Cloud Composer 1 | Cloud Composer 2
Sebelum men-deploy DAG ke produksi, Anda dapat menjalankan sub-perintah CLI Airflow untuk mengurai kode DAG dalam konteks yang sama dengan tempat DAG dijalankan.
Menguji DAG secara lokal dengan alat CLI Pengembangan Lokal Composer
Alat CLI Pengembangan Lokal Compose menyederhanakan pengembangan DAG Apache Airflow untuk Cloud Composer 2 dengan menjalankan lingkungan Airflow secara lokal. Lingkungan Airflow lokal ini menggunakan image versi Cloud Composer 2 tertentu.
Anda dapat mengembangkan dan menguji DAG menggunakan lingkungan Airflow lokal ini, lalu mentransfer DAG ke lingkungan Cloud Composer pengujian Anda. Bagian selanjutnya dari panduan ini menjelaskan pengujian DAG di lingkungan pengujian Cloud Composer.
Pengujian selama pembuatan DAG
Anda dapat menjalankan satu instance tugas secara lokal dan melihat output log. Dengan menampilkan output, Anda dapat memeriksa error sintaksis dan tugas. Pengujian secara lokal tidak memeriksa dependensi atau mengomunikasikan status ke database.
Sebaiknya tempatkan DAG dalam folder data/test
di lingkungan pengujian Anda.
Membuat direktori pengujian
Di bucket lingkungan Anda, buat direktori pengujian dan salin DAG ke direktori tersebut.
gsutil cp -r BUCKET_NAME/dags \
BUCKET_NAME/data/test
Ganti kode berikut:
BUCKET_NAME
: nama bucket yang terkait dengan lingkungan Cloud Composer Anda.
Contoh:
gsutil cp -r gs://us-central1-example-environment-a12bc345-bucket/dags \
gs://us-central1-example-environment-a12bc345-bucket/data/test
Untuk mengetahui informasi selengkapnya tentang mengupload DAG, lihat Menambahkan dan mengupdate DAG.
Memeriksa error sintaksis
Untuk memeriksa error sintaksis di DAG yang Anda upload ke folder /data/test
, masukkan perintah gcloud
berikut:
gcloud composer environments run \
ENVIRONMENT_NAME \
--location ENVIRONMENT_LOCATION \
dags list -- --subdir /home/airflow/gcs/data/test
Ganti kode berikut:
ENVIRONMENT_NAME
: nama lingkungan.ENVIRONMENT_LOCATION
: region tempat lingkungan berada.
Memeriksa error tugas
Untuk memeriksa error khusus tugas di DAG yang Anda upload ke folder /data/test
, jalankan perintah gcloud
berikut:
gcloud composer environments run \
ENVIRONMENT_NAME \
--location ENVIRONMENT_LOCATION \
tasks test -- --subdir /home/airflow/gcs/data/test \
DAG_ID TASK_ID \
DAG_EXECUTION_DATE
Ganti kode berikut:
ENVIRONMENT_NAME
: nama lingkungan.ENVIRONMENT_LOCATION
: region tempat lingkungan berada.DAG_ID
: ID DAG.TASK_ID
: ID tugas.DAG_EXECUTION_DATE
: tanggal eksekusi DAG. Tanggal ini digunakan untuk tujuan template. Terlepas dari tanggal yang Anda tentukan di sini, DAG akan langsung berjalan.
Contoh:
gcloud composer environments run \
example-environment \
--location us-central1 \
tasks test -- --subdir /home/airflow/gcs/data/test \
hello_world print_date 2021-04-22
Mengupdate dan menguji DAG yang di-deploy
Untuk menguji update pada DAG di lingkungan pengujian Anda:
- Salin DAG yang di-deploy dan ingin Anda update ke
data/test
. - Update DAG.
- Uji DAG.
- Pastikan DAG berhasil dijalankan.
- Nonaktifkan DAG di lingkungan pengujian Anda.
- Buka halaman UI Airflow > DAG.
- Jika DAG yang Anda modifikasi terus berjalan, nonaktifkan DAG.
- Untuk mempercepat tugas yang belum selesai, klik tugas dan Tandai Berhasil.
- Deploy DAG ke lingkungan produksi Anda.
- Nonaktifkan DAG di lingkungan produksi Anda.
- Upload DAG yang telah diupdate
ke folder
dags/
di lingkungan produksi Anda.
FAQ untuk menguji DAG
Bagaimana cara mengisolasi DAG yang berjalan di lingkungan produksi dan pengujian?
Misalnya, Airflow memiliki repositori global kode sumber di folder dags/
yang dibagikan oleh semua DAG yang dijalankan. Anda ingin mengupdate kode sumber dalam produksi
atau pengujian tanpa mengganggu jalannya DAG.
Aliran udara tidak menyediakan isolasi DAG yang kuat. Sebaiknya pertahankan produksi dan uji lingkungan Cloud Composer yang terpisah untuk mencegah DAG pengujian mengganggu DAG produksi Anda.
Bagaimana cara menghindari interferensi DAG saat saya menjalankan pengujian integrasi dari cabang GitHub yang berbeda
Gunakan nama tugas yang unik untuk mencegah gangguan. Misalnya, Anda dapat memberikan awalan ID tugas dengan nama cabang.
Apa praktik terbaik untuk pengujian integrasi dengan Airflow?
Sebaiknya gunakan lingkungan khusus untuk pengujian integrasi dengan Airflow. Salah satu cara untuk menandakan bahwa DAG berhasil dijalankan adalah dengan menulis ke file dalam folder Cloud Storage, lalu memeriksa konten dalam kasus pengujian integrasi Anda sendiri.
Bagaimana cara berkolaborasi secara efisien dengan kontributor DAG lainnya?
Setiap kontributor dapat memiliki subdirektori di folder data/
untuk pengembangan.
DAG yang ditambahkan ke folder data/
tidak diambil secara otomatis oleh penjadwal Airflow atau server web
Kontributor DAG dapat membuat operasi DAG manual menggunakan
perintah gcloud composer environments run
dan sub-perintah test
dengan flag --subdir
untuk menentukan direktori pengembangan kontributor.
Contoh:
gcloud composer environments run test-environment-name \
tasks test -- dag-id task-id execution-date \
--subdir /home/airflow/gcs/data/alice_dev
Bagaimana cara memastikan lingkungan deployment dan lingkungan production tetap sinkron?
Untuk mengelola akses:
Untuk autentikasi, gunakan akun layanan.
Untuk kontrol akses, gunakan peran dan izin Identity and Access Management dan Cloud Composer.
Untuk melakukan deployment dari pengembangan ke produksi:
Pastikan konfigurasi yang konsisten, seperti variabel lingkungan dan paket PyPI.
Memastikan argumen DAG yang konsisten. Untuk menghindari hard code, sebaiknya gunakan makro dan variabel Airflow.
Contoh:
gcloud composer environments run test-environment-name \ variables set -- DATA_ENDPOINT_KEY DATA_ENDPOINT_VALUE
Langkah selanjutnya
- Memecahkan masalah DAG
- Menambahkan dan Memperbarui DAG
- Menguji, menyinkronkan, dan men-deploy DAG menggunakan kontrol versi