Descripción general de Cloud Composer

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

En esta página, se ofrece una breve introducción a Airflow y DAG, y se describe y capacidades de Cloud Composer.

Para obtener más información sobre las funciones nuevas de los lanzamientos de Cloud Composer, consulta Notas de la versión.

Acerca de Cloud Composer

Cloud Composer es un servicio de organización del flujo de trabajo completamente administrado, lo que te permite crear, programar, supervisar y administrar canalizaciones de flujo de trabajo que abarcan varias nubes y centros de datos locales.

Cloud Composer se basa en el popular proyecto de código abierto Apache Airflow y opera con el lenguaje de programación Python.

Mediante el uso de Cloud Composer en lugar de una instancia local de Apache Airflow, puedes beneficiarte de lo mejor de Airflow sin una sobrecarga de instalación o administración. Cloud Composer te permite crear entornos de Airflow administrados rápidamente y usar herramientas nativas de Airflow, como su potente interfaz web y las herramientas de línea de comandos, para que puedas enfocarte en los flujos de trabajo y no en la infraestructura.

Diferencias entre las versiones de Cloud Composer

Para obtener más información sobre las diferencias entre las versiones principales de Cloud Composer, consulta Descripción general del control de versiones de Cloud Composer.

DAG de Airflow y Airflow (flujos de trabajo)

En las estadísticas de datos, un flujo de trabajo representa una serie de tareas para transferir, transformar, analizar o usar datos. En Airflow, los flujos de trabajo se crean mediante los DAG o “grafos acíclicos dirigidos”.

Relación entre los DAG y las tareas
Figura 1: Relación entre los DAG y las tareas

Un DAG es una colección de tareas que deseas programar y ejecutar, organizadas, de manera que reflejen sus relaciones y dependencias. Los DAG se crean en archivos de Python, que definen la estructura del DAG mediante el código. El propósito del DAG es garantizar que cada tarea se ejecute en el momento correcto y en el orden adecuado.

Cada tarea en un DAG puede representar casi todo. Por ejemplo, una tarea puede realizar cualquiera de las siguientes funciones:

  • Prepara datos para la transferencia
  • Supervisa una API
  • Envía un correo electrónico
  • Ejecuta una canalización

Además de ejecutar un DAG según un programa, puedes activar DAG de forma manual o en respuesta a eventos, como los cambios en un bucket de Cloud Storage. Para obtener más información, consulta Programa y activa DAG.

Para obtener más información sobre los DAG y las tareas, consulta la documentación de Apache Airflow.

Entornos de Cloud Composer

Los entornos de Cloud Composer son implementaciones autónomas de Airflow basadas en Google Kubernetes Engine. Funcionan con otros servicios de Google Cloud mediante conectores integrados en Airflow. Puedes crear uno o más entornos en un solo proyecto de Google Cloud en cualquier región compatible.

Cloud Composer aprovisiona servicios de Google Cloud que se ejecutan tus flujos de trabajo y todos los componentes de Airflow. Los componentes principales de un de tu entorno son:

  • Clúster de GKE: Componentes de Airflow, como Airflow programadores, activadores y trabajadores se ejecutan como cargas de trabajo de GKE. en un solo clúster creado para tu entorno y son responsables de el procesamiento y la ejecución de DAG.

    El clúster también aloja otros componentes de Cloud Composer, como Composer Agent y Airflow Monitoring, que ayudan a administrar el entorno de Cloud Composer, recopilar registros para almacenar en Cloud Logging y recopilar métricas para subir a Cloud Monitoring.

  • Servidor web de Airflow: El servidor web ejecuta la IU de Apache Airflow.

  • Base de datos de Airflow: La base de datos contiene los metadatos de Apache Airflow.

  • Bucket de Cloud Storage: Cloud Composer asocia un bucket de Cloud Storage con tu entorno. Este bucket, también llamado bucket del entorno, almacena la DAG, registros, personalizados plugins, y datos para el medioambiente. Para obtener más información sobre la configuración bucket, ver Datos almacenados en Cloud Storage.

Para obtener información detallada sobre los componentes de un entorno, consulta Arquitectura del entorno.

Interfaces de Cloud Composer

Cloud Composer proporciona interfaces para administrar entornos, instancias de Airflow que se ejecutan dentro de entornos y DAG individuales.

Por ejemplo, puedes crear y configurar ambientes de Cloud Composer en la consola de Google Cloud, Google Cloud CLI, la API de Cloud Composer o Terraform.

Como otro ejemplo, puedes administrar DAG desde la consola de Google Cloud, la IU nativa de Airflow o ejecutando Google Cloud CLI y comandos de la CLI de Airflow.

Funciones de Airflow en Cloud Composer

Cuando usas Cloud Composer, puedes administrar y usar funciones de Airflow, como las siguientes:

Control de acceso en Cloud Composer

Administras la seguridad en el nivel de proyecto de Google Cloud asignar roles de IAM que permitan a personas a los usuarios modificar o crear entornos. Si alguien no tiene acceso a tu proyecto o no tiene una función apropiada de IAM de Cloud Composer, esa persona no podrá acceder a ninguno de tus entornos.

Además de IAM, puedes usar el control de acceso de la IU de Airflow, que se basa en el modelo de control de acceso de Apache Airflow.

Para obtener más información sobre las funciones de seguridad de Cloud Composer, consulta Descripción general de la seguridad de Cloud Composer.

Redes de entorno

Cloud Composer admite varias configuraciones de red para entornos, con muchas opciones de configuración. Por ejemplo, en un entorno de IP privada, los DAG y los componentes de Airflow están completamente aislados de Internet público.

Para obtener más información sobre las herramientas de redes en Cloud Composer, consulta las páginas para funciones individuales de herramientas de redes:

Otras funciones de Cloud Composer

Estas son otras funciones de Cloud Composer:

Preguntas frecuentes

¿Qué versión de Apache Airflow usa Cloud Composer?

Los entornos de Cloud Composer se basan en imágenes de Cloud Composer. Cuando creas un entorno, puedes seleccionar una imagen con una versión específica de Airflow:

  • Cloud Composer 3 es compatible con Airflow 2.
  • Cloud Composer 2 es compatible con Airflow 2.
  • Cloud Composer 1 es compatible con Airflow 1 y Airflow 2.

Tienes el control de la versión de Apache Airflow de tu entorno. Puedes decidir actualizar tu entorno a una versión más reciente de la imagen de Cloud Composer. Cada versión de Cloud Composer es compatible con varias versiones de Apache Airflow.

¿Puedo usar la IU y la CLI nativas de Airflow?

Puedes acceder a la interfaz web de Apache Airflow de tu entorno. Cada uno de los entornos tiene su propia IU de Airflow. Para obtener más información sobre cómo acceder a la IU de Airflow, consulta Interfaz web de Airflow.

Para ejecutar comandos de la CLI de Airflow en tus entornos, usa los comandos gcloud. Si deseas obtener más información para ejecutar comandos de la CLI de Airflow en Cloud Composer, consulta Interfaz de línea de comandos de Airflow.

¿Puedo usar mi propia base de datos como la base de datos de Airflow?

Cloud Composer usa un servicio de base de datos administrado para Airflow en la base de datos. No es posible usar una base de datos proporcionada por el usuario que la base de datos de Airflow.

¿Puedo usar mi propio clúster como un clúster de Cloud Composer?

Cloud Composer usa el servicio de Google Kubernetes Engine para crear, administrar y y borrar los clústeres del entorno en los que se ejecutan los componentes de Airflow. Cloud Composer administra por completo estos clústeres.

No es posible compilar un entorno de Cloud Composer basado en un clúster autoadministrado de Google Kubernetes Engine.

¿Puedo usar mi propio Container Registry?

Cloud Composer usa el servicio de Artifact Registry para administrar los repositorios de imágenes de contenedores que usan los entornos de Cloud Composer. No es posible reemplazarlo por un registro de contenedor proporcionado por el usuario.

¿Los entornos de Cloud Composer son zonales o regionales?

Los entornos de Cloud Composer 3 y Cloud Composer 2 tienen una base de datos de Airflow regional y una capa de programación y ejecución de Airflow regional. Los programadores, los trabajadores y los servidores web de Airflow se ejecutan en la capa de ejecución de Airflow.

Los entornos de Cloud Composer 1 son zonales.

¿Qué sigue?