Cloud Composer 1 befindet sich im Modus nach der Wartung. Google veröffentlicht keine weiteren Updates für Cloud Composer 1, einschließlich neuer Versionen von Airflow, Fehlerkorrekturen und Sicherheitsupdates. Wir empfehlen die Migration zu Cloud Composer 2.
Diese Seite enthält Schritte zur Fehlerbehebung und Informationen zu häufigen Workflow-Problemen.
Viele Probleme bei der DAG-Ausführung werden durch eine nicht optimale Umgebungsleistung verursacht.
Sie können Ihre Cloud Composer 2-Umgebung optimieren, indem Sie der Anleitung Optimize
Leitfaden zu Umgebungsleistung und -kosten.
Einige Probleme bei der DAG-Ausführung können durch eine fehlerhafte oder nicht optimale Funktion des Airflow-Schedulers verursacht werden. Bitte folgen Sie
Anleitung zur Fehlerbehebung für den Planer
um diese Probleme zu lösen.
Löschen Sie in der Airflow-Weboberfläche die vergangenen Status für den DAG.
Setzen Sie den DAG fort oder führen Sie ihn aus.
Fehlerbehebung bei der Ausführung von Aufgaben
Airflow ist ein verteiltes System mit vielen Entitäten wie Scheduler, Executor und Workern, die über eine Task-Warteschlange und die Airflow-Datenbank miteinander kommunizieren und Signale senden (z. B. SIGTERM). Das folgende Diagramm zeigt eine
Übersicht über Verbindungen zwischen Airflow-Komponenten.
Abbildung 1. Interaktion zwischen Airflow-Komponenten (zum Vergrößern anklicken)
In einem verteilten System wie Airflow gibt es möglicherweise
oder bei der zugrunde liegenden Infrastruktur zeitweise Probleme auftreten.
kann dies dazu führen, dass Aufgaben fehlschlagen und
oder Aufgaben nicht erfolgreich abgeschlossen werden (z. B. Zombie-
oder Aufgaben, deren Ausführung hängengeblieben ist). Airflow verfügt über Mechanismen,
in solchen Situationen und nimmt automatisch wieder den normalen Betrieb wieder auf. Folge ich
werden häufige Probleme bei der Ausführung von Aufgaben mit Airflow erläutert:
Zombie-Aufgaben, Giftpillen und SIGTERM-Signale.
Fehlerbehebung bei Zombie-Aufgaben
Airflow erkennt zwei Arten von Diskrepanzen zwischen einer Aufgabe und einem Prozess, der ausgeführt wird
die Aufgabe:
Zombie-Aufgaben sind Aufgaben, die ausgeführt werden sollten, aber nicht ausgeführt werden. Dies kann passieren, wenn der Prozess der Aufgabe beendet wurde oder nicht reagiert, wenn der Airflow-Worker aufgrund einer Überlastung nicht rechtzeitig einen Aufgabenstatus meldet oder wenn die VM, auf der die Aufgabe ausgeführt wird, heruntergefahren wurde.
Airflow findet solche Aufgaben regelmäßig und schlägt sie je nach den Einstellungen der Aufgabe fehl oder versucht, sie noch einmal auszuführen.
Untote Aufgaben sind Aufgaben, die normalerweise nicht ausgeführt werden. Airflow-Ergebnisse
und beendet sie regelmäßig.
Die häufigsten Gründe und Lösungen für Zombie-Aufgaben sind unten aufgeführt.
Airflow-Worker hat nicht genügend Arbeitsspeicher
Jeder Airflow-Worker könnte bis zu [celery]worker_concurrency Aufgabeninstanzen ausführen
gleichzeitig. Wenn die kumulative Arbeitsspeichernutzung dieser Aufgabeninstanzen das Arbeitsspeicherlimit für einen Airflow-Worker überschreitet, wird ein zufälliger Prozess darauf beendet, um Ressourcen freizugeben.
Ereignisse mit unzureichendem Arbeitsspeicher in Airflow-Workern ermitteln
resource.type="k8s_node"
resource.labels.cluster_name="GKE_CLUSTER_NAME"
log_id("events")
jsonPayload.message:"Killed process"
jsonPayload.message:("airflow task" OR "celeryd")
Pod-Bereinigungen sind ein normaler Teil der Ausführung von Arbeitslasten in Kubernetes.
GKE entfernt Pods, wenn kein Speicherplatz mehr vorhanden ist oder sie freigegeben werden.
und Ressourcen für Arbeitslasten
mit höherer Priorität bereitstellen.
Wenn eine Auslagerung auf einen Mangel an Speicherplatz zurückzuführen ist, können Sie die Speichernutzung reduzieren oder temporäre Dateien entfernen, sobald sie nicht mehr benötigt werden.
Alternativ können Sie den verfügbaren Speicherplatz erhöhen oder Arbeitslasten in einem speziellen Pod ausführen, indem Sie KubernetesPodOperator verwenden.
Airflow-Worker wurde beendet
Airflow-Worker können extern entfernt werden. Wenn derzeit ausgeführte Aufgaben
nach einer ordnungsgemäßen Kündigung beendet werden, werden sie unterbrochen und
als Zombies erkannt werden.
Sie können ein Upgrade auf eine neuere Cloud Composer-Version durchführen, bei der diese
wurde behoben.
Airflow-Worker war stark ausgelastet
Die für einen Airflow-Worker verfügbare Menge an CPU- und Arbeitsspeicherressourcen ist begrenzt
der Umgebungskonfiguration. Wenn die Auslastung näher an den Grenzwerten liegt, kommt es zu Ressourcenkonflikten und unnötigen Verzögerungen bei der Ausführung der Aufgabe. In extremen Situationen, in denen während längerer Zeiträume nicht genügend Ressourcen zur Verfügung stehen
kann dies zu Zombie-Aufgaben führen.
Eine Datenbank wird von verschiedenen Airflow-Komponenten verwendet, um miteinander zu kommunizieren und insbesondere Heartbeats von Aufgabeninstanzen zu speichern. Ein Ressourcenmangel in der Datenbank führt zu längeren Abfragezeiten und kann sich auf die Ausführung einer Aufgabe auswirken.
Es kann einige Zeit dauern, bis Airflow-Worker zeitweise auftretende
wie temporäre Verbindungsprobleme. Möglicherweise wird der Standardwert überschritten
Schwellenwert für die Zombie-Erkennung.
Airflow-Heartbeat-Timeouts
resource.type="cloud_composer_environment"
resource.labels.environment_name="ENVIRONMENT_NAME"
log_id("airflow-worker")
textPayload:"Heartbeat time limit exceeded"
Lösungen:
Erhöhen Sie das Zeitlimit für Zombie-Aufgaben und überschreiben Sie
Wert von [scheduler]scheduler_zombie_task_threshold
Airflow-Konfigurationsoption:
Bereich
Schlüssel
Wert
Hinweise
scheduler
scheduler_zombie_task_threshold
Neu
Zeitlimit
(in
Sekunden)
Standardeinstellung
Wert ist
300
Fehlerbehebung bei Giftpille
Poison Pill ist ein Mechanismus, mit dem Airflow-Aufgaben in Airflow beendet werden.
In Airflow wird die Poison Pill in folgenden Fällen verwendet:
Wenn ein Scheduler eine Aufgabe beendet, die nicht rechtzeitig abgeschlossen wurde.
Wenn eine Aufgabe das Zeitlimit überschreitet oder zu lange ausgeführt wird.
Wenn in Airflow die Poison Pill verwendet wird, sehen Sie in den Logs eines Airflow-Workers, der die Aufgabe ausgeführt hat, die folgenden Logeinträge:
INFO - Subtask ... WARNING - State of this instance has been externally set
to success. Taking the poison pill.
INFO - Subtask ... INFO - Sending Signals.SIGTERM to GPID <X>
INFO - Subtask ... ERROR - Received SIGTERM. Terminating subprocesses.
Mögliche Lösungen:
Überprüfen Sie den Aufgabencode auf Fehler, die eine zu lange Ausführungszeit verursachen können.
Erhöhen Sie den Wert der
Airflow-Konfiguration für [celery_broker_transport_options]visibility-timeout
Option.
Daher wartet der Planer länger auf den Abschluss einer Aufgabe.
bevor er sie als Zombieaufgabe erachtet. Diese Option ist besonders für zeitaufwendige Aufgaben geeignet, die viele Stunden dauern. Wenn
wenn der Wert zu niedrig ist (z. B. 3 Stunden), berücksichtigt der Planer
Aufgaben, die 5 oder 6 Stunden lang als „aufgehängt“ ausgeführt werden (Zombie-Aufgaben).
Wert von [core]killed_task_cleanup_time-Airflow erhöhen
Konfigurationsoption.
Mit einem längeren Wert haben Airflow-Worker mehr Zeit für die Ausführung ihrer Aufgaben.
anmutig. Wenn der Wert zu niedrig ist, werden Airflow-Aufgaben möglicherweise unterbrochen
abrupt, ohne genug Zeit zu haben, um ihre Arbeit anmutig zu beenden.
Fehlerbehebung bei SIGTERM-Signalen
SIGTERM-Signale werden von Linux, Kubernetes, Airflow Scheduler und Celery verwendet, um Prozesse zu beenden, die für die Ausführung von Airflow-Workern oder Airflow-Aufgaben verantwortlich sind.
Es kann mehrere Gründe dafür geben, dass SIGTERM-Signale in einer Umgebung gesendet werden:
Eine Aufgabe ist zu einer Zombie-Aufgabe geworden und muss beendet werden.
Der Planer entdeckt ein Duplikat einer Aufgabe und schickt die Giftpille und
SIGTERM signalisiert der Aufgabe, sie zu stoppen.
Beim horizontalen Pod-Autoscaling sendet die GKE-Steuerungsebene SIGTERM-Signale, um Pods zu entfernen, die nicht mehr benötigt werden.
Der Planer kann SIGTERM-Signale an den DagFileProcessorManager-Prozess senden.
Solche SIGTERM-Signale werden vom Planer zur Verwaltung
DagFileProcessorManager-Prozesslebenszyklus und kann ignoriert werden.
Beispiel:
Launched DagFileProcessorManager with pid: 353002
Sending Signals.SIGTERM to group 353002. PIDs of all processes in the group: []
Sending the signal Signals.SIGTERM to group 353002
Sending the signal Signals.SIGTERM to process 353002 as process group is missing.
Race-Bedingung zwischen dem Heartbeat-Callback und den Exit-Callbacks im
local_task_job, der die Ausführung der Aufgabe überwacht. Wenn der Heartbeat erkennt, dass eine Aufgabe als erfolgreich markiert wurde, kann nicht unterschieden werden, ob die Aufgabe selbst erfolgreich war oder ob Airflow angewiesen wurde, die Aufgabe als erfolgreich zu betrachten. Trotzdem wird ein Task-Runner beendet, ohne auf das Ende zu warten.
Solche SIGTERM-Signale können ignoriert werden. Die Aufgabe hat bereits den Status „Erfolgreich“ und die Ausführung der DAG-Ausführung insgesamt wird nicht beeinträchtigt.
Der Logeintrag Received SIGTERM. ist der einzige Unterschied zwischen dem regulären Beenden und dem Beenden der Aufgabe im Status „Erfolgreich“.
<ph type="x-smartling-placeholder"></ph>
Abbildung 2: Race Condition zwischen dem Heartbeat und dem Exit-Callback (zum Vergrößern anklicken)
Eine Airflow-Komponente nutzt mehr Ressourcen (CPU, Arbeitsspeicher) als vom
Clusterknoten.
Der GKE-Dienst führt Wartungsvorgänge aus und sendet SIGTERM-Signale an Pods, die auf einem Knoten ausgeführt werden, der gerade aktualisiert wird.
Wenn eine Aufgabeninstanz mit SIGTERM beendet wird, wird das folgende Log angezeigt:
Einträge in den Logs eines Airflow-Workers, der die Aufgabe ausgeführt hat:
{local_task_job.py:211} WARNING - State of this instance has been externally
set to queued. Terminating instance. {taskinstance.py:1411} ERROR - Received
SIGTERM. Terminating subprocesses. {taskinstance.py:1703} ERROR - Task failed
with exception
Mögliche Lösungen:
Dieses Problem tritt auf, wenn eine VM, auf der die Aufgabe ausgeführt wird, nicht genügend Arbeitsspeicher hat. Dies ist nicht
die auf die Airflow-Konfigurationen, sondern auf den verfügbaren Arbeitsspeicher
VM:
Das Erhöhen des Arbeitsspeichers hängt von der Cloud Composer-Version ab
die Sie verwenden. Beispiel:
In Cloud Composer 2 können Sie Airflow-Workern mehr CPU- und Arbeitsspeicherressourcen zuweisen.
Bei Cloud Composer 1 können Sie die Umgebung mithilfe eines
Maschinentyp mit mehr Leistung.
In beiden Versionen von Cloud Composer können Sie den Wert der Airflow-Konfigurationsoption [celery]worker_concurrency für die Parallelität senken.
Mit dieser Option wird festgelegt, wie viele Aufgaben von einem bestimmten Airflow-Worker gleichzeitig ausgeführt werden.
Cloud Logging-Abfragen zur Ermittlung von Gründen für Pod-Neustarts oder -Aussetzungen
Cloud Composer-Umgebungen verwenden GKE-Cluster als Computing-Infrastruktur
Ebene. In diesem Abschnitt finden Sie nützliche Abfragen, mit denen Sie die Gründe für Neustarts oder Auslagerungen von Airflow-Workern oder Airflow-Planern ermitteln können.
Die unten dargestellten Abfragen könnten folgendermaßen optimiert werden:
können Sie einen für Sie interessanten Zeitplan in Cloud Logging festlegen.
z. B. die letzten 6 Stunden oder 3 Tage. Sie können auch einen benutzerdefinierten Zeitraum festlegen.
Geben Sie die CLUSTER_NAME
Sie können die Suche auch auf einen bestimmten Pod beschränken, indem Sie das Symbol POD_NAME
Neu gestartete Container finden
resource.type="k8s_node"
log_id("kubelet")
jsonPayload.MESSAGE:"will be restarted"
resource.labels.cluster_name="CLUSTER_NAME"
Alternative Abfrage, um die Ergebnisse auf einen bestimmten Pod zu beschränken:
resource.type="k8s_node"
log_id("kubelet")
jsonPayload.MESSAGE:"will be restarted"
resource.labels.cluster_name="CLUSTER_NAME"
"POD_NAME"
Container, die aufgrund eines OOM-Ereignisses heruntergefahren wurden, ermitteln
resource.type="k8s_node"
log_id("events")
(jsonPayload.reason:("OOMKilling" OR "SystemOOM")
OR jsonPayload.message:("OOM encountered" OR "out of memory"))
severity=WARNING
resource.labels.cluster_name="CLUSTER_NAME"
Alternative Abfrage, um die Ergebnisse auf einen bestimmten Pod zu beschränken:
resource.type="k8s_node"
log_id("events")
(jsonPayload.reason:("OOMKilling" OR "SystemOOM")
OR jsonPayload.message:("OOM encountered" OR "out of memory"))
severity=WARNING
resource.labels.cluster_name="CLUSTER_NAME"
"POD_NAME"
Container ermitteln, die nicht mehr ausgeführt werden
Auswirkungen von Aktualisierungs- oder Upgradevorgängen auf die Ausführung von Airflow-Aufgaben
Durch Aktualisierungs- oder Upgradevorgänge werden
aktuell ausgeführte Airflow-Aufgaben unterbrochen,
es sei denn, eine Aufgabe wird im deferrable-Modus ausgeführt.
Wir empfehlen, diese Vorgänge dann durchzuführen, wenn Sie minimale Auswirkungen erwarten
und richten Sie entsprechende Wiederholungsmechanismen in der
DAGs und Aufgaben.
Fehlerbehebung bei KubernetesExecutor-Aufgaben
CeleryKubernetesExecutor ist ein Executor-Typ in Cloud Composer 3, der CeleryExecutor und KubernetesExecutor gleichzeitig verwenden kann.
Weitere Informationen finden Sie auf der Seite CeleryKubernetesExecutor verwenden.
Informationen zur Fehlerbehebung bei Aufgaben, die mit KubernetesExecutor ausgeführt werden.
Allgemeine Probleme
In den folgenden Abschnitten werden Symptome und mögliche Lösungen für einige häufig auftretende DAG-Probleme beschrieben.
Airflow-Aufgabe wurde von Negsignal.SIGKILL unterbrochen
Manchmal benötigt Ihre Aufgabe mehr Arbeitsspeicher als dem Airflow-Worker zugewiesen ist.
In diesem Fall wird sie möglicherweise von Negsignal.SIGKILL unterbrochen. Das System
sendet dieses Signal, um einen weiteren
Speicherverbrauch zu vermeiden, der sich auf
anderer Airflow-Aufgaben ausgeführt werden. Im Log des Airflow-Workers wird möglicherweise der folgende Logeintrag angezeigt:
Negsignal.SIGKILL kann auch als Code -9 angezeigt werden.
Mögliche Lösungen:
Verringern Sie worker_concurrency der Airflow-Worker.
Erhöhen Sie bei Cloud Composer 2 den Arbeitsspeicher der Airflow-Worker.
Führen Sie bei Cloud Composer 1 ein Upgrade auf einen größeren Maschinentyp durch, der im Cloud Composer-Cluster verwendet wird.
Optimieren Sie Ihre Aufgaben, um weniger Arbeitsspeicher zu verbrauchen.
Verwalten Sie ressourcenintensive Aufgaben in Cloud Composer mit
KubernetesPodOperator
oder GKEStartPodOperator für
Aufgabenisolierung und
benutzerdefinierte Ressourcenzuweisung.
Aufgabe schlägt aufgrund von Fehlern beim DAG-Parsen fehl, ohne Logs auszugeben
Manchmal können subtile DAG-Fehler auftreten,
Ein Airflow-Planer und DAG-Prozessor können Aufgaben für die Ausführung planen
und eine DAG-Datei zu parsen, aber der Airflow-Worker kann Aufgaben nicht ausführen
aus einem solchen DAG, da die Python-DAG-Datei
Programmierfehler enthält. Dies kann dazu führen, dass eine Airflow-Aufgabe als Failed gekennzeichnet ist und es kein Protokoll ihrer Ausführung gibt.
Lösungen:
Prüfen Sie in den Airflow-Worker-Logs, ob vom Airflow-Worker keine Fehler im Zusammenhang mit fehlenden DAGs oder DAG-Parsing-Fehlern gemeldet werden.
Anzahl der Parameter für das DAG-Parsing erhöhen:
Erhöhen Sie dagbag-import-timeout auf mindestens 120 Sekunden (bei Bedarf auch mehr).
Erhöhung
dag-file-processor-timeout
auf mindestens 180 Sekunden (oder mehr, falls erforderlich). Dieser Wert muss größer als dagbag-import-timeout sein.
Aufgabe schlägt fehl, ohne dass Logs aufgrund von Ressourcenmangel ausgegeben werden
Symptom: Während der Ausführung einer Aufgabe wird der für die Ausführung der Airflow-Aufgabe zuständige Unterprozess des Airflow-Workers abrupt unterbrochen.
Der im Airflow-Worker-Log sichtbare Fehler sieht möglicherweise so aus:
Erstellen Sie in Cloud Composer 1 eine neue Umgebung mit
einen größeren Maschinentyp als die aktuelle Maschine.
Typ. Erwägen Sie, Ihrer Umgebung mehr Knoten hinzuzufügen und den Wert [celery]worker_concurrency für Ihre Worker zu senken.
Aufgabe schlägt fehl, ohne Logs auszugeben, da Pod entfernt wurde
Google Kubernetes Engine-Pods unterliegen dem Kubernetes-Pod-Lebenszyklus und der Pod-Bereinigung. Aufgabenspitzen und die gemeinsame Planung von Workern sind zwei häufige Ursachen für die Pod-Bereinigung in Cloud Composer.
Eine Pod-Bereinigung kann auftreten, wenn ein bestimmter Pod Ressourcen eines Knotens relativ zu den konfigurierten Erwartungen in Sachen Ressourcenverbrauch für den Knoten übernutzt. Beispiel: Eine Bereinigung kann auftreten, wenn mehrere speicherintensive Aufgaben in einem Pod ausgeführt werden und ihre kombinierte Last dazu führt, dass der Knoten, auf dem dieser Pod ausgeführt wird, das Limit für den Arbeitsspeicherverbrauch überschreitet.
Wenn ein Airflow-Worker-Pod bereinigt wird, werden alle auf diesem Pod ausgeführten Aufgabeninstanzen unterbrochen und später von Airflow als fehlgeschlagen markiert.
Logs werden zwischengespeichert. Wenn ein Worker-Pod entfernt wird, bevor der Zwischenspeicher geleert wurde, werden keine Logs ausgegeben. Ein Aufgabenfehler ohne Logs ist ein Hinweis darauf, dass die Airflow-Worker aufgrund von zu wenig Arbeitsspeicher neu gestartet werden. In Cloud Logging sind möglicherweise einige Logs vorhanden, obwohl die Airflow-Logs nicht ausgegeben wurden.
So können die Logs angezeigt werden:
Rufen Sie in der Google Cloud Console die Seite Umgebungen auf.
Klicken Sie in der Liste der Umgebungen auf den Namen Ihrer Umgebung.
Die Seite Umgebungsdetails wird geöffnet.
Rufen Sie den Tab Logs auf.
Rufen Sie die Logs einzelner Worker unter Alle Logs -> Airflow-Logs -> Worker -> (einzelner Worker) auf.
Die DAG-Ausführung ist arbeitsspeicherbegrenzt. Jede Ausführung einer Aufgabe beginnt mit zwei Airflow-Prozessen: Ausführung und Monitoring. Jeder Knoten kann bis zu 6 Aufgaben gleichzeitig ausführen (ungefähr 12 Prozesse mit Airflow-Modulen).
Je nach Art des DAG wird möglicherweise mehr Arbeitsspeicher belegt.
Symptom:
Rufen Sie in der Google Cloud Console die Seite Arbeitslasten auf.
Wenn airflow-worker-Pods vorhanden sind, die Evicted anzeigen, klicken Sie auf die einzelnen bereinigten Pods und suchen Sie oben im Fenster nach folgender Meldung: The node was low on resource: memory.
Lösung:
Erstellen Sie in Cloud Composer 1 eine neue Cloud Composer-Umgebung mit
einen größeren Maschinentyp als die aktuelle Maschine.
Typ.
Prüfen Sie die Logs von airflow-worker-Pods auf mögliche Ursachen für die Bereinigung. Weitere Informationen zum Abrufen von Logs aus einzelnen Pods finden Sie unter Probleme mit bereitgestellten Arbeitslasten beheben.
Achten Sie darauf, dass die Aufgaben im DAG idempotent und abrufbar sind.
Laden Sie keine unnötigen Dateien in das lokale Dateisystem von Airflow-Workern herunter.
Airflow-Worker haben eine begrenzte Kapazität des lokalen Dateisystems. Beispiel:
Cloud Composer 2, ein Worker kann 1 GB bis 10 GB Speicherplatz haben. Wenn der Parameter
nicht genügend Speicherplatz vorhanden ist, wird der Airflow-Worker-Pod
GKE-Steuerungsebene. Dadurch schlägt alle bereinigten Aufgaben fehl
ausgeführt wurde.
Beispiele für problematische Vorgänge:
Dateien oder Objekte herunterladen und lokal in einem Airflow speichern
Worker. Speichern Sie diese Objekte stattdessen direkt in einem geeigneten Dienst wie einem Cloud Storage-Bucket.
Zugriff auf große Objekte im Ordner /data über einen Airflow-Worker
Der Airflow-Worker lädt das Objekt in sein lokales Dateisystem herunter. Implementieren Sie stattdessen Ihre DAGs, damit große Dateien außerhalb des Airflow-Worker-Pods verarbeitet werden.
Zeitüberschreitung beim Laden des DAG
Symptom:
Auf der Airflow-Weboberfläche wird oben auf der Seite mit der Liste der DAGs eine rote Warnung angezeigt.
Feld zeigt Broken DAG: [/path/to/dagfile] Timeout.
In Cloud Monitoring: Die airflow-scheduler-Logs enthalten Einträge
ähnlich wie:
ERROR - Process timed out
ERROR - Failed to import: /path/to/dagfile
AirflowTaskTimeout: Timeout
Lösung:
dag_file_processor_timeout-Airflow überschreiben
Konfigurationsoption und lassen Sie mehr Zeit für das DAG-Parsing:
Bereich
Schlüssel
Wert
core
dag_file_processor_timeout
Neuer Wert für die Zeitüberschreitung
DAG-Ausführung endet nicht innerhalb der erwarteten Zeit
Symptom:
Manchmal endet eine DAG-Ausführung nicht, weil Airflow-Aufgaben hängen bleiben und DAG ausgeführt werden
länger dauert als erwartet. Unter normalen Bedingungen bleiben
im Status „Warteschlange“ oder „Wird ausgeführt“ unbegrenzt, da Airflow
Bereinigungsverfahren, die dazu beitragen,
diese Situation zu vermeiden.
Lösung:
Verwenden Sie den Parameter dagrun_timeout für die DAGs. Beispiel:
dagrun_timeout=timedelta(minutes=120). Daher muss jede DAG-Ausführung
die innerhalb des Zeitlimits für die DAG-Ausführung abgeschlossen wurden und nicht abgeschlossene Aufgaben
als Failed oder Upstream Failed. Weitere Informationen zu Airflow-Aufgabenstatus finden Sie in der Apache Airflow-Dokumentation.
Mit dem Parameter task execution timeout (Zeitüberschreitung für die Aufgabenausführung) können Sie ein Standardzeitlimit für Aufgaben definieren, die auf Apache Airflow-Operatoren basieren.
Nicht ausgeführte DAG-Ausführungen
Symptom:
Wenn ein Planungsdatum für einen DAG dynamisch festgelegt wird, kann dies zu verschiedenen unerwarteten Nebenwirkungen führen. Beispiel:
Eine DAG-Ausführung liegt immer in der Zukunft und die DAG wird nie ausgeführt.
Vergangene DAG-Ausführungen werden als ausgeführt und erfolgreich markiert, obwohl sie nicht ausgeführt wurden.
Legen Sie den statischen start_date für DAGs fest. Alternativ können Sie mit catchup=False die Ausführung des DAG für vergangene Datumsangaben deaktivieren.
Verwenden Sie datetime.now() oder days_ago(<number of days>) nur, wenn
sich der Nebenwirkungen dieses Ansatzes bewusst.
Erhöhter Netzwerktraffic zur und von der Airflow-Datenbank
Die Menge des Netzwerk-Traffics zwischen dem GKE-Cluster Ihrer Umgebung und der Airflow-Datenbank hängt von der Anzahl der DAGs, der Anzahl der Aufgaben in DAGs und der Art des Zugriffs der DAGs auf Daten in der Airflow-Datenbank ab. Folgende Faktoren können sich auf die Netzwerknutzung auswirken:
Abfragen an die Airflow-Datenbank Wenn Ihre DAGs viele Abfragen ausführen, generieren sie große Mengen an Traffic. Beispiele: Status prüfen, bevor andere Aufgaben ausgeführt werden, XCom-Tabelle abfragen und Inhalt der Airflow-Datenbank auslesen.
Große Anzahl von Aufgaben Je mehr Aufgaben geplant sind, desto mehr Netzwerktraffic wird generiert. Dieser Aspekt gilt sowohl für die Gesamtzahl der Aufgaben in Ihren DAGs als auch für die Planungshäufigkeit. Wenn der Airflow-Planer DAG-Ausführungen plant, sendet er Abfragen an die Airflow-Datenbank und generiert Traffic.
Die Airflow-Weboberfläche generiert Netzwerkverkehr, da sie Abfragen an die Airflow-Datenbank sendet. Die intensive Verwendung von Seiten mit Grafiken, Aufgaben und Diagrammen kann große Mengen an Netzwerkverkehr generieren.
DAG führt zum Absturz des Airflow-Webservers oder verursacht einen 502 gateway timeout-Fehler
Webserverausfälle können aus verschiedenen Gründen auftreten. Prüfen Sie die airflow-webserver-Logs in Cloud Logging, um die Ursache des Fehlers 502 gateway timeout zu ermitteln.
Komplexe Berechnungen
Dieser Abschnitt gilt nur für Cloud Composer 1.
Führen Sie keine komplexen Berechnungen während der DAG-Analyse durch.
Im Gegensatz zu den Worker- und Planerknoten, deren Maschinentypen
größere CPU- und Arbeitsspeicherkapazität haben, verwendet der Webserver einen festen Maschinentyp,
was zu Fehlern beim DAG-Parsing führen kann, wenn die
sehr schwer.
Beachten Sie, dass der Webserver 2 vCPUs und 2 GB Arbeitsspeicher hat.
Der Standardwert für core-dagbag_import_timeout beträgt 30 Sekunden. Dieser Zeitlimitwert ist die Obergrenze für den Zeitraum, den Airflow für das Laden eines Python-Moduls in den Ordner dags/ benötigt.
Falsche Berechtigungen
Dieser Abschnitt gilt nur für Cloud Composer 1.
Der Webserver wird nicht unter demselben Dienstkonto ausgeführt wie die Worker und der Planer. Worker und der Planer können somit gegebenenfalls auf vom Nutzer verwaltete Ressourcen zugreifen, auf die der Webserver keinen Zugriff hat.
Vermeiden Sie den Zugriff auf nicht öffentliche Ressourcen während der DAG-Analyse. Sollte dies nicht möglich sein, müssen Sie dem Dienstkonto des Webservers Berechtigungen erteilen. Der Name des Dienstkontos wird von der Webserverdomain abgeleitet. Lautet die Domain beispielsweise example-tp.appspot.com, hat das Dienstkonto die Bezeichnung example-tp@appspot.gserviceaccount.com.
DAG-Fehler
Dieser Abschnitt gilt nur für Cloud Composer 1.
Der Webserver wird in App Engine ausgeführt und ist vom GKE-Cluster Ihrer Umgebung getrennt. Der Webserver parst die DAG-Definitionsdateien. Wenn dabei Fehler im DAG auftreten, kann es zum 502 gateway timeout kommen. Airflow funktioniert auch ohne funktionierenden Webserver, solange der problematische DAG keine in GKE ausgeführten Prozesse zum Absturz bringt.
In diesem Fall können Sie mit gcloud composer environments run abrufen,
Details aus Ihrer Umgebung und als Behelfslösung, falls der Webserver
nicht verfügbar.
In anderen Fällen können Sie die DAG-Analyse in GKE ausführen und nach DAGs suchen, die schwerwiegende Python-Ausnahmen oder eine Zeitüberschreitung auslösen (Standardeinstellung: 30 Sekunden).
Stellen Sie zur Fehlerbehebung eine Verbindung zu einer Remote-Shell in einem Airflow-Worker-Container her und testen Sie, ob Syntaxfehler vorliegen. Weitere Informationen finden Sie unter DAGs testen.
Eine große Anzahl von DAGs und Plug-ins in dags- und Plug-in-Ordnern verarbeiten
Der Inhalt der Ordner /dags und /plugins wird aus dem Bucket Ihrer Umgebung mit den lokalen Dateisystemen von Airflow-Workern und -Planern synchronisiert.
Je mehr Daten in diesen Ordnern gespeichert sind, desto länger dauert die Synchronisierung. So gehen Sie in solchen Fällen vor:
Begrenzen Sie die Anzahl der Dateien in den Ordnern /dags und /plugins. Speichern Sie nur die minimal erforderlichen Dateien.
Erhöhen Sie nach Möglichkeit den Speicherplatz für Airflow-Planer und
Arbeiter.
Erhöhen Sie nach Möglichkeit CPU und Arbeitsspeicher von Airflow-Planern und -Workern, damit
dass die Synchronisierung schneller durchgeführt wird.
Bei einer sehr großen Anzahl von DAGs können Sie DAGs in Batches aufteilen,
in ZIP-Archiven und im Ordner /dags bereitstellen.
Dadurch wird die Synchronisierung der DAGs beschleunigt. Airflow-Komponenten entpacken ZIP-Archive, bevor DAGs verarbeitet werden.
Das programmatische Generieren von DAGs kann auch eine Methode sein, um die Anzahl der im Ordner /dags gespeicherten DAG-Dateien zu begrenzen.
Im Abschnitt zu programmatischen DAGs finden Sie Informationen dazu, wie Sie Probleme beim Planen und Ausführen programmatisch generierter DAGs vermeiden.
Programmisch generierte DAGs nicht zur selben Zeit planen
Das programmgesteuerte Generieren von DAG-Objekten aus einer DAG-Datei ist eine effiziente Methode, um viele ähnliche DAGs mit nur kleinen Unterschieden zu erstellen.
Es ist wichtig, nicht alle diese DAGs sofort zur Ausführung zu planen. Es besteht eine hohe Wahrscheinlichkeit, dass die Airflow-Worker nicht genügend CPU- und Arbeitsspeicherressourcen haben, um alle gleichzeitig geplanten Aufgaben auszuführen.
So vermeiden Sie Probleme bei der Planung programmatischer DAGs:
Erhöhen Sie die Nebenläufigkeit der Worker und skalieren Sie Ihre Umgebung, damit mehr Aufgaben gleichzeitig ausgeführt werden können.
DAGs so generieren, dass die Zeitpläne gleichmäßig über einen bestimmten Zeitraum verteilt werden,
müssen Sie nicht Hunderte von Aufgaben gleichzeitig planen, damit die Airflow-Worker
alle geplanten Aufgaben ausführen können.
Die Lost connection to Postgres server during query-Ausnahme wird während der Ausführung der Aufgabe oder unmittelbar danach ausgelöst.
Lost connection to Postgres server during query-Ausnahmen treten häufig auf, wenn folgende Bedingungen erfüllt sind:
Ihr DAG verwendet PythonOperator oder einen benutzerdefinierten Operator.
Ihr DAG stellt Abfragen an die Airflow-Datenbank.
Wenn mehrere Abfragen von einer aufrufbaren Funktion gesendet werden, verweisen Tracebacks möglicherweise fälschlicherweise auf die Zeile self.refresh_from_db(lock_for_update=True) im Airflow-Code. Sie ist die erste Datenbankabfrage nach der Aufgabenausführung. Die tatsächliche Ursache der Ausnahme tritt davor auf, wenn eine SQLAlchemy-Sitzung nicht ordnungsgemäß geschlossen wird.
SQLAlchemy-Sitzungen sind auf einen Thread beschränkt und werden in einer aufrufbaren Funktionssitzung erstellt, die später innerhalb des Airflow-Codes fortgesetzt werden kann. Wenn es signifikante
Verzögerungen zwischen Abfragen innerhalb einer Sitzung auftreten, ist die Verbindung möglicherweise bereits
durch den Postgres-Server geschlossen. Das Zeitlimit für die Verbindung in Cloud Composer-Umgebungen ist auf etwa zehn Minuten festgelegt.
Lösung:
Verwenden Sie den Decorator airflow.utils.db.provide_session. Dieser Decorator stellt eine gültige Sitzung für die Airflow-Datenbank im session-Parameter bereit und schließt die Sitzung am Ende der Funktion ordnungsgemäß.
Verwenden Sie keine einzelne Funktion mit langer Ausführungszeit. Verschieben Sie stattdessen alle Datenbankabfragen in separate Funktionen, sodass es mehrere Funktionen mit dem Decorator airflow.utils.db.provide_session gibt. In diesem Fall werden Sitzungen nach dem Abrufen von Abfrageergebnissen automatisch geschlossen.
Ausführungszeit von DAGs, Aufgaben und parallelen Ausführungen desselben DAG steuern
Wenn Sie steuern möchten, wie lange eine einzelne DAG-Ausführung für einen bestimmten DAG dauert, können Sie dazu den DAG-Parameter dagrun_timeout verwenden. Wenn Sie beispielsweise davon ausgehen, dass eine einzelne DAG-Ausführung (unabhängig davon, ob die Ausführung erfolgreich oder fehlgeschlagen ist) nicht länger als eine Stunde dauern darf, legen Sie diesen Parameter auf 3.600 Sekunden fest.
Sie können auch festlegen, wie lange eine einzelne Airflow-Aufgabe dauern darf. Dazu können Sie execution_timeout verwenden.
Wenn Sie steuern möchten, wie viele aktive DAG-Ausführungen
bestimmten DAG verwenden, können Sie den [core]max-active-runs-per-dagAirflow-Konfigurationsoption dazu.
Wenn zu einem bestimmten Zeitpunkt nur eine einzige Instanz eines DAG ausgeführt werden soll, legen Sie den Parameter max-active-runs-per-dag auf 1 fest.
Probleme bei der Synchronisierung von DAGs und Plug-ins mit Planern, Workern und Webservern
Cloud Composer synchronisiert den Inhalt der Ordner /dags und /plugins
für Planer und Worker. Bestimmte Objekte in den Ordnern „/dags“ und „/plugins“
kann diese Synchronisierung verhindern, dass sie richtig funktioniert, oder sie zumindest verlangsamen.
Der Ordner /dags wird mit den Planern und Workern synchronisiert. Dieser Ordner wird nicht mit Webservern in Cloud Composer 2 synchronisiert. Wenn Sie DAG Serialization in Cloud Composer 1 aktivieren, gilt das Gleiche.
Der Ordner „/plugins“ wird mit Planern, Workern und Webservern synchronisiert.
Die folgenden Probleme können auftreten:
Sie haben mit GZIP komprimierte Dateien hochgeladen, die
Komprimierungstranscodierung in /dags und /plugins
Ordner. Dies geschieht normalerweise, wenn Sie das Flag --gzip-local-all in einer
Befehl gcloud storage cp, um Daten in den Bucket hochzuladen.
Lösung: Lösche das Objekt, für das die Komprimierungstranscodierung verwendet wurde, und lade es noch einmal in den Bucket hoch.
Eines der Objekte hat den Namen „.“, das heißt, ein Objekt wird nicht mit
Planungs- und Worker-Instanzen
und beendet möglicherweise die Synchronisierung.
Lösung: Benennen Sie das problematische Objekt um.
Ein Ordner und eine Python-Datei in DAG haben denselben Namen, z. B. a.py.
In diesem Fall wird die DAG-Datei nicht richtig mit den Airflow-Komponenten synchronisiert.
Lösung: Entfernen Sie den Ordner, der denselben Namen wie eine DAG-Python-Datei hat.
Eines der Objekte in den Ordnern /dags oder /plugins enthält am Ende des Objektnamens das Symbol /. Solche Objekte können den Synchronisierungsprozess in die Irre führen.
da das Symbol / bedeutet, dass ein Objekt ein Ordner und keine Datei ist.
Lösung: Entfernen Sie das Symbol / aus dem Namen des problematischen Objekts.
Speichern Sie keine unnötigen Dateien in den Ordnern /dags und /plugins.
Manchmal werden von Ihnen implementierte DAGs und Plug-ins
z. B. Dateien, in denen Tests für diese Komponenten gespeichert sind. Diese Dateien werden mit Workern und Planern synchronisiert und beeinflussen die Zeit, die zum Kopieren dieser Dateien auf Planer, Worker und Webserver benötigt wird.
Lösung: Speichern Sie keine zusätzlichen und nicht erforderlichen Dateien in den Ordnern /dags und /plugins.
Done [Errno 21] Is a directory: '/home/airflow/gcs/dags/...' Fehler wird von Planern und Workern generiert
Dieses Problem tritt auf, weil Objekte in Cloud Storage einen sich überschneidenden Namespace haben können, während Scheduler und Worker gleichzeitig traditionelle Dateisysteme verwenden. Zum Beispiel ist es möglich,
um einen Ordner und ein Objekt mit demselben Namen zum
Bucket. Wenn der Bucket mit den Planern und Workern der Umgebung synchronisiert wird, wird dieser Fehler generiert, was zu Aufgabenausfällen führen kann.
Um dieses Problem zu beheben, achten Sie darauf, dass sich im
im Bucket der Umgebung. Wenn beispielsweise sowohl /dags/misc (eine Datei) als auch
/dags/misc/example_file.txt (eine andere Datei) befinden sich in einem Bucket, wird folgender Fehler ausgegeben:
die vom Planer generiert wurden.
Vorübergehende Unterbrechungen beim Herstellen einer Verbindung zur Airflow-Metadatendatenbank
Cloud Composer wird auf einer verteilten Cloud-Infrastruktur ausgeführt.
Das bedeutet, dass gelegentlich vorübergehende Probleme auftreten können, die die Ausführung Ihrer Airflow-Aufgaben unterbrechen.
In solchen Fällen werden möglicherweise die folgenden Fehlermeldungen im Protokolle:
"Can't connect to Postgres server on 'airflow-sqlproxy-service.default.svc.cluster.local' (111)"
oder
"Can't connect to Postgres server on 'airflow-sqlproxy-service.default.svc.cluster.local' (104)"
Solche vorübergehenden Probleme können auch durch Wartungsvorgänge verursacht werden.
die für Ihre Cloud Composer-Umgebungen durchgeführt wurden.
Normalerweise treten solche Fehler zeitweise auf und wenn Ihre Airflow-Aufgaben idempotent sind
und Sie Wiederholungsversuche konfiguriert haben, sollten Sie dagegen immun sein. Sie können auch Wartungsfenster definieren.
Ein weiterer Grund für solche Fehler kann der Mangel an Ressourcen im Cluster Ihrer Umgebung sein. In solchen Fällen können Sie Ihre Kampagnen
wie in den
Skalierungsumgebungen oder
Anleitung zur Optimierung der Umgebung
Eine DAG-Ausführung ist als erfolgreich markiert, enthält aber keine ausgeführten Aufgaben
Wenn das execution_date eines DAG-Laufs vor dem start_date des DAG liegt, sehen Sie möglicherweise DAG-Ausführungen, die keine Aufgabenausführungen haben, aber trotzdem als erfolgreich gekennzeichnet sind.
Abbildung 3. Eine erfolgreiche DAG-Ausführung ohne ausgeführte Aufgaben (zum Vergrößern klicken)
Ursache
Das kann in den folgenden Fällen passieren:
Eine Abweichung wird durch Zeitzonenunterschiede zwischen den
execution_date und start_date. Das kann zum Beispiel passieren,
mit pendulum.parse(...), um start_date festzulegen.
Der start_date des DAG ist auf einen dynamischen Wert festgelegt, z. B.
airflow.utils.dates.days_ago(1)
Lösung
Achten Sie darauf, dass execution_date und start_date dieselbe Zeitzone verwenden.
Geben Sie einen statischen start_date an und kombinieren Sie ihn mit catchup=False, um zu vermeiden,
Ausführen von DAGs mit vergangenen Startdaten
Ein DAG ist in der Airflow-Benutzeroberfläche oder in der DAG-Benutzeroberfläche nicht sichtbar und wird vom Planer nicht geplant.
Der DAG-Prozessor parst jeden DAG, bevor er vom Planer geplant werden kann und bevor er in der Airflow-UI oder DAG-UI sichtbar wird.
Mit den folgenden Airflow-Konfigurationsoptionen werden Zeitüberschreitungen für das Parsen von DAGs definiert:
Wenn ein DAG in der Airflow- oder DAG-UI nicht sichtbar ist:
Prüfen Sie die DAG-Prozessorlogs, ob der DAG-Prozessor in der Lage ist,
Ihren DAG. Bei Problemen werden in den DAG-Prozessor- oder Scheduler-Logs möglicherweise die folgenden Logeinträge angezeigt:
[2020-12-03 03:06:45,672] {dag_processing.py:1334} ERROR - Processor for
/usr/local/airflow/dags/example_dag.py with PID 21903 started at
2020-12-03T03:05:55.442709+00:00 has timed out, killing it.
Prüfen Sie die Scheduler-Logs, um festzustellen, ob der Scheduler ordnungsgemäß funktioniert. Im Fall von
werden möglicherweise die folgenden Logeinträge in den Planerlogs angezeigt:
DagFileProcessorManager (PID=732) last sent a heartbeat 240.09 seconds ago! Restarting it
Process timed out, PID: 68496
Lösungen:
Beheben Sie alle Fehler beim DAG-Parsing. Der DAG-Prozessor parst mehrere DAGs und
in seltenen Fällen kann das Parsen von DAG-Fehlern
anderen DAGs.
Wenn das Parsen Ihres DAG länger als die in [core]dagrun_import_timeout angegebene Anzahl von Sekunden dauert, erhöhen Sie dieses Zeitlimit.
Wenn das Parsen aller DAGs länger als die in [core]dag_file_processor_timeout angegebene Anzahl von Sekunden dauert, erhöhen Sie diese Zeitüberschreitung.
Wenn das Parsen des DAG lange dauert, kann dies auch bedeuten,
optimal implementiert werden. Das ist beispielsweise der Fall, wenn viele Umgebungsvariablen gelesen oder externe Dienste oder die Airflow-Datenbank aufgerufen werden. Vermeiden Sie möglichst solche Vorgänge in globalen Abschnitten von DAGs.
Erhöhen Sie die CPU- und Arbeitsspeicherressourcen für den Scheduler, damit er schneller arbeiten kann.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Hard to understand","hardToUnderstand","thumb-down"],["Incorrect information or sample code","incorrectInformationOrSampleCode","thumb-down"],["Missing the information/samples I need","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2024-10-24 (UTC)."],[],[]]
