Surveiller l'état et les performances de l'environnement à l'aide de métriques clés dans le tableau de bord de surveillance

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

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

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 global de l'environnement. Les consignes de surveillance de ce tutoriel sont basées sur les métriques exposées dans le tableau de bord Monitoring de votre environnement Cloud Composer.

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

Objectifs

Objectif:

• Découvrez les principales métriques de performances et de santé disponibles sur le tableau de bord Monitoring.
• Découvrez les benchmarks pour chaque métrique.
• Découvrez comment interpréter les métriques pour en tirer des actions correctives.
• Créez des alertes pour chacune des métriques clés.
• Exécutez un exemple de DAG.
• Interprétez les alertes et les graphiques de surveillance en actions correctives.
• Optimisez votre environnement et évaluez ses performances.

Coûts

Ce tutoriel utilise les composants facturables suivants de Google Cloud:

• Cloud Composer (voir les frais 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 commencer le tutoriel.

Créer et configurer un projet

Pour ce tutoriel, vous avez besoin d'un projet Google Cloud. Configurez le projet comme suit:

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' Google Cloud utilisateur de votre projet 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.

Enable the Cloud Composer API.

Enable the API

Créer votre environnement Cloud Composer

Créez un environnement Cloud Composer 2.

Dans le cadre de cette procédure, vous attribuez le rôle Extension de l'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 pour 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 globaux de votre environnement.

Le tableau de bord de surveillance de la console Google Cloud contient diverses métriques et graphiques qui permettent de surveiller les tendances dans 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 de surveillance.

Familiarisez-vous avec les métriques clés ci-dessous et repérez-les dans le tableau de bord "Surveillance" :

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 Vue d'ensemble, recherchez l'élément Vue d'ensemble de l'environnement dans le tableau de bord, puis observez la métrique État de l'environnement (DAG de surveillance Airflow).

   • Cette chronologie indique l'état de l'environnement Cloud Composer. La couleur verte de la barre d'état de l'environnement indique que l'environnement est opérationnel, tandis que la couleur rouge indique que l'environnement n'est pas opérationnel.

   • Toutes les quelques minutes, Cloud Composer exécute un DAG d'activité nommé airflow_monitoring. Si l'exécution du DAG de disponibilité se termine correctement, l'état d'intégrité est True. Si l'exécution du DAG de vivacité échoue (par exemple, en raison de l'éviction d'un pod, de l'arrêt d'un processus externe ou de la maintenance), l'état d'intégrité est False.

5. Sélectionnez la section Base de données SQL, recherchez l'élément État de la base de données dans le tableau de bord, puis 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 d'état de la base de données verte indique la connectivité, tandis que les échecs de connexion sont indiqués en rouge.

   • Le pod de surveillance Airflow pingue la base de données régulièrement. Il indique l'état d'intégrité True si une connexion peut être établie ou False si ce n'est pas possible.

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

   • Le graphique "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 base de données disponible.

   • Le graphique sur l'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 de base de données totale disponible.

7. Sélectionnez la section Planificateurs, recherchez l'élément Heartbeat du planificateur dans le tableau de bord, puis observez la métrique Heartbeat du planificateur.

   • Cette chronologie indique l'état du planificateur Airflow. Recherchez des zones rouges pour identifier les problèmes liés au planificateur Airflow. Si votre environnement comporte plusieurs planificateurs, l'état du signal de pulsation est correct tant qu'au moins l'un d'entre eux répond.

   • Le planificateur est considéré comme non opérationnel si le dernier battement de cœur a été reçu plus de 30 secondes (valeur par défaut) avant l'heure actuelle.

8. Sélectionnez la section Statistiques DAG, recherchez l'élément Tâches zombie supprimées dans le tableau de bord, puis observez la métrique Tâches zombie supprimées.

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

   • Le planificateur Airflow supprime régulièrement les tâches zombies, ce qui apparaît dans ce graphique.

9. Sélectionnez la section Nœuds de calcul, recherchez l'élément Redémarrages de conteneurs de nœuds de calcul dans le tableau de bord, puis observez la métrique Redémarrages de conteneurs de nœuds de calcul.

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

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

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

Important :Les métriques de la chronologie fournissent un aperçu de l'état de santé des composants individuels de l'environnement. Toutefois, les zones rouges n'indiquent pas nécessairement qu'un composant est défaillant. Parfois, des 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 de surveillance correspondants pour examiner les raisons potentielles, analyser la corrélation entre les différentes métriques et apporter des corrections en fonction des causes premières identifiées.

La liste suivante décrit les valeurs de référence pouvant indiquer des problèmes et fournit 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, car l'environnement est surchargé ou ne fonctionne pas correctement. Les zones rouges sur la chronologie de l'état de santé de l'environnement correspondent généralement aux zones rouges des autres barres de santé des composants de l'environnement individuels. Identifiez l'origine du problème en examinant d'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 qu'il existe des problèmes de connectivité avec la base de données Airflow, qui peuvent être dus à un plantage ou à un temps d'arrêt de la base de données en raison de sa surcharge (par exemple, en raison d'une utilisation élevée du processeur ou de la mémoire, ou d'une latence plus élevée lors de la connexion à la base de données). Ces symptômes sont le plus souvent causés par des DAG sous-optimaux, par exemple lorsque les DAG utilisent de nombreuses variables Airflow ou d'environnement définies globalement. Identifiez la cause du problème en examinant les métriques d'utilisation des ressources de la base de données SQL. Vous pouvez également inspecter les journaux du planificateur 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

  • Utilisation moyenne du processeur ou de la mémoire supérieure à 80% sur une période de 12 heures

  • La base de données est peut-être surchargée. Analysez la corrélation entre vos 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 plus uniformément au fil du temps.

    • Vous pouvez également allouer plus de CPU ou de mémoire à la base de données. Les ressources de base de données sont contrôlées par la propriété de taille de l'environnement de votre environnement, et l'environnement doit être mis à l'échelle pour une taille plus importante.

• Pulsation du programmeur

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

  • Attribuez plus de ressources au planificateur ou augmentez le nombre de planificateurs de 1 à 2 (recommandé).

• Tâches zombie supprimées

  • Plus d'une tâche zombie toutes les 24 heures

  • La cause la plus courante 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 des nœuds de calcul et attribuez-leur plus de ressources, ou augmentez le délai avant expiration des tâches zombies afin que le planificateur attende plus longtemps avant de considérer une tâche comme zombie.

• Redémarrages de conteneurs de nœuds de calcul

  • Plus d'un redémarrage par 24 heures

  • La raison la plus courante est un manque de mémoire ou d'espace de stockage sur les nœuds de calcul. Examinez la consommation de ressources des nœuds de calcul et allouez-leur plus de mémoire ou de stockage. Si ce n'est pas le cas, consultez la section Résoudre les incidents de redémarrage des workers et utilisez les requêtes de journalisation pour découvrir les raisons de ces redémarrages.

Créer des canaux de notification

Pour créer un canal de notification par e-mail, suivez les instructions de la section Créer un canal de notification.

Remarque :À des fins de redondance, nous vous recommandons 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 la section 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 présentée dans le tableau de bord "Surveillance" 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 l'élément de 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 pour certaines métriques nécessitent des filtres supplémentaires et des noms de métriques différents. Consultez les champs "Filtres" et "Nom de la métrique" dans les configurations des règles d'alerte pour les métriques individuelles 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, puis sélectionnez le ou les canaux de notification que vous avez créés à l'étape précédente.

5. Cliquez sur OK.

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

7. Cliquez sur Suivant.

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

Métrique "État de l'environnement" (DAG de surveillance Airflow) : configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer – Bon état
• API: composer.googleapis.com/environment/healthy

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Fenêtre glissante: personnalisée
  • Valeur personnalisée: 4
  • Unités personnalisées: heure(s)
  • Fenêtrage glissant: fraction (vrai)

• Configurez le déclencheur d'alerte:

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

• Configurez les notifications et finalisez l'alerte:

  • Nommez la règle d'alerte "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 en bon état
• API: composer.googleapis.com/environment/database_health

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

  • Fenêtre glissante: personnalisée
  • Valeur personnalisée: 4
  • Unités personnalisées: heure(s)
  • Fenêtrage glissant: fraction (vrai)

• Configurez le déclencheur d'alerte:

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

• Configurez les notifications et finalisez l'alerte:

  • Nommez la règle d'alerte "Santé de la base de données Airflow".

Métrique d'utilisation du processeur de la base de données : configurations des règles d'alerte

Remarque :Pour simplifier, lorsque vous configurez des alertes pour les métriques "Utilisation de la mémoire de la base de données" et "Utilisation 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 utilisé (composer.googleapis.com/environment/database/cpu/usage_time). Les métriques d'utilisation de la mémoire et du processeur de la base de données surveillent automatiquement le pourcentage d'utilisation par rapport au processeur et à la mémoire disponibles, ce qui permet d'éviter les calculs inutiles lors de la configuration du déclencheur de condition.

• 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:

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

• Configurez le déclencheur d'alerte:

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

• Configurez les notifications et finalisez 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 :Pour simplifier, lorsque vous configurez des alertes pour les métriques "Utilisation de la mémoire de la base de données" et "Utilisation 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 utilisé (composer.googleapis.com/environment/database/cpu/usage_time). Les métriques d'utilisation de la mémoire et du processeur de la base de données surveillent automatiquement le pourcentage d'utilisation par rapport au processeur et à la mémoire disponibles, ce qui permet d'éviter les calculs inutiles lors de la configuration du déclencheur de condition.

• 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:

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

• Configurez le déclencheur d'alerte:

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

• Configurez les notifications et finalisez l'alerte:

  • Nommez la règle d'alerte "Utilisation de la mémoire de la base de données Airflow".

Métrique "Heartbeats du planificateur" : configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer – Heartbeats du planificateur
• API: composer.googleapis.com/environment/scheduler_heartbeat_count

• Filtres :

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• Transformer les données > Dans chaque série temporelle:

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

• Configurez le déclencheur d'alerte:

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

  • Valeur du seuil: 216

    Remarque :Le nombre moyen de battements de cœur du planificateur dans un environnement inactif est de 240.Par conséquent, un taux de réussite de 90% sur une période de quatre heures équivaut à 240 * 0,9 =
    1. Pour obtenir ce nombre, exécutez une requête qui agrège la valeur _scheduler_heartbeat_count_mean dans l'éditeur de requêtes de l'explorateur de métriques.

  • Nom de la condition: condition de pulsation du planificateur

• Configurez les notifications et finalisez l'alerte:

  • Nommez la règle d'alerte "Airflow Scheduler Heartbeat" (Pulsation du planificateur Airflow).

Métrique "Tâches zombie supprimées" : configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer – Tâches zombie 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:

  • Fenêtre glissante: 1 jour
  • Fenêtrage glissant: somme

• Configurez le déclencheur d'alerte:

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

• Configurez les notifications et finalisez l'alerte:

  • Nommez la règle d'alerte : "Tâches zombies Airflow".

Métrique des redémarrages de conteneurs de nœuds de calcul : configurations des règles d'alerte

• Nom de la métrique: Environnement Cloud Composer – Tâches zombie 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:

  • Fenêtre glissante: 1 jour
  • Fenêtrage glissant: somme

• Configurez le déclencheur d'alerte:

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

• Configurez les notifications et finalisez 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 projet de votre projet. Par exemple, example-project.
   • EMAIL_ADDRESS: adresse e-mail à laquelle une notification doit être envoyée en cas de déclenchement d'une alerte.
   • ENVIRONMENT_NAME: nom de votre environnement Cloud Composer. Exemple :example-composer-environment
   • CLUSTER_NAME: nom du cluster de votre environnement, disponible 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 une utilisation intensive de la mémoire des nœuds de calcul. Le DAG contient quatre tâches, chacune d'elles écrivant des données dans une chaîne d'échantillon, ce qui consomme 380 Mo de mémoire. L'exemple de DAG est programmé pour s'exécuter toutes les deux minutes et commencera à s'exécuter automatiquement une fois que vous l'aurez importé dans votre environnement Composer.

Avertissement :Veillez à supprimer ou à 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 lors des 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. Vérifiez dans votre boîte de réception que vous avez bien reçu une notification deGoogle Cloud Alerting dont l'objet commence par [ALERT]. Le contenu de ce message contient les détails de l'incident lié à 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. Informations sur l'incident ayant généré une alerte (cliquez pour agrandir)

   Le graphique des 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 tué plus d'une tâche zombie.

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

   

   Figure 3. Graphique des tâches zombie (cliquez pour agrandir)

   Le graphique indique qu'Airflow a supprimé environ 20 tâches zombies au cours des 10 premières minutes de l'exécution de l'exemple de DAG.

4. Selon les benchmarks et les mesures correctives, la raison la plus courante des tâches zombies est le manque de mémoire ou de processeur de nœud de calcul. Identifiez la cause racine des tâches zombies en analysant l'utilisation des ressources de vos workers.

   Ouvrez la section "Nœuds de calcul" dans 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 workers (cliquez pour agrandir)

   Le graphique "Utilisation totale du processeur des nœuds de calcul" indique que l'utilisation du processeur des nœuds de calcul était inférieure à 50% de la limite totale disponible à tout moment. Par conséquent, le processeur disponible est suffisant. Le graphique "Utilisation totale de la mémoire des nœuds de calcul" montre que l'exécution de l'exemple de DAG a atteint la limite de mémoire allocable, qui équivaut à près de 75% de la limite de mémoire totale indiquée sur le graphique (GKE réserve 25% des quatre premiers Go de mémoire et 100 Mo de mémoire supplémentaires sur chaque nœud pour gérer l'éviction des pods).

   Vous pouvez 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 des nœuds de calcul, vous devez allouer plus de mémoire à vos nœuds de calcul pour que toutes les tâches de votre DAG réussissent.

Remarque :La modification des allocations de processeur ou de mémoire des nœuds de calcul redémarre les nœuds de calcul, ce qui peut affecter les tâches en cours d'exécution. Nous vous recommandons de procéder à de telles modifications 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. Allouer de la mémoire de nœud de calcul supplémentaire:

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

   2. Dans l'élément Nœud de calcul, augmentez la limite de mémoire. Dans ce tutoriel, utilisez 3,25 Go.

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

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

Accédez à Monitoring (Surveillance) et vérifiez qu'aucune nouvelle tâche zombie n'est apparue après avoir mis à jour les limites de ressources des workers:

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

Remarque :Nous vous recommandons d'observer les performances de l'environnement sur de longues périodes. Par exemple, dans un environnement de production où 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 de santé et de performances au niveau de l'environnement, comment configurer des règles d'alerte pour chaque métrique et comment interpréter chaque métrique en actions correctives. Vous avez ensuite exécuté un exemple de DAG, identifié l'origine des problèmes de santé de l'environnement à l'aide d'alertes et de graphiques de surveillance, et optimisé votre environnement en allouant plus de mémoire à vos nœuds de calcul. Toutefois, il est recommandé d'optimiser vos DAG pour réduire d'abord la consommation de ressources des 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 entraîne les effets décrits ci-dessous :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches décrites dans ce document et que vous le supprimez, vous supprimerez 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. 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.

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 devez 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 choisir de conserver certaines API activées et les autorisations IAM 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 le supprime pas automatiquement. Vous pouvez le faire depuis la console Google Cloud ou Google Cloud CLI.

Étape suivante

• Optimiser des environnements
• Faire évoluer des environnements
• Gérer les libellés d'environnement et répartir les coûts liés à l'environnement