvez également allouer plus de processeurs ou de mémoire à la base de données. Les ressources de la base de données sont contrôlées par la propriété de taille de votre environnement, et celui-ci doit être agrandi.

• Pulsation du programmeur

  • Taux de réussite inférieur à 90% sur une période de quatre heures

  • Attribuez davantage de ressources au programmeur ou augmentez le nombre de programmeurs de 1 à 2 (recommandé).

• Tâches zombie supprimées

  • Plus d'une tâche de zombie par 24 heures

  • La cause la plus fréquente des tâches zombies est le manque de ressources de processeur ou de mémoire dans le cluster de votre environnement. Examinez les graphiques d'utilisation des ressources de nœud de calcul et attribuez-leur davantage de ressources, ou augmentez le délai avant expiration des tâches zombies afin que le planificateur attende plus longtemps avant de considérer une tâche comme un zombie.

• Redémarrages de conteneurs de nœuds de calcul

  • Plusieurs redémarrages par 24 heures

  • La cause la plus fréquente est un manque de mémoire ou de stockage des nœuds de calcul. Examinez la consommation des ressources des nœuds de calcul et allouez-leur plus de mémoire ou d'espace de stockage. Si ce n'est pas le cas, consultez la section Résoudre les problèmes liés au redémarrage des nœuds de calcul et utilisez les requêtes Logging pour identifier les raisons des redémarrages des nœuds de calcul.

Créer des canaux de notification

Suivez les instructions décrites dans Créer un canal de notification pour créer un canal de notification par e-mail.

Remarque :À des fins de redondance, il est recommandé de créer plusieurs types de canaux de notification. Par exemple, vous pouvez configurer un canal de notification Slack en plus de l'e-mail.

Pour en savoir plus sur les canaux de notification, consultez Gérer les canaux de notification.

Créer des règles d'alerte

Créez des règles d'alerte basées sur les benchmarks fournis dans les sections précédentes de ce tutoriel pour surveiller en permanence les valeurs des métriques et recevoir des notifications lorsqu'elles ne respectent pas une condition.

Console

Vous pouvez configurer des alertes pour chaque métrique présente dans le tableau de bord Monitoring en cliquant sur l'icône en forme de cloche dans l'angle de l'élément correspondant:

Figure 1 : Créer une alerte pour une métrique affichée dans le tableau de bord de surveillance (cliquez pour agrandir)

1. Recherchez chaque métrique que vous souhaitez surveiller dans le tableau de bord Monitoring, puis cliquez sur l'icône en forme de cloche dans l'angle de la métrique. La page Créer une règle d'alerte s'ouvre.

   Important :Les filtres de nom de métrique, de nom d'environnement et d'emplacement sont appliqués automatiquement. Toutefois, les règles d'alerte de certaines métriques nécessitent des filtres supplémentaires et des noms de métriques différents. Reportez-vous aux champs "Filtres" et "Nom de la métrique" dans les configurations des règles d'alerte pour chaque métrique afin de vérifier que les filtres appropriés sont appliqués.

2. Dans la section Transformer les données:

   1. Configurez la section Dans chaque série temporelle, comme décrit dans la configuration des règles d'alerte pour la métrique.

   2. Cliquez sur Suivant, puis configurez la section Configurer le déclencheur d'alerte comme décrit dans la configuration des règles d'alerte pour la métrique.

3. Cliquez sur Suivant.

4. Configurez les notifications. Développez le menu Canaux de notification et sélectionnez le ou les canaux de notification que vous avez créés à l'étape précédente.

5. Cliquez sur OK.

6. Dans la section Nom de la règle d'alerte, renseignez le champ Nom de la règle d'alerte. Attribuez un nom descriptif à chaque métrique. Utilisez la valeur "Nom de la règle d'alerte" comme décrit dans la configuration des règles d'alerte de la métrique.

7. Cliquez sur Suivant.

8. Examinez la règle d'alerte, puis cliquez sur Créer une règle.

Métrique d'état de l'environnement (DAG de surveillance Airflow) - configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer - Santé
• API: composer.googleapis.com/environment/healthy

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Période glissante: personnalisée
  • Valeur personnalisée: 4
  • Unités personnalisées: heure(s)
  • Fenêtrage glissant: fraction "true"

• Configurez le déclencheur d'alerte:

  • Types de conditions: seuil
  • Déclencheur d'alerte: chaque infraction de série temporelle
  • Position du seuil: en dessous du seuil
  • Valeur de seuil: 90
  • Nom de la condition: État de l'environnement

• Configurer les notifications et finaliser l'alerte:

  • Nommez la règle d'alerte: Airflow Environment Health (État de l'environnement Airflow)

Métrique d'état de la base de données – Configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer - Base de données opérationnelle
• API: composer.googleapis.com/environment/database_health

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Période glissante: personnalisée
  • Valeur personnalisée: 4
  • Unités personnalisées: heure(s)
  • Fenêtrage glissant: fraction "true"

• Configurez le déclencheur d'alerte:

  • Types de conditions: seuil
  • Déclencheur d'alerte: chaque infraction de série temporelle
  • Position du seuil: en dessous du seuil
  • Valeur de seuil: 95
  • Nom de la condition: État de la base de données

• Configurer les notifications et finaliser l'alerte:

  • Nommez la règle d'alerte: Airflow Database Health

Métrique d'utilisation du processeur de la base de données – Configurations des règles d'alerte

Remarque :Par souci de simplicité, lorsque vous configurez des alertes pour les métriques d'utilisation de la mémoire de la base de données et du processeur de la base de données, utilisez les noms de métriques Utilisation de la mémoire de la base de données (composer.googleapis.com/environment/database/memory/utilization) et Utilisation du processeur de la base de données (composer.googleapis.com/environment/database/cpu/utilization) au lieu des noms de métriques par défaut qui surveillent les octets utilisés (composer.googleapis.com/environment/database/memory/bytes_used) et le temps d'utilisation (composer.googleapis.com/environment/database/cpu/usage_time). Les calculs de la mémoire de base de données et du processeur de la base de données surveillent le pourcentage d'utilisation par rapport au processeur de la base de données et évitent automatiquement le déclenchement inutile.

• Nom de la métrique: Environnement Cloud Composer – Utilisation du processeur de la base de données
• API: composer.googleapis.com/environment/database/cpu/utilization

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Période glissante: personnalisée
  • Valeur personnalisée: 12
  • Unités personnalisées: heure(s)
  • Fenêtrage glissant: moyenne

• Configurez le déclencheur d'alerte:

  • Types de conditions: seuil
  • Déclencheur d'alerte: chaque infraction de série temporelle
  • Position du seuil: au-dessus du seuil
  • Valeur de seuil: 80
  • Nom de la condition: condition d'utilisation du processeur de la base de données

• Configurer les notifications et finaliser l'alerte:

  • Nommez la règle d'alerte: Utilisation du processeur de la base de données Airflow

Métrique d'utilisation du processeur de la base de données – Configurations des règles d'alerte

Remarque :Par souci de simplicité, lorsque vous configurez des alertes pour les métriques d'utilisation de la mémoire de la base de données et du processeur de la base de données, utilisez les noms de métriques Utilisation de la mémoire de la base de données (composer.googleapis.com/environment/database/memory/utilization) et Utilisation du processeur de la base de données (composer.googleapis.com/environment/database/cpu/utilization) au lieu des noms de métriques par défaut qui surveillent les octets utilisés (composer.googleapis.com/environment/database/memory/bytes_used) et le temps d'utilisation (composer.googleapis.com/environment/database/cpu/usage_time). Les calculs de la mémoire de base de données et du processeur de la base de données surveillent le pourcentage d'utilisation par rapport au processeur de la base de données et évitent automatiquement le déclenchement inutile.

• Nom de la métrique: Environnement Cloud Composer – Utilisation de la mémoire de la base de données
• API: composer.googleapis.com/environment/database/memory/utilization

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Période glissante: personnalisée
  • Valeur personnalisée: 12
  • Unités personnalisées: heure(s)
  • Fenêtrage glissant: moyenne

• Configurez le déclencheur d'alerte:

  • Types de conditions: seuil
  • Déclencheur d'alerte: chaque infraction de série temporelle
  • Position du seuil: au-dessus du seuil
  • Valeur de seuil: 80
  • Nom de la condition: condition d'utilisation de la mémoire de la base de données

• Configurer les notifications et finaliser l'alerte:

  • Nommer la règle d'alerte: Utilisation de la mémoire de la base de données Airflow

Métrique "Heartbeats" du programmeur - configurations de règles d'alerte

• Nom de la métrique: Environnement Cloud Composer - Pulsations du programmeur
• API: composer.googleapis.com/environment/scheduler_heartbeat_count

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Période glissante: personnalisée
  • Valeur personnalisée: 4
  • Unités personnalisées: heure(s)
  • Fenêtrage glissant: nombre

• Configurez le déclencheur d'alerte:

  • Types de conditions: seuil
  • Déclencheur d'alerte: chaque infraction de série temporelle
  • Position du seuil: en dessous du seuil

  • Valeur de seuil: 216

    Remarque :Le nombre moyen de pulsations du programmeur dans un environnement inactif est de 240.Ainsi, un taux de réussite de 90% sur une fenêtre de quatre heures est égal à 240 * 0,9 =
    1. Pour obtenir ce nombre, exécutez une requête qui agrège la valeur _scheduler_heartbeat_count_mean dans l'éditeur de requête de l'Explorateur de métriques.

  • Nom de la condition: Condition de pulsation du programmeur

• Configurer les notifications et finaliser l'alerte:

  • Nommez la règle d'alerte: Pulsation du programmeur Airflow

Métrique "Tâches zombies supprimées" - configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer - Tâches zombies supprimées
• API: composer.googleapis.com/environment/zombie_task_killed_count

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Période glissante: 1 jour
  • Fenêtrage glissant: somme

• Configurez le déclencheur d'alerte:

  • Types de conditions: seuil
  • Déclencheur d'alerte: chaque infraction de série temporelle
  • Position du seuil: au-dessus du seuil
  • Valeur du seuil: 1
  • Nom de la condition: Condition de tâches zombies

• Configurer les notifications et finaliser l'alerte:

  • Nommez la règle d'alerte: Tâches zombies Airflow

Métrique sur les redémarrages des conteneurs de nœuds de calcul - configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer - Tâches zombies supprimées
• API: composer.googleapis.com/environment/zombie_task_killed_count

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Période glissante: 1 jour
  • Fenêtrage glissant: somme

• Configurez le déclencheur d'alerte:

  • Types de conditions: seuil
  • Déclencheur d'alerte: chaque infraction de série temporelle
  • Position du seuil: au-dessus du seuil
  • Valeur du seuil: 1
  • Nom de la condition: Condition de tâches zombies

• Configurer les notifications et finaliser l'alerte:

  • Nommez la règle d'alerte: Tâches zombies Airflow

Terraform

Exécutez un script Terraform qui crée un canal de notification par e-mail et importe des règles d'alerte pour les métriques clés fournies dans ce tutoriel en fonction de leurs benchmarks respectifs:

1. Enregistrez l'exemple de fichier Terraform sur votre ordinateur local.

2. Remplacez les éléments suivants :

   • PROJECT_ID: ID de votre projet Exemple : example-project.
   • EMAIL_ADDRESS: adresse e-mail à avertir au cas où une alerte serait déclenchée.
   • ENVIRONMENT_NAME: nom de votre environnement Cloud Composer. Par exemple, example-composer-environment.
   • CLUSTER_NAME: nom de votre cluster d'environnement. Vous le trouverez sous Configuration de l'environnement > Ressources > cluster GKE dans la console 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"
      }
    }
  }
}

Tester les règles d'alerte

Cette section explique comment tester les règles d'alerte créées et interpréter les résultats.

Importer un exemple de DAG

L'exemple de DAG memory_consumption_dag.py fourni dans ce tutoriel imite l'utilisation intensive de la mémoire des nœuds de calcul. Le DAG contient quatre tâches, chacune d'elles écrit des données dans un exemple de chaîne, consommant 380 Mo de mémoire. L'exemple de DAG est programmé pour s'exécuter toutes les deux minutes et s'exécutera automatiquement une fois que vous l'aurez importé dans votre environnement Composer.

Avertissement :Veillez à supprimer ou suspendre ce DAG une fois le tutoriel terminé. Sinon, votre environnement risque de consommer une quantité importante de ressources, ce qui peut entraîner des coûts supplémentaires.

Importez l'exemple de DAG suivant dans l'environnement que vous avez créé aux étapes précédentes:

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,
        )

Interpréter les alertes et les métriques dans Monitoring

Attendez environ 10 minutes après le début de l'exécution de l'exemple de DAG, puis évaluez les résultats du test:

1. Consultez votre boîte de réception pour vérifier que vous avez bien reçu une notification de la part des alertes Google Cloud dont l'objet commence par [ALERT]. Ce message contient les détails de l'incident concernant la règle d'alerte.

2. Cliquez sur le bouton Afficher l'incident dans la notification par e-mail. Vous êtes redirigé vers l'Explorateur de métriques. Examinez les détails de l'incident d'alerte:

   

   Figure 2 : Détails de l'incident ayant généré une alerte (cliquez pour agrandir)

   Le graphique de métriques d'incident indique que les métriques que vous avez créées ont dépassé le seuil de 1, ce qui signifie qu'Airflow a détecté et arrêté plusieurs tâches zombies.

3. Dans votre environnement Cloud Composer, accédez à l'onglet Surveillance, ouvrez la section Statistiques du DAG, puis recherchez le graphique Tâches zombies supprimées:

   

   Figure 3 : Graphique des tâches zombies (cliquez pour agrandir)

   Le graphique indique qu'Airflow a supprimé environ 20 tâches zombies dans les 10 premières minutes suivant l'exécution de l'exemple de DAG.

4. D'après les analyses comparatives et les actions correctives, la raison la plus courante des tâches zombies est le manque de mémoire ou de processeur pour les nœuds de calcul. Identifiez la cause racine des tâches zombies en analysant l'utilisation des ressources de vos nœuds de calcul.

   Ouvrez la section "Nœuds de calcul" de votre tableau de bord Monitoring et examinez les métriques d'utilisation du processeur et de la mémoire des nœuds de calcul:

   

   Figure 4 : Métriques d'utilisation du processeur et de la mémoire des nœuds de calcul (cliquez pour agrandir)

   Le graphique d'utilisation totale du processeur par les nœuds de calcul indique que l'utilisation du processeur par les nœuds de calcul était inférieure à 50% de la limite totale disponible à tout moment. L'utilisation du processeur disponible est donc suffisante. Le graphique d'utilisation du nombre total de nœuds de calcul montre que l'exécution de l'exemple de DAG a entraîné l'atteinte de la limite de mémoire pouvant être allouée, soit près de 75% de la limite de mémoire totale indiquée sur le graphique (GKE réserve 25% des 4 premiers Gio de mémoire et 100 Mio de mémoire supplémentaires sur chaque nœud pour gérer l'éviction des pods).

   Vous pouvez en conclure que les nœuds de calcul ne disposent pas des ressources de mémoire nécessaires pour exécuter l'exemple de DAG.

Optimiser votre environnement et évaluer ses performances

D'après l'analyse de l'utilisation des ressources de nœuds de calcul, vous devez leur allouer plus de mémoire pour que toutes les tâches de votre DAG aboutissent.

Remarque :La modification du processeur ou de la mémoire des nœuds de calcul redémarre les nœuds de calcul, ce qui peut affecter les tâches en cours d'exécution. Nous vous recommandons de le faire lorsqu'aucun DAG n'est en cours d'exécution.

1. Dans votre environnement Composer, ouvrez l'onglet DAG, cliquez sur le nom de l'exemple de DAG (memory_consumption_dag), puis sur Suspendre le DAG.

2. Allouez de la mémoire de nœud de calcul supplémentaire:

   1. Dans l'onglet de configuration de l'environnement, recherchez la configuration Ressources > Charges de travail, puis cliquez sur Modifier.

   2. Dans l'élément Worker, augmentez la limite de Memory (Mémoire). Dans ce tutoriel, utilisez 3,25 Go.

   3. Enregistrez les modifications et patientez quelques minutes pour que le nœud de calcul redémarre.

3. Ouvrez l'onglet des DAG, cliquez sur le nom de l'exemple de DAG (memory_consumption_dag), puis sur Réactiver le DAG.

Accédez à Monitoring et vérifiez qu'aucune nouvelle tâche zombie n'apparaît après la mise à jour des limites de ressources de nœuds de calcul:

Figure 5 : Graphique des tâches zombies après modification de la limite de mémoire (cliquez pour agrandir)

Remarque :Il est recommandé d'observer les performances de l'environnement sur des périodes prolongées. Par exemple, dans un environnement de production dans lequel vous exécutez de nombreux DAG, nous vous recommandons de vérifier qu'il n'y a pas de nouvelles alertes au bout de 24 heures.

Résumé

Dans ce tutoriel, vous avez découvert les principales métriques d'état et de performances au niveau de l'environnement. Vous avez également appris à configurer des règles d'alerte pour chaque métrique et à interpréter chaque métrique en mesures correctives. Vous avez ensuite exécuté un exemple de DAG, identifié la cause première des problèmes liés à l'état de l'environnement à l'aide d'alertes et de graphiques Monitoring, puis optimisé votre environnement en allouant plus de mémoire à vos nœuds de calcul. Toutefois, nous vous recommandons d'optimiser vos DAG afin de réduire la consommation des ressources de nœuds de calcul, car il n'est pas possible d'augmenter les ressources au-delà d'un certain seuil.

Effectuer un nettoyage

Pour éviter que les ressources utilisées dans ce tutoriel soient facturées sur votre compte Google Cloud, supprimez le projet contenant les ressources, ou conservez le projet et supprimez les ressources individuelles.

Supprimer le projet

Attention : La suppression d'un projet aura les effets suivants :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches de ce document, lorsque vous le supprimez, vous supprimez également tout autre travail effectué dans le projet.
• Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs architectures, tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

1. Dans la console Google Cloud, accédez à la page Gérer les ressources.

   Accéder à la page Gérer les ressources

2. Dans la liste des projets, sélectionnez le projet que vous souhaitez supprimer, puis cliquez sur Supprimer.
3. Dans la boîte de dialogue, saisissez l'ID du projet, puis cliquez sur Arrêter pour supprimer le projet.

Supprimer des ressources individuelles

Si vous envisagez d'explorer plusieurs tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

Console

1. Supprimez l'environnement Cloud Composer. Vous allez également supprimer le bucket de l'environnement au cours de cette procédure.
2. Supprimez chacune des règles d'alerte que vous avez créées dans Cloud Monitoring.

Terraform

1. Assurez-vous que votre script Terraform ne contient pas d'entrées pour les ressources toujours requises par votre projet. Par exemple, vous pouvez garder certaines API activées et les autorisations IAM toujours attribuées (si vous avez ajouté de telles définitions à votre script Terraform).
2. Exécutez terraform destroy.
3. Supprimez manuellement le bucket de l'environnement. Cloud Composer ne la supprime pas automatiquement. Vous pouvez le faire à partir de la console Google Cloud ou de Google Cloud CLI.

Étapes suivantes

• Optimiser les environnements
• Faire évoluer des environnements
• Gérer les libellés d'environnement et ventiler les coûts liés aux environnements