Usa operadores diferibles en tus DAG

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

En esta página, se explica cómo habilitar la compatibilidad con los operadores diferibles en tu y usar operadores diferibles de Google Cloud en tus DAG.

Acerca de los operadores diferidos en Cloud Composer

Si tienes al menos una instancia de activador (o al menos dos resilientes), puedes usar Operadores y activadores diferibles en tus DAG.

En el caso de los operadores aplazables, Airflow divide la ejecución de tareas en las siguientes etapas:

  1. Inicia la operación. En esta etapa, la tarea ocupa un trabajador de Airflow ranura. La tarea realiza una operación que delega el trabajo a un un servicio diferente.

    Por ejemplo, ejecutar un trabajo de BigQuery puede tardar segundos a varias horas. Después de crear el trabajo, la operación pasa el identificador de trabajo (ID de trabajo de BigQuery) a un Activador de Airflow.

  2. El activador supervisa el trabajo hasta que finaliza. En esta etapa, no se ocupa un espacio de trabajador. El activador de Airflow tiene una interfaz y es capaz de manejar cientos de trabajos de este tipo. Cuando El activador detecta que el trabajo finalizó y envía un evento que se activa la última etapa.

  3. En la última etapa, un trabajador de Airflow ejecuta una devolución de llamada. Por ejemplo, esta devolución de llamada puede marcar la tarea como correcta, 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 interrupciones o reinicios. Debido a esto, los trabajos de larga duración son resilientes a los reinicios de Pods a menos que el reinicio ocurra durante la última etapa, que es corta.

Antes de comenzar

  • Los operadores y sensores diferidos 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 diferidos

Un componente del entorno llamado activador de Airflow supervisa de manera asincrónica todas las tareas diferidas de tu entorno. Después de que se completa una operación diferida de una tarea de este tipo, el activador pasa la tarea a un trabajador de Airflow.

Necesitas al menos una instancia del activador en tu entorno (o al menos dos en entornos altamente resilientes) para usar el modo diferido 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 se extendieron algunos operadores de Airflow para admitir el modelo aplazable. La siguiente lista es una referencia para los operadores del Paquete airflow.providers.google.operators.cloud compatibles con 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 operadorVersión de apache-airflow-providers-google requerida
CloudComposerCreateEnvironmentOperator 6.4.0
CloudComposerDeleteEnvironmentOperator 6.4.0
CloudComposerUpdateEnvironmentOperator 6.4.0

Operadores de BigQuery

Nombre del operadorVersión de 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 operadorVersión de apache-airflow-providers-google requerida
BigQueryDataTransferServiceStartTransferRunsOperator 8.9.0

Operadores de Cloud Build

Nombre del operadorVersión de apache-airflow-providers-google requerida
CloudBuildCreateBuildOperator 8.7.0

Operadores de Cloud SQL

Nombre del operadorVersión de apache-airflow-providers-google requerida
CloudSQLExportInstanceOperator 10.3.0

Operadores de Dataflow

Nombre del operadorVersión de apache-airflow-providers-google requerida
DataflowTemplatedJobStartOperator 8.9.0
DataflowStartFlexTemplateOperator 8.9.0

Operadores de Cloud Data Fusion

Nombre del operadorVersión de apache-airflow-providers-google requerida
CloudDataFusionStartPipelineOperator 8.9.0

Operadores de Google Kubernetes Engine

Nombre del operadorVersión de apache-airflow-providers-google requerida
GKEDeleteClusterOperator 9.0.0
GKECreateClusterOperator 9.0.0

Operadores de AI Platform

Nombre del operadorVersión de 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 aplazable con el parámetro booleano deferrable. Si Google Cloud no tiene este parámetro, por lo que no se puede ejecutar en la función . Otros operadores pueden tener una convención diferente. Por ejemplo, algunos operadores de la comunidad tienen una clase independiente con el sufijo Async en el nombre.

En el siguiente ejemplo de DAG, se usa el operador DataprocSubmitJobOperator en el modo diferido:

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,
    )

Cómo ver los registros del activador

El activador genera registros que están disponibles junto con los 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 activador, consulta Métricas de Airflow.

Además de supervisar el activador, puedes verificar la cantidad de tareas diferidas en las métricas de Tarea sin terminar en el panel de supervisión de tu entorno.

¿Qué sigue?