Cloud Composer 1 | Cloud Composer 2
En esta página, se explica cómo habilitar la compatibilidad con operadores diferibles en tu entorno y usar operadores diferibles de Google Cloud en tus DAG.
Acerca de los operadores diferibles en Cloud Composer
Si tienes al menos una instancia de activador (o al menos dos en entornos altamente resilientes), puedes usar operadores y activadores diferibles en tus DAG.
Para los operadores diferibles, Airflow divide la ejecución de las tareas en las siguientes etapas:
Inicia la operación. En esta etapa, la tarea ocupa una ranura de trabajador de Airflow. La tarea realiza una operación que delega el trabajo a un servicio diferente.
Por ejemplo, la ejecución de un trabajo de BigQuery puede tardar desde unos segundos hasta varias horas. Después de crear el trabajo, la operación pasa el identificador de trabajo (ID de trabajo de BigQuery) a un activador de Airflow.
El activador supervisa el trabajo hasta que finaliza. En esta etapa, no se ocupa una ranura de trabajador. El activador de Airflow tiene una arquitectura asíncrona y es capaz de controlar cientos de esos trabajos. Cuando el activador detecta que el trabajo finalizó, envía un evento que activa la última etapa.
En la última etapa, un trabajador de Airflow ejecuta una devolución de llamada. Por ejemplo, esta devolución de llamada puede marcar la tarea como completada o ejecutar otra operación y configurar el trabajo para que el activador lo supervise nuevamente.
El activador no tiene estado y, por lo tanto, es resistente a las interrupciones o los reinicios. Debido a esto, los trabajos de larga duración son resistentes a los reinicios de Pods, a menos que el reinicio ocurra durante la última etapa, que se espera que sea corta.
Antes de comenzar
- Los operadores y sensores diferibles están disponibles en los entornos de Cloud Composer 2 y requieren lo siguiente:
- Cloud Composer 2.0.31 y versiones posteriores
- Airflow 2.2.5, 2.3.3 y versiones posteriores
Habilita la compatibilidad con operadores diferibles
Un componente de entorno llamado activador de Airflow supervisa de forma asíncrona todas las tareas diferidas en tu entorno. Después de que se completa una operación diferida de esa tarea, el activador pasa la tarea a un trabajador de Airflow.
Necesitas al menos una instancia de activador en tu entorno (o al menos dos en entornos de alta resiliencia) para usar el modo diferible en tus DAG. Puedes configurar los activadores cuando creas un entorno o ajustar la cantidad de activadores y los parámetros de rendimiento de un entorno existente.
Operadores de Google Cloud que admiten el modo diferible
Solo algunos operadores de Airflow se ampliaron para admitir el modelo diferible.
La siguiente lista es una referencia para los operadores en el paquete airflow.providers.google.operators.cloud
que admiten el modo diferible.
La columna con la versión mínima requerida del paquete airflow.providers.google.operators.cloud
representa la primera versión del paquete en la que ese operador admite el modo diferible.
Operadores de Cloud Composer
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
CloudComposerCreateEnvironmentOperator | 6.4.0 |
CloudComposerDeleteEnvironmentOperator | 6.4.0 |
CloudComposerUpdateEnvironmentOperator | 6.4.0 |
Operadores de BigQuery
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
BigQueryCheckOperator | 8.4.0 |
BigQueryValueCheckOperator | 8.4.0 |
BigQueryIntervalCheckOperator | 8.4.0 |
BigQueryGetDataOperator | 8.4.0 |
BigQueryInsertJobOperator | 8.4.0 |
Operadores del Servicio de transferencia de datos de BigQuery
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
BigQueryDataTransferServiceStartTransferRunsOperator | 8.9.0 |
Operadores de Cloud Build
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
CloudBuildCreateBuildOperator | 8.7.0 |
Operadores de Cloud SQL
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
CloudSQLExportInstanceOperator | 10.3.0 |
Operadores de Dataflow
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
DataflowTemplatedJobStartOperator | 8.9.0 |
DataflowStartFlexTemplateOperator | 8.9.0 |
Operadores de Cloud Data Fusion
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
CloudDataFusionStartPipelineOperator | 8.9.0 |
Operadores de Dataproc
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
DataprocCreateClusterOperator | 8.9.0 |
DataprocDeleteClusterOperator | 8.9.0 |
DataprocJobBaseOperator | 8.4.0 |
DataprocInstantiateWorkflowTemplateOperator | 9.0.0 |
DataprocInstantiateInlineWorkflowTemplateOperator | 10.1.0 |
DataprocSubmitJobOperator | 8.4.0 |
DataprocUpdateClusterOperator | 8.9.0 |
DataprocCreateBatchOperator | 8.9.0 |
Operadores de Google Kubernetes Engine
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
GKEDeleteClusterOperator | 9.0.0 |
GKECreateClusterOperator | 9.0.0 |
Operadores de AI Platform
Nombre del operador | Versión apache-airflow-providers-google requerida |
---|---|
MLEngineStartTrainingJobOperator | 8.9.0 |
Usa operadores diferibles en tus DAG
Una convención común para todos los operadores de Google Cloud es habilitar el modo diferible con el parámetro booleano deferrable
. Si un operador de Google Cloud no tiene este parámetro, no se puede ejecutar en modo diferible. Otros operadores pueden tener una convención diferente. Por ejemplo, algunos operadores de la comunidad tienen una clase separada con el sufijo Async
en el nombre.
En el siguiente DAG de ejemplo, se usa el operador DataprocSubmitJobOperator
en el modo diferible:
PYSPARK_JOB = {
"reference": { "project_id": "PROJECT_ID" },
"placement": { "cluster_name": "PYSPARK_CLUSTER_NAME" },
"pyspark_job": {
"main_python_file_uri": "gs://dataproc-examples/pyspark/hello-world/hello-world.py"
},
}
DataprocSubmitJobOperator(
task_id="dataproc-deferrable-example",
job=PYSPARK_JOB,
deferrable=True,
)
Ver registros del activador
El activador genera registros que están disponibles junto con registros de otros componentes del entorno. Para obtener más información sobre cómo ver los registros de tu entorno, consulta Visualiza los registros.
Supervisa el activador
Para obtener más información sobre la supervisión del componente del activador, consulta Métricas de Airflow.
Además de supervisar el activador, puedes verificar la cantidad de tareas diferidas en las métricas Tarea sin terminar en el panel de Monitoring de tu entorno.
¿Qué sigue?
- Solución de problemas del activador de Airflow
- Métricas del activador de Airflow
- Registros del activador de Airflow