Planifier et déclencher des DAG Airflow

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

Cette page explique le fonctionnement de la planification et du déclenchement de DAG dans Airflow, comment définir une planification pour un DAG, et comment déclencher un DAG manuellement ou le mettre en pause.

À propos des DAG Airflow dans Cloud Composer

Les DAG Airflow dans Cloud Composer sont exécutés dans un ou plusieurs environnements Cloud Composer de votre projet. Vous importez les fichiers sources de vos DAG Airflow dans un bucket Cloud Storage associé à un environnement. L'instance d'Airflow de l'environnement analyse ensuite ces fichiers et planifie les exécutions de DAG, comme défini par la planification de chaque DAG. Lors d'une exécution de DAG, Airflow planifie et exécute les tâches individuelles qui composent un DAG dans une séquence définie par le DAG.

Pour en savoir plus sur les concepts fondamentaux d'Airflow, tels que les DAG Airflow, les exécutions de DAG, les tâches ou les opérateurs, consultez la page Concepts fondamentaux de la documentation Airflow.

À propos de la planification des DAG dans Airflow

Airflow propose les concepts suivants pour son mécanisme de planification:

Date logique

Représente la date à laquelle une exécution de DAG particulière est effectuée.

Il ne s'agit pas de la date réelle à laquelle Airflow exécute un DAG, mais d'une période de temps que l'exécution d'un DAG particulier doit traiter. Par exemple, pour un DAG programmé pour s'exécuter tous les jours à 12h00, la date logique sera également 12h00 pour un jour spécifique. Étant donné qu'il s'exécute deux fois par jour, la période qu'il doit traiter correspond aux 12 dernières heures. En même temps, la logique définie dans le DAG lui-même peut ne pas utiliser du tout la date logique ni l'intervalle de temps. Par exemple, un DAG peut exécuter le même script une fois par jour sans utiliser la valeur de la date logique.

Dans les versions d'Airflow antérieures à la version 2.2, cette date est appelée date d'exécution.

Date d'exécution

Représente la date à laquelle une exécution de DAG spécifique est exécutée.

Par exemple, pour un DAG programmé pour s'exécuter tous les jours à 12h00, l'exécution réelle du DAG peut avoir lieu à 12h05, un certain temps après la date logique.

Intervalle de planification

Représente le moment et la fréquence à laquelle un DAG doit être exécuté, en termes de dates logiques.

Par exemple, un calendrier quotidien signifie qu'un DAG est exécuté une fois par jour, et que les dates logiques de ses exécutions de DAG sont espacées de 24 heures.

Date de début

Indique à quel moment Airflow doit commencer à planifier votre DAG.

Les tâches de votre DAG peuvent avoir des dates de début individuelles, ou vous pouvez spécifier une date de début unique pour toutes les tâches. En fonction de la date de début minimale des tâches de votre DAG et de l'intervalle de planification, Airflow planifie l'exécution du DAG.

Mise à jour, remplissage et nouvelles tentatives

Mécanismes d'exécution des exécutions de DAG pour des dates passées.

La récupération exécute les exécutions de DAG qui ne l'ont pas encore été, par exemple, si le DAG a été mis en pause pendant une longue période, puis réactivé. Vous pouvez utiliser le remplissage en arrière pour exécuter des exécutions de DAG pour une certaine plage de dates. Les nouvelles tentatives spécifient le nombre d'essais qu'Airflow doit effectuer lors de l'exécution de tâches à partir d'un DAG.

La planification fonctionne comme suit:

  1. Une fois la date de début passée, Airflow attend la prochaine occurrence de l'intervalle de planification.

  2. Airflow planifie la première exécution du DAG à la fin de cet intervalle de planification.

    Par exemple, si un DAG est exécuté toutes les heures et que la date de début est à 12h00, la première exécution du DAG a lieu aujourd'hui à 13h.

La section Planifier un DAG Airflow de ce document explique comment configurer la planification de vos DAG à l'aide de ces concepts. Pour en savoir plus sur les exécutions et la planification des DAG, consultez la page Exécutions de DAG dans la documentation Airflow.

Méthodes de déclenchement d'un DAG

Airflow propose les méthodes suivantes pour déclencher un DAG :

  • Déclenchement planifié. Airflow déclenche le DAG automatiquement en fonction de la planification spécifiée pour celui-ci dans le fichier DAG.

  • Déclenchement manuel Vous pouvez déclencher un DAG manuellement à partir de la console Google Cloud, de l'UI d'Airflow ou en exécutant une commande de CLI Airflow à partir de la CLI Google Cloud.

  • Déclenchement en réponse à des événements. Le moyen standard de déclencher un DAG en réponse à des événements consiste à utiliser un capteur.

Autres méthodes pour déclencher des DAG :

Avant de commencer

  • Assurez-vous que votre compte dispose d'un rôle permettant de gérer les objets dans les buckets d'environnement, et d'afficher et de déclencher des DAG. Pour plus d'informations, consultez la section Contrôle des accès.

Planifier un DAG Airflow

Vous définissez une planification pour un DAG dans le fichier DAG. Modifiez la définition du DAG comme suit:

  1. Recherchez et modifiez le fichier DAG sur votre ordinateur. Si vous ne disposez pas du fichier DAG, vous pouvez télécharger sa copie à partir du bucket de l'environnement. Pour un nouveau DAG, vous pouvez définir tous les paramètres lorsque vous créez le fichier DAG.

  2. Dans le paramètre schedule_interval, définissez la planification. Vous pouvez utiliser une expression CRON, telle que 0 0 * * *, ou un préréglage, tel que @daily. Pour en savoir plus, consultez la section Cron et intervalles de temps dans la documentation Airflow.

    Airflow détermine les dates logiques pour les exécutions de DAG en fonction de la planification que vous définissez.

  3. Dans le paramètre start_date, définissez la date de début.

    Airflow détermine la date logique de la première exécution du DAG à l'aide de ce paramètre.

  4. (Facultatif) Dans le paramètre catchup, indiquez si Airflow doit exécuter toutes les exécutions précédentes de ce DAG de la date de début à la date actuelle qui n'ont pas encore été exécutées.

    Les exécutions DAG exécutées pendant la récupération auront une date logique dans le passé et leur date d'exécution reflétera l'heure à laquelle l'exécution DAG a été effectivement exécutée.

  5. (Facultatif) Dans le paramètre retries, définissez le nombre de fois où Airflow doit réessayer les tâches ayant échoué (chaque DAG se compose d'une ou de plusieurs tâches individuelles). Par défaut, les tâches dans Cloud Composer sont réessayées deux fois.

  6. Importez la nouvelle version du DAG dans le bucket de l'environnement.

  7. Attendez qu'Airflow analyse le DAG. Par exemple, vous pouvez consulter la liste des DAG de votre environnement dans la console Google Cloud ou dans l'interface utilisateur d'Airflow.

L'exemple de définition de DAG suivant s'exécute deux fois par jour à 00h00 et 12h00. Sa date de début est définie sur le 1er janvier 2024, mais Airflow ne l'exécute pas pour les dates passées après l'importation ou la mise en veille, car la mise à jour est désactivée.

Le DAG contient une tâche nommée insert_query_job, qui insère une ligne dans un tableau avec l'opérateur BigQueryInsertJobOperator. Cet opérateur fait partie des Google Cloud opérateurs BigQuery, que vous pouvez utiliser pour gérer des ensembles de données et des tables, exécuter des requêtes et valider des données. Si une exécution particulière de cette tâche échoue, Airflow la relance quatre fois avec l'intervalle de nouvelle tentative par défaut. La date logique de ces nouvelles tentatives reste la même.

La requête SQL de cette ligne utilise des modèles Airflow pour écrire la date et le nom logiques du DAG dans la ligne.

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

Pour tester ce DAG, vous pouvez le déclencher manuellement, puis afficher les journaux d'exécution des tâches.

Autres exemples de paramètres de planification

Les exemples de paramètres de planification suivants illustrent le fonctionnement de la planification avec différentes combinaisons de paramètres:

  • Si le paramètre start_date est défini sur datetime(2024, 4, 4, 16, 25) et que le paramètre schedule_interval est défini sur 30 16 * * *, la première exécution du DAG se produit à 16h30 le 5 avril 2024.

  • Si le paramètre start_date est défini sur datetime(2024, 4, 4, 16, 35) et que le paramètre schedule_interval est défini sur 30 16 * * *, la première exécution du DAG se produit à 16h30 le 6 avril 2024. Étant donné que la date de début est postérieure à l'intervalle de planification le 4 avril 2024, l'exécution du DAG n'a pas lieu le 5 avril 2024. Au lieu de cela, l'intervalle de planification se termine le 5 avril 2024 à 16h35. L'exécution du DAG suivante est donc programmée pour 16h30 le lendemain.

  • Si le paramètre start_date est défini sur datetime(2024, 4, 4) et que le paramètre schedule_interval est défini sur @daily, la première exécution du DAG est planifiée pour le 5 avril 2024 à 00h00.

  • Si le paramètre start_date est défini sur datetime(2024, 4, 4, 16, 30) et que le paramètre schedule_interval est défini sur 0 * * * *, la première exécution du DAG est planifiée pour le 4 avril 2024 à 18h00. Une fois la date et l'heure spécifiées écoulées, Airflow planifie l'exécution d'un DAG à la minute zéro de chaque heure. Le moment le plus proche lorsque cela se produit est 17h00. Pour le moment, Airflow planifie l'exécution d'un DAG à la fin de l'intervalle de planification, c'est-à-dire à 18h00.

Déclencher un DAG manuellement

Lorsque vous déclenchez manuellement un DAG Airflow, Airflow exécute le DAG une seule fois, indépendamment de la planification spécifiée dans le fichier DAG.

Console

Pour déclencher un DAG à partir de la console Google Cloud:

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

    Accéder à la page Environnements

  2. Sélectionnez un environnement pour afficher ses détails.

  3. Sur la page Détails de l'environnement, accédez à l'onglet DAG.

  4. Cliquez sur le nom d'un DAG.

  5. Sur la page Détails du DAG, cliquez sur Déclencher le DAG. Une nouvelle exécution du DAG est créée.

Interface utilisateur d'Airflow

Pour déclencher un DAG à partir de l'UI Airflow:

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

    Accéder à la page Environnements

  2. Dans la colonne Serveur Web Airflow, cliquez sur le lien Airflow correspondant à votre environnement.

  3. Connectez-vous avec le compte Google disposant des autorisations appropriées.

  4. Dans l'interface Web Airflow, sur la page DAG, dans la colonne Liens de votre DAG, cliquez sur le bouton Déclencher le DAG.

  5. (Facultatif) Spécifiez la configuration de l'exécution du DAG.

  6. Cliquez sur Déclencher.

gcloud

Exécutez la commande de CLI Airflow dags trigger:

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

Remplacez les éléments suivants :

  • ENVIRONMENT_NAME : nom de votre environnement
  • LOCATION: région où se trouve l'environnement.
  • DAG_ID: nom du DAG.

Pour en savoir plus sur l'exécution de commandes de CLI Airflow dans les environnements Cloud Composer, consultez la page Exécuter des commandes de CLI Airflow.

Pour en savoir plus sur les commandes de CLI Airflow disponibles, consultez la documentation de référence sur les commandes gcloud composer environments run.

Afficher les journaux et les détails des exécutions de DAG

Dans la console Google Cloud, vous pouvez:

De plus, Cloud Composer permet d'accéder à l'interface utilisateur d'Airflow, qui est la propre interface Web d'Airflow.

Suspendre un DAG

Console

Pour suspendre un DAG à partir de la console Google Cloud:

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

    Accéder à la page Environnements

  2. Sélectionnez un environnement pour afficher ses détails.

  3. Sur la page Détails de l'environnement, accédez à l'onglet DAG.

  4. Cliquez sur le nom d'un DAG.

  5. Sur la page Détails du DAG, cliquez sur Suspendre le DAG.

Interface utilisateur d'Airflow

Pour suspendre un DAG à partir de l'interface utilisateur d'Airflow:

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

Accéder à la page Environnements

  1. Dans la colonne Serveur Web Airflow, cliquez sur le lien Airflow correspondant à votre environnement.

  2. Connectez-vous avec le compte Google disposant des autorisations appropriées.

  3. Dans l'interface Web Airflow, sur la page DAG, cliquez sur le bouton bascule à côté du nom du DAG.

gcloud

Exécutez la commande de CLI Airflow dags pause:

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

Remplacez les éléments suivants :

  • ENVIRONMENT_NAME : nom de votre environnement
  • LOCATION: région où se trouve l'environnement.
  • DAG_ID: nom du DAG.

Pour en savoir plus sur l'exécution de commandes de CLI Airflow dans les environnements Cloud Composer, consultez la page Exécuter des commandes de CLI Airflow.

Pour en savoir plus sur les commandes de CLI Airflow disponibles, consultez la documentation de référence sur les commandes gcloud composer environments run.

Étape suivante