Pianifica e attiva i DAG Airflow

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Questa pagina spiega come funzionano la pianificazione e l'attivazione DAG in Airflow, come definisci una pianificazione per un DAG e come attivare un DAG manualmente o metterlo in pausa.

Informazioni sui DAG di Airflow in Cloud Composer

I DAG Airflow in Cloud Composer vengono eseguiti uno o più ambienti Cloud Composer nel progetto. Carichi i file di origine dei tuoi DAG Airflow in in un bucket Cloud Storage associato a un ambiente. L'istanza di Airflow dell'ambiente analizza quindi questi file e pianifica le esecuzioni dei DAG, come definito dalla pianificazione di ciascun DAG. Durante l'esecuzione di un DAG, Airflow pianifica ed esegue le singole attività che compongono un DAG in una sequenza definita dal DAG.

Per saperne di più sui concetti principali di Airflow come i DAG e le esecuzioni dei DAG, o operatori, consulta la pagina Concetti principali nella documentazione di Airflow.

Informazioni sulla pianificazione dei DAG in Airflow

Airflow fornisce i seguenti concetti per il suo meccanismo di pianificazione:

Data logica

Rappresenta una data per la quale viene eseguita una determinata esecuzione del DAG.

Non si tratta della data effettiva in cui Airflow esegue un DAG, ma di un periodo di tempo che una determinata esecuzione del DAG deve elaborare. Ad esempio, per un DAG pianificato per l'esecuzione ogni giorno alle 12:00, la data logica sarà anche 12:00 in un giorno specifico. Poiché viene eseguito due volte al giorno, il periodo di tempo da elaborare è costituito dalle ultime 12 ore. Allo stesso tempo, la logica definita nel DAG stesso potrebbe non utilizzare affatto la data logica o l'intervallo di tempo. Ad esempio, un DAG potrebbe eseguire lo stesso script una volta al giorno senza utilizzare valore della data logica.

Nelle versioni di Airflow precedenti alla 2.2, questa data è chiamata data di esecuzione.

Data esecuzione

Rappresenta una data in cui viene eseguita una determinata esecuzione del DAG.

Ad esempio, per un DAG pianificato per l'esecuzione ogni giorno alle 12:00, l'esecuzione effettiva del DAG potrebbe avvenire alle 12:05, un po' di tempo dopo la data logica.

Intervallo pianificazione

Rappresenta quando e con quale frequenza deve essere eseguito un DAG, in termini di date logiche.

Ad esempio, una pianificazione giornaliera significa che un DAG viene eseguito una volta al giorno, e le date logiche per le esecuzioni dei DAG hanno intervalli di 24 ore.

Data di inizio

Specifica quando vuoi che Airflow inizi a pianificare il tuo DAG.

Le attività nel DAG possono avere date di inizio individuali oppure puoi specificare un'unica data di inizio per tutte le attività. In base alla data di inizio minima per le attività nel DAG e all'intervallo di pianificazione, Airflow pianifica le esecuzioni dei DAG.

Aggiornamento, backfill e tentativi di nuovo invio

Meccanismi per l'esecuzione di esecuzioni di DAG per date passate.

Il recupero esegue le esecuzioni dei DAG che non sono ancora state eseguite, ad esempio: se il DAG è stato messo in pausa per un lungo periodo di tempo e poi è stato riattivato. Puoi utilizzare il backfill per eseguire le esecuzioni dei DAG in un determinato intervallo di date. I tentativi specificano il numero di tentativi che Airflow deve eseguire durante l'esecuzione delle attività da un DAG.

La pianificazione funziona nel seguente modo:

  1. Una volta trascorsa la data di inizio, Airflow attende la successiva occorrenza del intervallo di pianificazione.

  2. Airflow pianifica la prima esecuzione del DAG alla fine di questo intervallo di pianificazione.

    Ad esempio, se un DAG è pianificato per l'esecuzione ogni ora e la data di inizio è alle 12:00 di oggi, la prima esecuzione del DAG avviene alle 13:00 di oggi.

La sezione Pianifica un DAG Airflow in questo documento descrive come configurare la pianificazione dei DAG utilizzando questi concetti. Per ulteriori informazioni su esecuzioni e pianificazione dei DAG, consulta Esecuzioni DAG nella documentazione di Airflow.

Informazioni sui modi per attivare un DAG

Airflow offre i seguenti modi per attivare un DAG:

  • Attivazione in base a una pianificazione. Airflow attiva il DAG automaticamente in base alla pianificazione specificata nel file DAG.

  • Attivazione manuale. Puoi attivare un DAG manualmente dalla console Google Cloud, dall'interfaccia utente di Airflow o eseguendo un comando Airflow CLI da Google Cloud CLI.

  • Si attiva in risposta agli eventi. Il modo standard per attivare un DAG in risposta agli eventi è utilizzare un sensore.

Altri modi per attivare i DAG:

Prima di iniziare

  • Assicurati che il tuo account abbia un ruolo che possa gestire gli oggetti nel di ambiente e visualizzare e attivare i DAG. Per ulteriori informazioni, consulta Controllo dell'accesso.

Pianifica un DAG Airflow

Definisci una pianificazione per un DAG nel file DAG. Modifica la definizione del DAG in nel seguente modo:

  1. Individua e modifica il file DAG sul computer. Se non hai il DAG puoi scaricare la relativa copia dal bucket dell'ambiente. Per un nuovo DAG, possono definire tutti i parametri quando crei il file DAG.

  2. Nel parametro schedule_interval, definisci la pianificazione. Puoi utilizzare uno dei seguenti Espressione cron, come 0 0 * * *, o una preimpostazione, come @daily. Per Per ulteriori informazioni, consulta la sezione Cron e intervalli di tempo nella documentazione di Airflow.

    Airflow determina le date logiche per le esecuzioni dei DAG in base alla pianificazione impostata.

  3. Nel parametro start_date, definisci la data di inizio.

    Airflow determina la data logica della prima esecuzione del DAG utilizzando questo parametro.

  4. (Facoltativo) Nel parametro catchup, definisci se Airflow deve eseguire tutte le esecuzioni precedenti di questo DAG dalla data di inizio alla data corrente che non sono state ancora eseguite.

    Le esecuzioni del DAG eseguite durante il recupero avranno una data logica nel passato e la data di esecuzione rifletterà il momento in cui l'esecuzione del DAG è stata effettivamente eseguita.

  5. (Facoltativo) Nel parametro retries, definisci quante volte Airflow deve riprovare le attività non riuscite (ogni DAG è composto da uno o più attività). Per impostazione predefinita, le attività in Cloud Composer vengono tentate di nuovo in due volte.

  6. Carica la nuova versione del DAG nel set di dati dell'ambiente di sincronizzare la directory di una VM con un bucket.

  7. Attendi che Airflow analizzi correttamente il DAG. Ad esempio, puoi controllare nell'elenco di DAG nel tuo ambiente nella nella console Google Cloud o nella UI di Airflow.

La definizione di DAG di esempio seguente viene eseguita due volte al giorno alle 00:00 e alle 12:00. La data di inizio è impostata su 1° gennaio 2024, ma Airflow non la esegue per le date passate dopo il caricamento o la messa in pausa perché il recupero è disattivato.

Il DAG contiene un'attività denominata insert_query_job, che inserisce una riga in una tabella con l'operatore BigQueryInsertJobOperator. Questo operatore è uno di Operatori BigQuery di Google Cloud, che puoi utilizzare per gestire set di dati e tabelle, eseguire query e convalidare i dati. Se una determinata esecuzione di questa attività non va a buon fine, Airflow ne riprova altre quattro volte con l'intervallo predefinito per i nuovi tentativi. La data logica per questi nuovi tentativi rimane la stessa.

La query SQL per questa riga utilizza Modelli Airflow per scrivere la data logica del DAG e il nome della riga.

import datetime

from airflow.models.dag import DAG
from airflow.providers.google.cloud.operators.bigquery import BigQueryInsertJobOperator

with DAG(
  "bq_example_scheduling_dag",
  start_date=datetime.datetime(2024, 1, 1),
  schedule_interval='0 */12 * * *',
  catchup=False
  ) as dag:

  insert_query_job = BigQueryInsertJobOperator(
    task_id="insert_query_job",
    retries=4,
    configuration={
        "query": {
            # schema: date (string), description (string)
            # example row: "20240101T120000", "DAG run: <DAG: bq_example_scheduling_dag>"
            "query": "INSERT example_dataset.example_table VALUES ('{{ ts_nodash }}', 'DAG run: {{ dag }}' )",
            "useLegacySql": False,
            "priority": "BATCH",
        }
    },
    location="us-central1"
  )

  insert_query_job

Per testare questo DAG, puoi attivarlo manualmente e e poi visualizza i log di esecuzione delle attività.

Altri esempi di parametri di pianificazione

I seguenti esempi di parametri di pianificazione illustrano il funzionamento della pianificazione con diverse combinazioni di parametri:

  • Se start_date è datetime(2024, 4, 4, 16, 25) e schedule_interval è 30 16 * * *, la prima esecuzione del DAG verrà eseguita alle 16:30 del 5 aprile 2024.

  • Se start_date è datetime(2024, 4, 4, 16, 35) e schedule_interval è 30 16 * * *, la prima esecuzione del DAG verrà eseguita alle 16:30 del 6 aprile 2024. Poiché la data di inizio è successiva all'intervallo di pianificazione del 4 aprile 2024, la relativa esecuzione non avviene il 5 aprile 2024. Invece, la programmazione l'intervallo termina alle 16:35 del 5 aprile 2024, quindi la prossima esecuzione del DAG è pianificata alle 16:30 del giorno successivo.

  • Se start_date è datetime(2024, 4, 4) e schedule_interval è @daily, la prima esecuzione del DAG è programmata per le 00:00 del 5 aprile 2024.

  • Se start_date è datetime(2024, 4, 4, 16, 30) e schedule_interval è 0 * * * *, la prima esecuzione del DAG è prevista per le 18:00 del 4 aprile 2024. Dopo la data e l'ora specificate passa, Airflow pianifica l'esecuzione di un DAG al minuto 0 di ogni ora. Il momento più vicino in cui si verifica è alle 17:00. A questo punto, Airflow pianifica un'esecuzione del DAG alla fine dell'intervallo pianificato, ovvero alle 18:00.

Attiva manualmente un DAG

Quando attivi manualmente un DAG Airflow, Airflow esegue il DAG una volta, indipendentemente dalla pianificazione specificata nel file DAG.

Console

Per attivare un DAG dalla console Google Cloud:

  1. Nella console Google Cloud, vai alla pagina Ambienti.

    Vai ad Ambienti

  2. Seleziona un ambiente per visualizzarne i dettagli.

  3. Nella pagina Dettagli ambiente, vai alla scheda DAG.

  4. Fai clic sul nome di un DAG.

  5. Nella pagina Dettagli DAG, fai clic su Attiva DAG. Viene creata una nuova esecuzione del DAG.

Interfaccia utente di Airflow

Per attivare un DAG dalla UI di Airflow:

  1. Nella console Google Cloud, vai alla pagina Ambienti.

    Vai ad Ambienti

  2. Nella colonna Server web Airflow, segui il link Airflow per il tuo ambiente.

  3. Accedi con l'Account Google che dispone delle autorizzazioni appropriate.

  4. Nell'interfaccia web di Airflow, nella pagina DAG, nella sezione Link colonna per il DAG, fai clic sul pulsante Ora trigger.

  5. (Facoltativo) Specifica la configurazione dell'esecuzione del DAG.

  6. Fai clic su Attiva.

gcloud

Esegui il comando dell'interfaccia a riga di comando di Airflow dags trigger:

  gcloud composer environments run ENVIRONMENT_NAME \
    --location LOCATION \
    dags trigger -- DAG_ID

Sostituisci quanto segue:

  • ENVIRONMENT_NAME: il nome del tuo ambiente.
  • LOCATION: la regione in cui si trova l'ambiente.
  • DAG_ID: il nome del DAG.

Per ulteriori informazioni sull'esecuzione dei comandi dell'interfaccia a riga di comando di Airflow in per gli ambienti Cloud Composer, consulta Esecuzione dei comandi dell'interfaccia a riga di comando di Airflow.

Per ulteriori informazioni sui comandi dell'interfaccia a riga di comando di Airflow disponibili, consulta il riferimento al comando gcloud composer environments run.

Visualizzare i log e i dettagli delle esecuzioni di DAG

Nella console Google Cloud puoi:

Inoltre, Cloud Composer fornisce accesso UI di Airflow, che è l'interfaccia web di Airflow.

Metti in pausa un DAG

Console

Per mettere in pausa un DAG dalla console Google Cloud:

  1. Nella console Google Cloud, vai alla pagina Ambienti.

    Vai ad Ambienti

  2. Seleziona un ambiente per visualizzarne i dettagli.

  3. Nella pagina Dettagli ambiente, vai alla scheda DAG.

  4. Fai clic sul nome di un DAG.

  5. Nella pagina Dettagli DAG, fai clic su Metti in pausa DAG.

UI di Airflow

Per mettere in pausa un DAG dalla UI di Airflow:

  1. Nella console Google Cloud, vai alla pagina Ambienti.

Vai ad Ambienti

  1. Nella colonna Server web Airflow, segui il link Airflow per il tuo completamente gestito di Google Cloud.

  2. Accedi con l'Account Google che dispone delle autorizzazioni appropriate.

  3. Nell'interfaccia web di Airflow, nella pagina DAG, fai clic sul pulsante di attivazione/disattivazione accanto al nome del DAG.

gcloud

Esegui il comando dags pause dell'interfaccia a riga di comando Airflow:

  gcloud composer environments run ENVIRONMENT_NAME \
    --location LOCATION \
    dags pause -- DAG_ID

Sostituisci quanto segue:

  • ENVIRONMENT_NAME: il nome del tuo ambiente.
  • LOCATION: la regione in cui si trova l'ambiente.
  • DAG_ID: il nome del DAG.

Per ulteriori informazioni sull'esecuzione dei comandi dell'interfaccia a riga di comando di Airflow negli ambienti Cloud Composer, consulta Eseguire i comandi dell'interfaccia a riga di comando di Airflow.

Per ulteriori informazioni sui comandi dell'interfaccia a riga di comando di Airflow disponibili, consulta consulta il riferimento per il comando gcloud composer environments run.

Passaggi successivi