存储在 Cloud Storage 中的数据

Cloud Composer 1 |Cloud Composer 2 |Cloud Composer 3

本页面介绍 Cloud Composer 会为您的环境存储哪些数据 Cloud Storage

当您创建环境时,Cloud Composer 会创建一个 Cloud Storage 存储分区,并将该存储分区关联至您的环境。存储桶的名称取决于环境所在的区域、环境名称和一个随机 ID,例如 us-central1-b1-6efabcde-bucket

Cloud Composer 会在 与您的环境中运行的 Airflow 组件相关联。 例如,当您在环境的存储桶中更新包含 Airflow DAG 代码的文件时,Airflow 组件也会收到更新后的版本。Cloud Composer 使用 Cloud Storage FUSE 以进行同步。

Cloud Storage 存储分区中的文件夹

文件夹 存储路径 映射目录 说明
DAG gs://bucket-name/dags /home/airflow/gcs/dags 存储您的环境的 DAG。
插件 gs://bucket-name/plugins /home/airflow/gcs/plugins 存储您的自定义插件,例如自定义内部 Airflow 操作器、钩子、传感器或接口。
数据 gs://bucket-name/data /home/airflow/gcs/data 存储任务生成和使用的数据。
日志 gs://bucket-name/logs /home/airflow/gcs/logs 存储任务的 Airflow 日志。Airflow 网页界面和 Google Cloud 控制台的日志标签页中也提供日志。

Cloud Composer 会同步 dags/plugins/ 文件夹 单向。单向同步意味着 Airflow 组件上的文件夹会被覆盖。data/logs/ 文件夹会进行双向同步。

数据同步最终将保持一致。如需从一个运算符向另一个运算符发送消息,请使用 XCom

容量注意事项

dags/plugins/data/ 文件夹中的数据会同步到 Airflow 调度器和工作器。

plugins/ 文件夹的内容会同步到 Airflow Web 服务器。

放入这些文件夹中的数据越多,占用的空间就越多 Airflow 组件的本地存储空间中在以下服务中保存过多数据: dags/plugins/可能会中断您的运营并导致如下问题:

  • 由于组件的本地磁盘空间不足,工作器或调度程序耗尽了本地存储空间并被驱逐。

  • dags/plugins/ 文件夹中的文件同步到 worker, 调度程序需要很长时间

  • dags/plugins/ 文件夹中的文件同步到工作器和调度器将变得不可能。例如,您在 dags/ 文件夹中存储了一个 2 GB 的文件,但 Airflow 工作器的本地磁盘只能容纳 1 GB 的文件。在同步期间,工作器中的本地资源耗尽 无法完成存储和同步。

DAG 和插件文件夹

为避免 DAG 运行失败,请将 DAG、插件和 Python 模块存储在 dags/plugins/ 文件夹,即使您的 Python 模块不包含 DAG 或插件。

例如,您使用引用 py_file Dataflow 流水线的 DataFlowPythonOperatorpy_file 不包含 DAG,或者 但您仍必须将其存储在 dags/plugins/ 文件夹中。

数据文件夹

在某些情况下,data/ 文件夹中的某些文件会同步到特定 Airflow 组件。例如,在以下情况下,Cloud Composer 会首次尝试读取给定文件:

  • DAG 解析:在 DAG 解析期间首次读取文件时, Cloud Composer 会将其同步到解析 DAG 的调度器。

  • DAG 执行:在 DAG 执行期间首次读取文件时,Cloud Composer 会将其同步到正在执行该操作的工作器。

Airflow 组件的本地存储空间有限,因此请考虑删除已下载的文件,以释放组件中的磁盘空间。请注意,如果您有并发任务将同一文件下载到单个 Airflow 工作器,本地存储空间用量也可能会暂时增加。

日志文件夹

logs/ 文件夹会从 Airflow 工作器同步到环境的 使用 Cloud Storage API 存储存储桶。

Cloud Storage API 配额按移动的数据量计算, 系统运行的 Airflow 任务数量可能会增加, 您的 Cloud Storage API 用量:运行的任务越多,日志越大 文件。

与 Web 服务器同步

plugins/ 文件夹会自动同步到 Web 服务器, 可以通过 Airflow 界面加载插件。在 Cloud Composer 3 中,您可以执行以下操作: 停用和启用 Web 服务器插件 而无需从环境存储桶中删除文件。

后续步骤