使用关键指标监控环境健康状况和性能

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

注意：此页面尚未针对 Cloud Composer 3 进行修改，显示的内容适用于 Cloud Composer 2。

本页介绍了如何使用监控信息中心内的关键指标来监控 Cloud Composer 环境的整体健康状况和性能。

简介

本教程重点介绍 Cloud Composer 监控的关键指标，这些指标可以很好地概述环境级运行状况和性能。

Cloud Composer 提供多种指标， 环境状态。本教程中的监控指南基于 Cloud Composer 环境的 Monitoring 信息中心中显示的指标。

在本教程中，您将了解可用作环境性能和运行状况问题主要指标的关键指标，以及将每个指标解读为纠正措施以保持环境健康的指南。您还将为每个指标设置提醒规则、运行示例 DAG，并使用这些指标和提醒来优化环境的性能。

目标

目标：

• 了解 Monitoring 上提供的关键性能和健康指标 信息中心。
• 了解每个指标的基准。
• 了解如何将指标解读为纠正措施。
• 为每个关键指标创建提醒。
• 运行示例 DAG。
• 将提醒和 Monitoring 图表解读为纠正措施。
• 优化环境并评估其性能。

费用

本教程使用 Google Cloud 的以下收费组件：

• Cloud Composer（请参阅额外费用）
• Cloud Monitoring

完成本教程后，您可以删除所创建的资源以避免继续计费。如需了解详情，请参阅清理。

准备工作

本部分介绍了在开始本教程之前需要执行的操作。

创建和配置项目

在本教程中，您需要 project。 按如下方式配置项目：

1. 在 Google Cloud 控制台中，选择或创建项目：

   前往“项目选择器”

2. 确保您的项目已启用结算功能。 了解如何检查项目是否已启用结算功能。

3. 如需创建必要的资源，请确保您的 Google Cloud 项目用户具有以下角色：

   • Environment and Storage Object Administrator (roles/composer.environmentAndStorageObjectAdmin)
   • Compute Admin (roles/compute.admin)
   • Monitoring Editor (roles/monitoring.editor)

为您的项目启用 API

Enable the Cloud Composer API.

Enable the API

创建 Cloud Composer 环境

创建一个 Cloud Composer 2 环境。

在此过程中 授予 Cloud Composer v2 API Service Agent Extension (roles/composer.ServiceAgentV2Ext) 角色分配给 Composer Service Agent 。Cloud Composer 使用此账号在您的 Google Cloud 项目中执行操作。

探索环境级健康状况和性能的关键指标

本教程重点介绍了可让您全面了解环境整体运行状况和性能的关键指标。

Google Cloud 控制台中的监控信息中心包含各种指标和图表，可用于监控环境中的趋势，以及识别 Airflow 组件和 Cloud Composer 资源的问题。

每个 Cloud Composer 环境都有自己的监控信息中心。

熟悉以下关键指标，并在“监控”信息中心内找到每个指标：

1. 在 Google Cloud 控制台中，前往环境页面。

   转到“环境”

2. 在环境列表中，点击您的环境名称。环境详情页面会打开。

3. 转到监控标签页。

4. 选择概览部分，在信息中心内找到环境概览项目，然后观察环境健康情况（Airflow 监控 DAG）指标。

   • 此时间轴显示 Cloud Composer 环境的运行状况。环境运行状况栏的绿色 表示环境健康状况良好，而环境状况不佳则用红色表示。

   • Cloud Composer 会每隔几分钟执行一个名为 airflow_monitoring 的活跃性 DAG。如果活跃性 DAG 运行成功完成， 健康状况为True。如果活跃性 DAG 运行失败（例如， （由于 Pod 逐出、外部进程终止或维护）， 健康状况为 False。

5. 选择 SQL 数据库部分，在信息中心内找到数据库健康状况项目，然后观察数据库健康状况指标。

   • 此时间轴会显示与您环境的 Cloud SQL 实例的连接状态。绿色数据库 运行状况栏表示连接正常，而连接失败则表示 以红色表示

   • Airflow 监控 Pod 会定期 ping 数据库并报告 如果可以建立连接，则为 True 或 如果不是，则为 False。

6. 在数据库运行状况项中，观察数据库 CPU 用量和数据库内存用量指标。

   • 数据库 CPU 使用率图表通过 您环境的 Cloud SQL 数据库实例与 可用数据库的总 CPU 限制。

   • “数据库内存使用量”图表显示 您环境的 Cloud SQL 数据库实例与 可用数据库内存的总上限。

7. 选择调度器部分，找到调度器检测信号 项，并观察调度器检测信号指标。

   • 此时间轴显示了 Airflow 调度程序的运行状况。检查红色区域，以识别 Airflow 调度器问题。如果您的 环境有多个调度器，则检测信号状态为 运行状况良好，前提是至少有一个调度器正在响应。

   • 如果收到最后一次检测信号，则调度程序会被视为健康状况不佳 当前时间之前超过 30 秒（默认值）。

8. 选择 DAG 统计信息部分，找到已终止的僵尸任务 项目，并查看 Zombie tasks killed 指标。

   • 这张图显示了小程序中终止的僵尸任务数量 。僵尸任务通常是由外部终止 Airflow 进程的影响（例如，任务进程被终止时）。

   • Airflow 调度器会定期终止僵尸任务，这也会 数据。

9. 选择工作器部分，在信息中心内找到工作器容器重启项，然后观察工作器容器重启指标。

   • 图表显示了各个工作器容器的重启总次数。过多的容器重启可能会影响 将其作为依赖项的服务或其他下游服务。

注意：您可以在 Cloud Monitoring 中查看每个指标的详细情况。

了解关键指标的基准和可能的纠正措施

重要提示：时间轴指标概要介绍了各个环境组件的运行状况；不过，红色区域不一定表示组件运行状况不佳。有时，整体绿色时间轴中的小红色区域可能是由外部因素（例如环境集群中的维护操作）造成的。使用相应的 Monitoring 图表和日志来调查潜在原因、分析不同指标之间的相关性，并根据确定的根本原因进行更正。

以下列表介绍了可能表明存在问题的基准值，并提供了您可以采取的纠正措施来解决这些问题。

• 环境健康情况（Airflow 监控 DAG）

  • 4 小时内成功率低于 90%

  • 失败可能意味着 Pod 被逐出或工作器终止，因为 或发生故障环境健康时间轴上的红色区域通常与各个环境组件的其他健康状况栏中的红色区域相关联。找出根本原因 在 Monitoring 信息中心内查看其他指标。

• 数据库运行状况

  • 4 小时内成功率低于 95%

  • 失败表示与 Airflow 连接出现问题 这可能是由于数据库崩溃或停机引起， 数据库过载（例如，由于 CPU 或内存 或连接数据库期间的延迟较高）。这些问题最常由 DAG 不太理想所致，例如 DAG 使用许多全局定义的 Airflow 或环境变量时。确定根 请查看 SQL 数据库资源使用情况指标。您还可以检查调度器日志中是否存在与数据库连接相关的错误。

• 数据库 CPU 和内存用量

  • 在 12 小时的时间段内，CPU 或内存的平均使用率超过 80%

  • 数据库可能已过载。分析 DAG 运行与数据库 CPU 或内存用量激增之间的相关性。

    • 您可以通过以下方式减少数据库负载： 更加高效的 DAG 优化型运行的查询和连接，或者通过将 会随着时间的推移而更均匀地加载。

    • 或者，您也可以为数据库分配更多 CPU 或内存。数据库资源由 您的环境，并且该环境必须是 放大为更大的尺寸。

• 调度程序检测信号

  • 在 4 小时的时间段内，成功率低于 90%

  • 为调度器分配更多资源或增加调度器数量 从 1 到 2（推荐）。

• 已终止的僵尸任务

  • 每 24 小时内只能执行一项僵尸任务

  • 僵尸任务最常见的原因是环境集群中的 CPU 或内存资源不足。查看工作器资源使用情况 并为工作器分配更多资源，或者 延长僵尸任务的超时时长 这样调度程序在将任务视为僵尸前等待更长时间。

• 工作器容器重启

  • 每 24 小时重启多次

  • 最常见的原因是工作器内存或存储空间不足。调查 消耗工作器资源，以及分配更多内存或存储空间 。如果资源不足不是原因，请参阅排查 Worker 重启问题，并使用日志查询来了解 Worker 重启的原因。

创建通知渠道

按照创建通知渠道中所述的说明创建电子邮件通知渠道。

注意：为实现冗余，建议您创建多种类型的通知渠道。例如，您可以设置一个 Slack 通知， 电子邮件渠道。

如需详细了解通知渠道，请参阅管理通知渠道。

创建提醒政策

根据本教程前几部分提供的基准创建提醒政策，以便持续监控指标的值，并在这些指标违反条件时接收通知。

控制台

您可以通过以下方式为 Monitoring 信息中心中显示的每个指标设置提醒： 点击相应项一角的铃铛图标：

图 1.为监控信息中心中显示的指标创建提醒（点击可放大）

1. 在 Monitoring 中找到要监控的每个指标 信息中心，然后点击指标项一角的铃铛图标。通过 创建提醒政策页面即会打开。

   重要提示 ：指标名称、环境名称和位置过滤条件 但系统自动应用的某些提醒政策， 指标 需要额外的过滤条件和不同的指标名称。 请参阅“过滤条件”字段和“指标名称”在提醒政策中 配置一个单独的指标，以验证正确的过滤器 应用。

2. 在转换数据部分中，执行以下操作：

   1. 按照指标的提醒政策配置中所述的方式配置每个时间序列内部分。

   2. 点击下一步，然后配置配置提醒触发器部分 如指标的提醒政策配置中所述。

3. 点击下一步。

4. 配置通知。展开通知渠道菜单，然后选择您在上一步中创建的通知渠道。

5. 点击 OK（确定）。

6. 在为提醒政策命名部分中，填写提醒政策名称字段。为每个指标使用描述性名称。使用“为提醒政策命名”值，如指标的提醒政策配置中所述。

7. 点击下一步。

8. 查看提醒政策，然后点击创建政策。

环境健康状况（Airflow 监控 DAG）指标 - 提醒政策配置

• 指标名称：Cloud Composer 环境 - 健康状况良好
• API：composer.googleapis.com/environment/healthy

• 过滤条件：

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• 转换数据 > 在每个时序内：

  • 滚动窗口：自定义
  • 自定义值：4
  • 自定义单位：小时
  • 滚动窗口函数：比例 (true)

• 配置提醒触发器：

  • 条件类型：阈值
  • 提醒触发器：任何违反时序的情况
  • 阈值位置：低于阈值
  • 阈值：90
  • 条件名称：环境健康状况

• 配置通知并完成提醒：

  • 将提醒政策命名为“Airflow Environment Health”

数据库健康指标 - 提醒政策配置

• 指标名称：Cloud Composer 环境 - 数据库健康状况
• API：composer.googleapis.com/environment/database_health

• 过滤条件：

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• 转换数据 > 在每个时序内：

  • 滚动窗口：自定义
  • 自定义值：4
  • 自定义单位：小时
  • 滚动窗口函数：比例 (true)

• 配置提醒触发器：

  • 条件类型：阈值
  • 提醒触发器：任何违反时序的情况
  • 阈值位置：低于阈值
  • 阈值：95
  • 条件名称：数据库健康状况

• 配置通知并完成提醒：

  • 将提醒政策命名为：Airflow Database Health

数据库 CPU 用量指标 - 提醒政策配置

注意 ：为简单起见，在设置数据库内存用量提醒和 数据库 CPU 使用率指标，请使用指标名称 数据库内存利用率 (composer.googleapis.com/environment/database/memory/utilization) 和数据库 CPU 利用率 (composer.googleapis.com/environment/database/cpu/utilization)，而不是 监控已使用字节数的默认指标名称 （composer.googleapis.com/environment/database/memory/bytes_used）和二手 时间 (composer.googleapis.com/environment/database/cpu/usage_time)。通过 数据库内存和 CPU 利用率指标用于监控 这有助于避免不必要的 计算。

• 指标名称：Cloud Composer 环境 - 数据库 CPU 使用率
• API：composer.googleapis.com/environment/database/cpu/utilization

• 过滤条件：

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• 转换数据 > 在每个时序内：

  • 滚动窗口：自定义
  • 自定义值：12
  • 自定义单位：小时
  • 滚动窗口函数：平均值

• 配置提醒触发器：

  • 条件类型：阈值
  • 提醒触发器：任何违反时序的情况
  • 阈值位置：高于阈值
  • 阈值：80
  • 条件名称：数据库 CPU 使用率条件

• 配置通知并最终确定提醒：

  • 将提醒政策命名为：Airflow Database CPU Usage

数据库 CPU 使用率指标 - 提醒政策配置

注意：为简单起见，在为“数据库内存用量”和“数据库 CPU 用量”指标设置提醒时，请使用指标名称“数据库内存利用率”(composer.googleapis.com/environment/database/memory/utilization) 和“数据库 CPU 利用率”(composer.googleapis.com/environment/database/cpu/utilization)，而不是监控已用字节数 (composer.googleapis.com/environment/database/memory/bytes_used) 和已用时间 (composer.googleapis.com/environment/database/cpu/usage_time) 的默认指标名称。数据库内存和 CPU 利用率指标会自动监控已用 CPU 和内存与可用 CPU 和内存的百分比，这有助于在配置条件触发器时避免不必要的计算。

• 指标名称：Cloud Composer 环境 - 数据库内存利用率
• API：composer.googleapis.com/environment/database/memory/utilization

• 过滤条件：

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• 转换数据 > 在每个时序内：

  • 滚动窗口：自定义
  • 自定义值：12
  • 自定义单位：小时
  • 滚动窗口函数：平均值

• 配置提醒触发器：

  • 条件类型：阈值
  • 提醒触发器：任何违反时序的情况
  • 阈值位置：高于阈值
  • 阈值：80
  • 条件名称：数据库内存用量

• 配置通知并最终确定提醒：

  • 为提醒政策命名：Airflow 数据库内存用量

调度程序心跳指标 - 提醒政策配置

• 指标名称：Cloud Composer 环境 - 调度程序心跳
• API：composer.googleapis.com/environment/scheduler_heartbeat_count

• 过滤条件：

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• 转换数据 > 在每个时间序列内：

  • 滚动窗口：自定义
  • 自定义值：4
  • 自定义单位：小时
  • 滚动窗口函数：count

• 配置提醒触发器：

  • 条件类型：阈值
  • 提醒触发器：任何违反时序的情况
  • 阈值位置：低于阈值

  • 阈值：216

    注意 ：空闲环境中的平均调度器检测信号计数为 240，因此 4 小时的成功率为 90%，等于 240 * 0.9 =
    1. 您可以在 Metrics Explorer 查询编辑器中运行用于汇总值 _scheduler_heartbeat_count_mean 的查询，以获取此数值。

  • 条件名称：调度程序检测信号条件

• 配置通知并完成提醒：

  • 为提醒政策命名：Airflow 调度程序检测信号

“已终止的僵尸任务”指标 - 提醒政策配置

• 指标名称：Cloud Composer 环境 - 已终止的僵尸任务
• API：composer.googleapis.com/environment/zombie_task_killed_count

• 过滤条件：

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• 转换数据 > 在每个时序内：

  • 滚动窗口：1 天
  • 滚动窗口函数：sum

• 配置提醒触发器：

  • 条件类型：阈值
  • 提醒触发器：任何违反时序的情况
  • 阈值位置：高于阈值
  • 阈值：1
  • 条件名称：僵尸任务条件

• 配置通知并最终确定提醒：

  • 为提醒政策命名：Airflow 僵尸任务

工作器容器重启指标 - 提醒政策配置

• 指标名称：Cloud Composer 环境 - 已终止的僵尸任务
• API：composer.googleapis.com/environment/zombie_task_killed_count

• 过滤条件：

  environment_name = [ENVIRONMENT_NAME]
  location = [CLUSTER_LOCATION]
  

• 转换数据 > 在每个时序内：

  • 滚动窗口：1 天
  • 滚动窗口函数：sum

• 配置提醒触发器：

  • 条件类型：阈值
  • 提醒触发器：任何违反时序的情况
  • 阈值位置：高于阈值
  • 阈值：1
  • 条件名称：僵尸任务条件

• 配置通知并最终确定提醒：

  • 将提醒政策命名为“Airflow Zombie Tasks”。

Terraform

运行 Terraform 脚本，该脚本会根据本教程中提供的关键指标及其各自的基准，创建电子邮件通知渠道并上传提醒政策：

1. 将示例 Terraform 文件保存在本地计算机上。

2. 替换以下内容：

   • PROJECT_ID：项目 ID 项目名称例如 example-project。
   • EMAIL_ADDRESS：电子邮件地址，如果 提醒。
   • ENVIRONMENT_NAME：您的 Cloud Composer 环境的名称。例如 example-composer-environment。
   • CLUSTER_NAME：您的环境集群名称，可在 Google Cloud 控制台中的“环境配置”>“资源”>“GKE 集群”下找到。

resource "google_monitoring_notification_channel" "basic" {
  project      = "PROJECT_ID"
  display_name = "Test Notification Channel"
  type         = "email"
  labels = {
    email_address = "EMAIL_ADDRESS"
  }
  # force_delete = false
}

resource "google_monitoring_alert_policy" "environment_health_metric" {
  project      = "PROJECT_ID"
  display_name = "Airflow Environment Health"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Environment health condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/healthy\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_LT"
      threshold_value = 0.9
      aggregations {
        alignment_period   = "14400s"
        per_series_aligner = "ALIGN_FRACTION_TRUE"
      }
    }
  }

}

resource "google_monitoring_alert_policy" "database_health_metric" {
  project      = "PROJECT_ID"
  display_name = "Airflow Database Health"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Database health condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/database_health\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_LT"
      threshold_value = 0.95
      aggregations {
        alignment_period   = "14400s"
        per_series_aligner = "ALIGN_FRACTION_TRUE"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_database_cpu_usage" {
  project      = "PROJECT_ID"
  display_name = "Airflow Database CPU Usage"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Database CPU usage condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/database/cpu/utilization\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 80
      aggregations {
        alignment_period   = "43200s"
        per_series_aligner = "ALIGN_MEAN"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_database_memory_usage" {
  project      = "PROJECT_ID"
  display_name = "Airflow Database Memory Usage"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Database memory usage condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/database/memory/utilization\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 80
      aggregations {
        alignment_period   = "43200s"
        per_series_aligner = "ALIGN_MEAN"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_scheduler_heartbeat" {
  project      = "PROJECT_ID"
  display_name = "Airflow Scheduler Heartbeat"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Scheduler heartbeat condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/scheduler_heartbeat_count\" AND resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_LT"
      threshold_value = 216 // Threshold is 90% of the average for composer.googleapis.com/environment/scheduler_heartbeat_count metric in an idle environment
      aggregations {
        alignment_period   = "14400s"
        per_series_aligner = "ALIGN_COUNT"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_zombie_task" {
  project      = "PROJECT_ID"
  display_name = "Airflow Zombie Tasks"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Zombie tasks condition"
    condition_threshold {
      filter     = "resource.type = \"cloud_composer_environment\" AND metric.type=\"composer.googleapis.com/environment/zombie_task_killed_count\" AND  resource.label.environment_name=\"ENVIRONMENT_NAME\""
      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 1
      aggregations {
        alignment_period   = "86400s"
        per_series_aligner = "ALIGN_SUM"
      }
    }
  }
}

resource "google_monitoring_alert_policy" "alert_worker_restarts" {
  project      = "PROJECT_ID"
  display_name = "Airflow Worker Restarts"
  combiner     = "OR"
  notification_channels = [google_monitoring_notification_channel.basic.name] // To manually add a notification channel add it with the syntax "projects/[PROJECT_ID]/notificationChannels/[CHANNEL_ID]"
  conditions {
    display_name = "Worker container restarts condition"
    condition_threshold {
      filter     = "resource.type = \"k8s_container\" AND (resource.labels.cluster_name = \"CLUSTER_NAME\" AND resource.labels.container_name = monitoring.regex.full_match(\"airflow-worker|base\") AND resource.labels.pod_name = monitoring.regex.full_match(\"airflow-worker-.*|airflow-k8s-worker-.*\")) AND metric.type = \"kubernetes.io/container/restart_count\""

      duration   = "60s"
      comparison = "COMPARISON_GT"
      threshold_value = 1
      aggregations {
        alignment_period   = "86400s"
        per_series_aligner = "ALIGN_RATE"
      }
    }
  }
}

测试提醒政策

本部分介绍如何测试创建的提醒政策并解读 结果。

上传示例 DAG

本教程中提供的示例 DAG memory_consumption_dag.py 模拟了 需要较高的工作器内存利用率该 DAG 包含 4 项任务，每项任务 任务将数据写入示例字符串，消耗 380 MB 的内存。示例 DAG 安排为每 2 分钟运行一次，将自动开始运行 然后再上传到 Composer 环境中。

警告 ：学完本教程后，请务必删除或暂停此 DAG。 否则您的环境会消耗大量的资源 可能会产生额外的费用。

将以下示例 DAG 上传到您在前面步骤中创建的环境：

from datetime import datetime
import sys
import time

from airflow import DAG
from airflow.operators.python import PythonOperator


def ram_function():
    data = ""
    start = time.time()
    for i in range(38):
        data += "a" * 10 * 1000**2
        time.sleep(0.2)
        print(f"{i}, {round(time.time() - start, 4)}, {sys.getsizeof(data) / (1000 ** 3)}")
    print(f"Size={sys.getsizeof(data) / (1000 ** 3)}GB")
    time.sleep(30 - (time.time() - start))
    print(f"Complete in {round(time.time() - start, 2)} seconds!")


with DAG(
    dag_id="memory_consumption_dag",
    start_date=datetime(2023, 1, 1, 1, 1, 1),
    schedule="1/2 * * * *",
    catchup=False,
) as dag:
    for i in range(4):
        PythonOperator(
            task_id=f"task_{i+1}",
            python_callable=ram_function,
            retries=0,
            dag=dag,
        )

解读 Monitoring 中的提醒和指标

在示例 DAG 开始运行后等待大约 10 分钟，然后评估 测试结果：

1. 查看您的电子邮件邮箱，以确认是否收到了来自 主题行以 [ALERT] 开头的 Google 云提醒。 此邮件的内容包含提醒政策突发事件详情。

2. 点击电子邮件通知中的查看突发事件按钮。您将被重定向到 Metrics Explorer。查看提醒事件的详细信息：

   

   图 2. 提醒突发事件的详细信息（点击可放大）

   “突发事件指标”图表显示您创建的指标超出了 1 的阈值，这意味着 Airflow 检测到并终止了多个僵尸任务。

3. 在 Cloud Composer 环境中，转到监控标签页。 打开 DAG 统计信息部分，然后找到已终止的僵尸任务 图表：

   

   图 3.僵尸任务图表（点击可放大）

   该图显示，Airflow 在 运行示例 DAG 的前 10 分钟。

4. 根据基准和纠正措施，僵尸任务的最常见原因是工作器内存或 CPU 不足。通过分析工作器资源利用率，找出僵尸任务的根本原因。

   在 Monitoring 信息中心内打开“工作器”部分，并查看工作器 CPU 和内存使用情况指标：

   

   图 4. 工作器 CPU 和内存使用情况指标（点击可放大）

   工作器 CPU 使用率图表显示，工作器 CPU 使用率 始终低于可用总上限的 50%，因此 就足够了“工作器内存总用量”图表显示，运行示例 DAG 导致可分配内存用量达到了上限，该用量几乎相当于图表中显示的总内存用量的 75%（GKE 会预留前 4 GiB 内存的 25%，并在每个节点上额外预留 100 MiB 内存来处理 Pod 逐出）。

   您可以得出结论，工作器缺少成功运行示例 DAG 的内存资源。

优化您的环境并评估其性能

根据对工作器资源利用率的分析，您需要向工作器分配更多内存，才能确保 DAG 中的所有任务都成功完成。

注意 ：更改 worker 的CPU 或内存重启工作器，这可能会影响 运行任务。我们建议您在没有 DAG 运行时执行此操作。

1. 在 Composer 环境中，打开 DAG 标签页，然后点击 示例 DAG (memory_consumption_dag)，然后点击暂停 DAG。

2. 分配额外的工作器内存：

   1. 在“环境配置”标签页中，找到资源 > 工作负载配置，然后点击修改。

   2. 在工作器项中，提高内存上限。在本教程中，请使用 3.25 GB。

   3. 保存更改，并等待几分钟，以便工作器重启。

3. 打开“DAG”标签页，点击示例 DAG 的名称 (memory_consumption_dag)，然后点击取消暂停 DAG。

转到 Monitoring，确认在您之后没有显示新的僵尸任务 更新了工作器资源限制：

图 5. 内存限制发生变化后的僵尸任务图表（点击可放大）

注意： 建议观察在延长期间的环境性能 。例如，在您运行多个 DAG 的生产环境中， 建议您在 24 小时后仔细检查是否没有新的提醒。

摘要

在本教程中，您了解了环境层面的关键运行状况和 性能指标，如何为每个指标设置提醒政策，以及如何 将每项指标解读为纠正措施。然后，您运行了示例 DAG，借助提醒和“监控”图表找出了环境健康问题的根本原因，并通过向工作器分配更多内存来优化环境。不过，建议您 优化 DAG 首先减少工作器资源消耗量 将资源增加到超过特定阈值。

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

删除项目

注意：删除项目会产生以下影响：

• 项目中的所有内容都会被删除。如果您将现有项目用于本文档中的任务，则删除该项目后，还将删除您已在该项目中完成的任何其他工作。
• 自定义项目 ID 丢失。创建此项目时，您可能创建了要在将来使用的自定义项目 ID。要保留使用该项目 ID 的网址（例如 appspot.com 网址），请删除项目内的所选资源，而不是删除整个项目。

如果您打算探索多个架构、教程或快速入门，则重复使用项目可以帮助您避免超出项目配额限制。

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

删除各个资源

如果您打算探索多个教程和快速入门，重复使用项目可以帮助您避免超出项目配额上限。

控制台

1. 删除 Cloud Composer 环境。在此过程中，您还会删除环境的存储桶。
2. 删除您在 Cloud Monitoring 中创建的每项提醒政策。

Terraform

1. 确保您的 Terraform 脚本不包含 项目仍需要的资源例如，您 可能希望让一些 API 保持启用状态， （如果您已将此类定义添加到 Terraform 脚本）。
2. 运行 terraform destroy。
3. 手动删除环境的存储桶。Cloud Composer 不会自动删除该存储桶。您可以通过 Google Cloud 控制台或 Google Cloud CLI 执行此操作。

后续步骤

• 优化环境
• 扩缩环境
• 管理环境标签并细分环境费用