Risoluzione dei problemi dell'attivatore Airflow

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Questa pagina fornisce procedure e informazioni per la risoluzione dei problemi problemi con l'attivatore Airflow.

Operazioni di blocco nel trigger

A volte le attività asincrone potrebbero bloccarsi negli attivatori. Nella maggior parte dei casi, i problemi provengono da risorse trigger insufficienti o problemi con il codice operatore asincrono personalizzato.

I log dell'attivatore mostrano eventuali messaggi di avviso che possono aiutarti a identificare le cause principali del calo delle prestazioni dell'attivatore. Esistono due avvisi importanti da tenere d'occhio.

  1. Thread asincrono bloccato

    Triggerer's async thread was blocked for 1.2 seconds, likely due to the highly utilized environment.

    Questo avviso segnala problemi di rendimento dovuti a un volume elevato di attività asincrone.

    Soluzione: per risolvere il problema, alloca più risorse agli attivatori, riduci il numero di attività differite eseguite contemporaneamente o aumenta il numero di attivatori nel tuo ambiente. Tieni presente che, anche se gli attivatori gestiscono le attività differibili, sono i lavoratori a essere responsabili dell'avvio e del completamento di ogni attività. Se stai modificando il numero di triggerer, ti consigliamo di adattare il numero di istanze worker.

  2. Un'attività specifica ha bloccato il thread asincrono.

    WARNING - Executing <Task finished coro=<TriggerRunner.run_trigger() done, defined at /opt/***/***/jobs/my-custom-code.py:609> result=None> took 0.401 second

    Questo avviso indica un frammento specifico di codice dell'operatore eseguito da Cloud Composer. Per impostazione predefinita, i trigger devono basarsi sulla libreria asyncio per operazioni in background. Un'implementazione personalizzata di un trigger può non ottemperare correttamente ai contratti di asyncio (ad esempio a causa di errori utilizzo delle parole chiave await e async nel codice Python).

    Soluzione: controlla il codice segnalato nell'avviso e controlla se il l'operazione asincrona sia implementata correttamente.

Troppi trigger

Il numero di attività differite è visibile nella metrica task_count, che viene visualizzata anche nella dashboard Monitoraggio del tuo ambiente. Ogni trigger alcune risorse, come le connessioni a risorse esterne, che consumano la memoria.

Attività differite visualizzate nella dashboard di Monitoring
Figura 1. Attività differite visualizzate nella dashboard Monitoraggio (fai clic per ingrandire)

I grafici del consumo di memoria e CPU indicano che risorse insufficienti causano si riavvia perché il probe di attività ha esito negativo a causa di heartbeat mancanti:

Il triggerer si riavvia a causa di risorse insufficienti
Figura 2. Il triggerer si riavvia a causa di risorse insufficienti (fai clic per ingrandire)

Soluzione: per risolvere il problema, allocare più risorse agli attivatori, ridurre il numero di attività differite eseguite contemporaneamente o aumenta il numero di triggerer nel tuo ambiente.

Arresto anomalo di un worker Airflow durante l'esecuzione del callback

Dopo che il trigger termina l'esecuzione, il controllo torna a un flusso Airflow , che esegue un metodo di callback utilizzando uno slot di esecuzione. Questa fase è controllata dall'Executor di Celery e pertanto vengono applicati i limiti di configurazione e delle risorse corrispondenti (ad esempio parallelism o worker_concurrency).

Se il metodo di callback non va a buon fine nel worker Airflow, il worker non va a buon fine o il worker che esegue il metodo si riavvia, l'attività viene contrassegnata come FAILED. Nella In questo caso, l'operazione di ripetizione esegue nuovamente l'intera attività, non solo di callback di Google.

Ciclo infinito in un trigger

È possibile implementare un operatore di trigger personalizzato in modo che blocca completamente il loop dell'attivatore principale, in modo che solo il trigger rotto sia eseguiti in quel momento. In questo caso, un avviso viene generato nei log dell'attivatore al termine dell'attivatore problematico.

Classe trigger non trovata

Poiché la cartella dei DAG non è sincronizzata con l'attivatore Airflow, il codice dell'attivatore incorporato non è presente quando l'attivatore viene eseguito. L'errore è generate nei log dell'attività non riuscita:

ImportError: Module "PACKAGE_NAME" does not define a "CLASS_NAME" attribute/
class

Soluzione: importa il codice mancante da PyPI.

Messaggio di avviso sull'attivatore nella UI di Airflow

In alcuni casi, dopo la disattivazione dell'attivatore, potresti visualizzare il seguente messaggio di avviso nell'interfaccia utente di Airflow:

The triggerer does not appear to be running. Last heartbeat was received
4 hours ago. Triggers will not run, and any deferred operator will remain
deferred until it times out or fails.

Airflow può mostrare questo messaggio perché i trigger incompleti rimangono in Airflow per configurare un database. Questo messaggio indica solitamente che l'attivatore è stato disabilitato prima di tutti sono stati completati nel tuo ambiente.

Puoi visualizzare tutti i trigger in esecuzione nell'ambiente controllando il Sfoglia &gt; pagina Trigger nella UI di Airflow (il ruolo Admin è obbligatorio).

Soluzioni:

Le attività rimangono in stato differito dopo la disattivazione dell'attivatore

Quando l'attivatore è disattivato, le attività già nello stato differito rimangono in questo stato fino al raggiungimento del timeout. Questo timeout può essere infinito, a seconda della configurazione di Airflow e DAG.

Utilizza una delle seguenti soluzioni:

  • Contrassegna manualmente le attività come non riuscite.
  • Consenti all'attivatore di completare le attività.

Ti consigliamo di disattivare l'attivatore solo se il tuo ambiente non esegue operatori o attività differiti e tutte le attività differite sono completate.

Passaggi successivi