Prueba, sincroniza y, luego, implementa tus DAG desde GitHub

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Nota: Esta página aún no se revisó para Cloud Composer 3 y muestra contenido de Cloud Composer 2.

En esta guía, se explica cómo crear una canalización de CI/CD para probar, sincronizar y implementar DAG en tu entorno de Cloud Composer desde tu GitHub en un repositorio de confianza.

Si solo quieres sincronizar datos de otros servicios, consulta Cómo transferir datos de otros servicios.

Descripción general de la canalización de CI/CD

Figura 1. Diagrama de arquitectura que muestra los pasos del flujo (haz clic para ampliar)

La canalización de CI/CD que prueba, sincroniza e implementa DAGs tiene los siguientes pasos:

1. Realizas un cambio en un DAG y lo envías a una rama de desarrollo en tu repositorio.

2. Abres una solicitud de extracción en la rama principal de tu repositorio.

3. Cloud Build ejecuta pruebas de unidades para verificar que tu DAG sea válido.

4. Tu solicitud de extracción se aprobó y se combinó con la rama principal de tu en un repositorio de confianza.

5. Cloud Build sincroniza tus datos de entorno de Cloud Composer con estos cambios nuevos.

6. Verificas que el DAG se comporte según lo esperado en tu desarrollo en un entorno de nube.

7. Si tu DAG funciona como se espera, súbela a tu entorno de producción de Cloud Composer.

Objetivos

Objetivo:

.
• Ejecuta una verificación previa al envío automatizada con Cloud Build. Esta verificación ejecuta pruebas de unidades para un DAG.
• Sincroniza los DAG de tu entorno de Cloud Composer de desarrollo con los DAG de tu repositorio de GitHub.

Antes de comenzar

• En esta guía, se da por sentado que trabajas con dos entornos de Cloud Composer idénticos: un entorno de desarrollo y un entorno de producción.

  Para los fines de esta guía, solo configurarás una canalización de CI/CD. para tu entorno de desarrollo. Asegúrate de que el entorno que usas no es un entorno de producción.

• En esta guía, se supone que tienes tus DAG y sus pruebas almacenados en un GitHub en un repositorio de confianza.

  En la canalización de CI/CD de ejemplo, se muestra el contenido de un repositorio de ejemplo. Los DAG y las pruebas se almacenan en el directorio dags/, con los archivos de requisitos, el archivo de restricciones y los archivos de configuración de Cloud Build almacenados en el nivel superior. La utilidad de sincronización de DAG y sus requisitos se encuentran en el directorio utils.

Crea un trabajo de verificación previa al envío y pruebas de unidades

El primer trabajo de Cloud Build ejecuta una verificación previa al envío, que ejecuta la unidad pruebas para tus DAG.

Cómo agregar pruebas de unidades

Si aún no lo hiciste, crea pruebas de unidades para tus DAG. Guarda estas pruebas junto con los DAG en tu repositorio, cada uno con el sufijo _test. Por ejemplo, el archivo de prueba del DAG en example_dag.py es example_dag_test.py. Estas son las pruebas que se ejecutan como una verificación previa al envío en tu repositorio.

Crea la configuración de YAML de Cloud Build para la verificación previa al envío

En tu repositorio, crea un archivo YAML llamado test-dags.cloudbuild.yaml que configure tu trabajo de Cloud Build para las verificaciones previas al envío. En él hay tres pasos:

1. Instala las dependencias que necesitan tus DAG.
2. Instala las dependencias que necesitan tus pruebas de unidades.
3. Ejecuta las pruebas de DAG.

steps:
  # install dependencies
  - name: python:3.8-slim
    entrypoint: pip
    args: ["install", "-r", "requirements.txt", "-c", "constraints.txt", "--user"]

  - name: python:3.8-slim
    entrypoint: pip
    args: ["install", "-r", "requirements-test.txt", "--user"]

  # run in python 3.8 which is latest version in Cloud Composer
  - name: python:3.8-slim
    entrypoint: python3.8
    args: ["-m", "pytest", "-s", "dags/"]

Nota: Cloud Build extrae la imagen de Python desde Docker Hub especifica la etiqueta en el campo name de cada paso. Si usas python como entrypoint, asegúrate de que tu entrypoint coincida con la versión especificada en tu etiqueta De lo contrario, entrypoint se establece de forma predeterminada en latest.

Crea el activador de Cloud Build para la verificación previa al envío

Sigue los pasos que se indican en Compila repositorios desde GitHub. para crear un activador basado en la app de GitHub con los siguientes parámetros de configuración:

• Nombre: test-dags

• Evento: Solicitud de extracción

• Fuente: Repositorio: Elige tu repositorio.

• Fuente: Rama base: ^main$ (cambia main al nombre de la rama base de tu repositorio, si es necesario)

• Fuente: Control de comentarios: no es obligatorio

  Precaución: Si configuras el control de comentarios como no obligatorio, cualquier usuario puede enviar una solicitud de extracción que active la compilación. Para repositorios más grandes o repositorios con colaboradores no confiables que requieran el control de comentarios se recomienda.

• Configuración de compilación: Archivo de configuración de Cloud Build: /test-dags.cloudbuild.yaml (la ruta de acceso al archivo de compilación)

Crea un trabajo de sincronización de DAG y agrega una secuencia de comandos de utilidad de DAG

A continuación, configura un trabajo de Cloud Build que ejecute una secuencia de comandos de utilidad de DAG. La secuencia de comandos de utilidad de esta tarea sincroniza tus DAG con tu entorno de Cloud Composer después de que se combinan con la rama principal de tu repositorio.

Nota: Cloud Composer analiza todos los DAG en un intervalo repetido. Esta incluso si los DAG no cambiaron desde el último análisis. Por este motivo esta utilidad sube todos los DAG a Cloud Composer, no solo y las que cambiaron.

Agrega la secuencia de comandos de utilidad de DAG

Agrega la secuencia de comandos de utilidad de DAG a tu repositorio. Esta secuencia de comandos de utilidad copia todos los archivos DAG del directorio dags/ de tu repositorio en un directorio temporal y omite todos los archivos Python que no sean DAG. Luego, la secuencia de comandos usa la biblioteca cliente de Cloud Storage para subir todos los archivos de ese directorio temporal al directorio dags/ en el bucket de tu entorno de Cloud Composer.

from __future__ import annotations

import argparse
import glob
import os
from shutil import copytree, ignore_patterns
import tempfile

# Imports the Google Cloud client library
from google.cloud import storage


def _create_dags_list(dags_directory: str) -> tuple[str, list[str]]:
    temp_dir = tempfile.mkdtemp()

    # ignore non-DAG Python files
    files_to_ignore = ignore_patterns("__init__.py", "*_test.py")

    # Copy everything but the ignored files to a temp directory
    copytree(dags_directory, f"{temp_dir}/", ignore=files_to_ignore, dirs_exist_ok=True)

    # The only Python files left in our temp directory are DAG files
    # so we can exclude all non Python files
    dags = glob.glob(f"{temp_dir}/*.py")
    return (temp_dir, dags)


def upload_dags_to_composer(
    dags_directory: str, bucket_name: str, name_replacement: str = "dags/"
) -> None:
    """
    Given a directory, this function moves all DAG files from that directory
    to a temporary directory, then uploads all contents of the temporary directory
    to a given cloud storage bucket
    Args:
        dags_directory (str): a fully qualified path to a directory that contains a "dags/" subdirectory
        bucket_name (str): the GCS bucket of the Cloud Composer environment to upload DAGs to
        name_replacement (str, optional): the name of the "dags/" subdirectory that will be used when constructing the temporary directory path name Defaults to "dags/".
    """
    temp_dir, dags = _create_dags_list(dags_directory)

    if len(dags) > 0:
        # Note - the GCS client library does not currently support batch requests on uploads
        # if you have a large number of files, consider using
        # the Python subprocess module to run gsutil -m cp -r on your dags
        # See https://cloud.google.com/storage/docs/gsutil/commands/cp for more info
        storage_client = storage.Client()
        bucket = storage_client.bucket(bucket_name)

        for dag in dags:
            # Remove path to temp dir
            dag = dag.replace(f"{temp_dir}/", name_replacement)

            try:
                # Upload to your bucket
                blob = bucket.blob(dag)
                blob.upload_from_filename(dag)
                print(f"File {dag} uploaded to {bucket_name}/{dag}.")
            except FileNotFoundError:
                current_directory = os.listdir()
                print(
                    f"{name_replacement} directory not found in {current_directory}, you may need to override the default value of name_replacement to point to a relative directory"
                )
                raise

    else:
        print("No DAGs to upload.")


if __name__ == "__main__":
    parser = argparse.ArgumentParser(
        description=__doc__, formatter_class=argparse.RawDescriptionHelpFormatter
    )
    parser.add_argument(
        "--dags_directory",
        help="Relative path to the source directory containing your DAGs",
    )
    parser.add_argument(
        "--dags_bucket",
        help="Name of the DAGs bucket of your Composer environment without the gs:// prefix",
    )

    args = parser.parse_args()

    upload_dags_to_composer(args.dags_directory, args.dags_bucket)

Crea la configuración de YAML de Cloud Build para sincronizar DAG

En tu repositorio, crea un archivo YAML llamado add-dags-to-composer.cloudbuild.yaml que configure tu trabajo de Cloud Build para sincronizar DAG. En él, hay dos pasos:

1. Instalar las dependencias que necesita la secuencia de comandos de utilidad de DAG

2. Ejecuta la secuencia de comandos de utilidad para sincronizar los DAG en tu repositorio con tu entorno de Cloud Composer.

steps:
  # install dependencies
  - name: python
    entrypoint: pip
    args: ["install", "-r", "utils/requirements.txt", "--user"]

  # run
  - name: python
    entrypoint: python
    args: ["utils/add_dags_to_composer.py", "--dags_directory=${_DAGS_DIRECTORY}", "--dags_bucket=${_DAGS_BUCKET}"]

Nota: Cloud Build extrae la imagen de Python de Docker Hub y puedes especificar la etiqueta en el campo name de cada paso. Si usas python como entrypoint, asegúrate de que tu entrypoint coincida con la versión especificada en tu etiqueta De lo contrario, entrypoint se establece de forma predeterminada en latest.

Crea el activador de Cloud Build

Sigue las instrucciones de la guía Cómo compilar repositorios desde GitHub para crear un activador basado en la app de GitHub con la siguiente configuración:

• Nombre: add-dags-to-composer

• Evento: Enviar a una rama

• Fuente: Repositorio: elige tu repositorio

• Fuente: Rama base: ^main$ (cambia main por el nombre de tu la rama base del repositorio, si es necesario)

• Fuente: filtro de archivos incluidos (glob): dags/**

• Configuración de compilación: Archivo de configuración de Cloud Build: /add-dags-to-composer.cloudbuild.yaml (la ruta de acceso a tu archivo de compilación)

En la Configuración avanzada, agrega dos variables de sustitución:

• _DAGS_DIRECTORY: Es el directorio en el que se encuentran los DAG en tu repositorio. Si usas el repositorio de ejemplo de esta guía, es dags/.

• _DAGS_BUCKET: Es el bucket de Cloud Storage que contiene la Directorio dags/ en tu Cloud Composer de desarrollo en un entorno de nube. Omite el prefijo gs://. Por ejemplo: us-central1-example-env-1234ab56-bucket

Precaución: Si no quitas el sufijo dags/ del nombre del bucket de Cloud Storage en la variable de sustitución _DAGS_BUCKET, el trabajo de sincronización de DAG fallará con un error NotFound. Esto sucede porque, en Cloud Storage, dags/ es una carpeta, que se considera parte de la del objeto, no parte del nombre del bucket.

Prueba tu canalización de CI/CD

En esta sección, sigue un flujo de desarrollo de DAG que usa los activadores de Cloud Build que creaste recientemente.

Ejecuta un trabajo previo al envío

Crea una solicitud de extracción en tu rama principal para probar la compilación. Ubica tu verificación previa al envío en la página. Haz clic en Detalles y elige Ver más detalles en Google Cloud Build para ver los registros de compilación en la consola de Google Cloud.

Importante: Cloud Build ejecuta pruebas de unidades con paquetes especificados en requirements.txt y requirements-test.txt, que incluyen una versión pública de Airflow. Es posible que tu entorno de Cloud Composer tenga un conjunto diferente de paquetes de PyPI y paquetes preinstalados. Te recomendamos ejecutar un entorno local de Airflow mientras desarrollas tu DAG

Figura 2. Captura de pantalla del estado de la verificación del envío previo de Cloud Build en GitHub (haz clic para ampliar)

Si la verificación previa al envío falló, consulta Cómo abordar las fallas de compilación.

Valida que tu DAG funcione en tu entorno de Cloud Composer de desarrollo

Una vez que se apruebe tu solicitud de extracción, combínala con tu rama principal. Usa el la consola de Google Cloud para ver los resultados de tu compilación. Si tienes muchas de Cloud Build, puedes filtrar tus compilaciones según el nombre del activador add-dags-to-composer

Una vez que se complete correctamente la tarea de sincronización de Cloud Build, el DAG sincronizado aparecerá en tu entorno de Cloud Composer de desarrollo. Allí, puedes confirmar que el DAG funciona como se espera.

Agrega el DAG a tu entorno de producción

Después de que el DAG funcione como se espera, agrégalo a tu producción de forma manual en un entorno de nube. Para ello, sigue estos pasos: subir el archivo DAG al directorio dags/ en tu Cloud Composer de producción en el bucket de tu entorno.

Si tu trabajo de sincronización del DAG falló o si tu DAG no se comporta como se espera en tu entorno de desarrollo de Cloud Composer, consulta Cómo abordar fallas de compilación.

Cómo abordar fallas de compilación

En esta sección, se explica cómo abordar situaciones comunes de fallas de compilación.

¿Qué sucede si falla la verificación antes del envío?

En tu solicitud de extracción, haz clic en Detalles y elige Ver más detalles en Google Cloud Build para ver los registros de compilación en la consola de Google Cloud. Usa estos registros para depurar el problema de tus en el DAG. Una vez que hayas resuelto los problemas, confirma la corrección y envíala a tu rama. Se vuelve a ejecutar la verificación previa al envío, y puedes seguir iterando los registros como herramienta de depuración.

¿Qué sucede si mi trabajo de sincronización de DAG falla?

Usa la consola de Google Cloud para ver los resultados de la compilación. Si tienes muchas de Cloud Build, puedes filtrar tus compilaciones según el nombre del activador add-dags-to-composer Examina los registros del trabajo de compilación y resuelve el errores. Si necesitas ayuda adicional para resolver los errores, usa los canales de asistencia.

¿Qué sucede si mi DAG no funciona correctamente en mi entorno de Cloud Composer?

Si tu DAG no funciona como se espera en tu desarrollo de Cloud Composer, no asciendas manualmente el DAG a tu entorno de producción de Cloud Composer. Como alternativa, toma una de las siguientes medidas:

• Reverte la solicitud de extracción con los cambios que rompieron tu DAG para restablecerlo al estado que tenía inmediatamente antes de realizar los cambios (esto también revertirá todos los demás archivos de esa solicitud de extracción).
• Crea una solicitud de extracción nueva para revertir manualmente los cambios en el DAG dañado.
• Crea una solicitud de extracción nueva y corrige los errores en tu DAG.

Si sigues cualquiera de estos pasos, se activará una nueva verificación previa al envío y, después de la combinación, el trabajo de sincronización de DAG.

¿Qué sigue?

• Cómo ejecutar entornos de Airflow locales
• Escribir DAG
• Programa y activa DAG
• Cómo probar DAG