在 Cloud Composer 2 中运行 Apache Airflow DAG (Google Cloud CLI)

在 Cloud Composer 2 中运行 Apache Airflow DAG (Google Cloud CLI)

Cloud Composer 1 |Cloud Composer 2 |Cloud Composer 3

本快速入门指南介绍了如何创建 Cloud Composer 环境 并在 Cloud Composer 2 中运行 Apache Airflow DAG。

• 如果您刚接触 Airflow，请参阅 Apache Airflow 文档中的 Airflow 概念教程，详细了解 Airflow 的概念、对象及其用法。

• 如果您想改用 Google Cloud 控制台，请参阅 在 Cloud Composer 中运行 Apache Airflow DAG。

• 如果要使用 Terraform 创建环境，请参阅 创建环境 (Terraform)。

准备工作

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
2. Install the Google Cloud CLI.

3. To initialize the gcloud CLI, run the following command:

   gcloud init

4. Create or select a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   • Create a Google Cloud project:

     gcloud projects create PROJECT_ID

     Replace PROJECT_ID with a name for the Google Cloud project you are creating.

   • Select the Google Cloud project that you created:

     gcloud config set project PROJECT_ID

     Replace PROJECT_ID with your Google Cloud project name.

5. Make sure that billing is enabled for your Google Cloud project.

6. Install the Google Cloud CLI.

7. To initialize the gcloud CLI, run the following command:

   gcloud init

8. Create or select a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   • Create a Google Cloud project:

     gcloud projects create PROJECT_ID

     Replace PROJECT_ID with a name for the Google Cloud project you are creating.

   • Select the Google Cloud project that you created:

     gcloud config set project PROJECT_ID

     Replace PROJECT_ID with your Google Cloud project name.

9. Make sure that billing is enabled for your Google Cloud project.

10. Enable the Cloud Composer API:

    gcloud services enable composer.googleapis.com

11. 如需获得完成本快速入门所需的权限，请让您的管理员为您授予项目的以下 IAM 角色：

    • 如需查看创建和管理 Cloud Composer 环境，请执行以下操作：
      • Environment and Storage Object Administrator (roles/composer.environmentAndStorageObjectAdmin)
      • Service Account User (roles/iam.serviceAccountUser)
    • 如需查看日志，请执行以下操作： 日志查看器 (roles/logging.viewer)

    如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

    您也可以通过自定义角色或其他预定义角色来获取所需的权限。

创建环境

如果这是项目中的第一个环境，请将 Cloud Composer Service Agent 账号添加为环境服务账号的新主体，并向其授予 roles/composer.ServiceAgentV2Ext 角色。

默认情况下，您的环境使用默认的 Compute Engine 服务账号，以下示例展示了如何向该账号添加此权限。

# Get current project's project number
PROJECT_NUMBER=$(gcloud projects list \
  --filter="$(gcloud config get-value project)" \
  --format="value(PROJECT_NUMBER)" \
  --limit=1)

# Add the Cloud Composer v2 API Service Agent Extension role
gcloud iam service-accounts add-iam-policy-binding \
    $[e-mail] \
    --member serviceAccount:service-$[e-mail] \
    --role roles/composer.ServiceAgentV2Ext

在 us-central1 区域中创建一个名为 example-environment 的新环境，并使用最新的 Cloud Composer 2 版本。

gcloud composer environments create example-environment \
    --location us-central1 \
    --image-version composer-2.9.5-airflow-2.9.1

创建 DAG 文件

Airflow DAG 是有序任务的集合， 您想定期生成报表DAG 在标准 Python 文件中定义。

本指南使用的是 quickstart.py 文件中定义的示例 Airflow DAG。 此文件中的 Python 代码会执行以下操作：

1. 创建一个 DAG composer_sample_dag。此 DAG 每天运行一次。
2. 执行一项 print_dag_run_conf 任务。该任务使用 bash 运算符输出 DAG 运行的配置。

将 quickstart.py 文件的副本保存在本地机器上：

import datetime

from airflow import models
from airflow.operators import bash

# If you are running Airflow in more than one time zone
# see https://airflow.apache.org/docs/apache-airflow/stable/timezone.html
# for best practices
YESTERDAY = datetime.datetime.now() - datetime.timedelta(days=1)

default_args = {
    "owner": "Composer Example",
    "depends_on_past": False,
    "email": [""],
    "email_on_failure": False,
    "email_on_retry": False,
    "retries": 1,
    "retry_delay": datetime.timedelta(minutes=5),
    "start_date": YESTERDAY,
}

with models.DAG(
    "composer_quickstart",
    catchup=False,
    default_args=default_args,
    schedule_interval=datetime.timedelta(days=1),
) as dag:
    # Print the dag_run id from the Airflow logs
    print_dag_run_conf = bash.BashOperator(
        task_id="print_dag_run_conf", bash_command="echo {{ dag_run.id }}"
    )

将 DAG 文件上传到环境的存储桶

每个 Cloud Composer 环境都有一个关联的 Cloud Storage 存储桶。Cloud Composer 中的 Airflow 只会安排位于此存储桶的 /dags 文件夹中的 DAG。

如需安排您的 DAG，请将 quickstart.py 从本地机器上传到您的 环境的 /dags 文件夹：

如需使用 Google Cloud CLI 上传 quickstart.py，请在以下位置运行以下命令： quickstart.py 文件所在的文件夹：

gcloud composer environments storage dags import \
--environment example-environment --location us-central1 \
--source quickstart.py

查看 DAG

上传 DAG 文件后，Airflow 会执行以下操作：

1. 解析您上传的 DAG 文件。DAG 可能需要几分钟才能供 Airflow 使用。
2. 将 DAG 添加到可用 DAG 列表。
3. 根据您在 DAG 文件中提供的时间表执行 DAG。

检查您的 DAG 是否得到处理且没有任何错误，以及是否通过 在 DAG 界面中查看它。DAG 界面是 Cloud Composer 界面，用于在 Google Cloud 控制台中查看 DAG 信息。Cloud Composer 还提供 访问 Airflow 界面，它是原生 Airflow Web 应用 界面。

1. 等待大约五分钟，以便 Airflow 处理您之前上传的 DAG 文件，并完成首次 DAG 运行（稍后会加以说明）。

2. 在 Google Cloud CLI 中运行以下命令。此命令将执行 dags list Airflow CLI 命令，用于列出 环境

   gcloud composer environments run example-environment \
   --location us-central1 \
   dags list
   

3. 检查命令的输出中是否列出了 composer_quickstart DAG。

   输出示例：

   Executing the command: [ airflow dags list ]...
   Command has been started. execution_id=d49074c7-bbeb-4ee7-9b26-23124a5bafcb
   Use ctrl-c to interrupt the command
   dag_id              | filepath              | owner            | paused
   ====================+=======================+==================+=======
   airflow_monitoring  | airflow_monitoring.py | airflow          | False
   composer_quickstart | dag-quickstart-af2.py | Composer Example | False
   

   注意 ：Cloud Composer 使用 airflow_monitoring DAG 监控环境的健康状况。

查看 DAG 运行作业详情

DAG 的单次执行称为 DAG 运行。Airflow 立即 针对示例 DAG 执行 DAG 运行，因为 DAG 文件中的开始日期是 设为昨天。这样，Airflow 就可以赶上指定 DAG 的时间安排。

示例 DAG 包含一个任务 print_dag_run_conf，该任务会在控制台中运行 echo 命令。此命令会输出有关 DAG 的元信息（DAG 运行的数字标识符）。

在 Google Cloud CLI 中运行以下命令。以下命令会列出 composer_quickstart DAG 的 DAG 运行作业：

gcloud composer environments run example-environment \
--location us-central1 \
dags list-runs -- --dag-id composer_quickstart

输出示例：

dag_id              | run_id                                      | state   | execution_date                   | start_date                       | end_date
====================+=============================================+=========+==================================+==================================+=================================
composer_quickstart | scheduled__2024-02-17T15:38:38.969307+00:00 | success | 2024-02-17T15:38:38.969307+00:00 | 2024-02-18T15:38:39.526707+00:00 | 2024-02-18T15:38:42.020661+00:00

注意 ：您可以使用 tasks states-for-dag-run 命令获取状态 具体任务。

Airflow CLI 不提供用于查看任务日志的命令。您可以使用 用于查看 Airflow 任务日志的其他方法： Cloud Composer DAG 界面、Airflow 界面或 Cloud Logging。本指南 展示了如何在 Cloud Logging 中查询来自特定 DAG 运行的日志。

在 Google Cloud CLI 中运行以下命令。此命令可从 composer_quickstart DAG 的特定 DAG 运行作业的 Cloud Logging。--format 参数用于设置输出格式，以便仅显示日志消息的文本。

gcloud logging read \
--format="value(textPayload)" \
--order=asc \
"resource.type=cloud_composer_environment \
resource.labels.location=us-central1 \
resource.labels.environment_name=example-environment \
labels.workflow=composer_quickstart \
(labels.\"execution-date\"=\"RUN_ID\")"

您需要将其中的：

• 将 RUN_ID 替换为run_id tasks states-for-dag-run 命令。例如 2024-02-17T15:38:38.969307+00:00。

输出示例：

...

Starting attempt 1 of 2
Executing <Task(BashOperator): print_dag_run_conf> on 2024-02-17
15:38:38.969307+00:00
Started process 22544 to run task

...

Running command: ['/usr/bin/bash', '-c', 'echo 115746']
Output:
115746

...

Command exited with return code 0
Marking task as SUCCESS. dag_id=composer_quickstart,
task_id=print_dag_run_conf, execution_date=20240217T153838,
start_date=20240218T153841, end_date=20240218T153841
Task exited with return code 0
0 downstream tasks scheduled from follow-on schedule check

清理

为避免因本页面中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的 Google Cloud 项目。

删除本教程中使用的资源：

1. 删除 Cloud Composer 环境：

   1. 在 Google Cloud 控制台中，前往环境页面。

      转到“环境”

   2. 选择 example-environment，并点击删除。

   3. 等待环境删除完成。

2. 删除环境的存储桶。删除 Cloud Composer 环境不会删除其存储分区。

   1. 在 Google Cloud 控制台中，依次前往存储 > 浏览器页面。

      转到“存储”>“浏览器”

   2. 选择环境的存储桶，然后点击删除。例如，此存储桶可以命名为 us-central1-example-environ-c1616fe8-bucket。

3. 删除您的环境的 Redis 队列的永久性磁盘。删除 Cloud Composer 环境并不会删除其永久性磁盘。

   1. 在 Google Cloud 控制台中，依次选择 Compute Engine > 磁盘。

      转到“磁盘”

   2. 选择环境的 Redis 队列永久性磁盘，然后点击删除。

      例如，此磁盘可以命名为 pvc-02bc4842-2312-4347-8519-d87bdcd31115。适用于 Cloud Composer 2 的磁盘始终为 Balanced persistent disk 类型，大小为 2 GB。

后续步骤

• 添加和更新 DAG
• 编写 DAG
• 替换 Airflow 配置
• 访问 Airflow 界面