Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3
Questa pagina spiega come ottimizzare la scalabilità e le prestazioni del tuo ambiente alle esigenze del tuo progetto, in modo da migliorare le prestazioni ridurre i costi delle risorse che non vengono utilizzate completamente gestito di Google Cloud.
Altre pagine su scalabilità e ottimizzazione:
- Per informazioni sulla scalabilità degli ambienti, consulta Ambienti di scalabilità.
- Per informazioni sul funzionamento della scalabilità degli ambienti, consulta Scalabilità degli ambienti.
- Per un tutorial sul monitoraggio delle metriche chiave dell'ambiente, consulta Monitora l'integrità e le prestazioni dell'ambiente con le metriche chiave.
Panoramica del processo di ottimizzazione
Le modifiche ai parametri dell'ambiente possono influire su molti aspetti del suo rendimento. Ti consigliamo di ottimizzare l'ambiente in più iterazioni:
- Inizia con le impostazioni predefinite dell'ambiente.
- Esegui i DAG.
- Osserva le prestazioni del tuo ambiente.
- Modifica la scala e i parametri di rendimento dell'ambiente, quindi ripeti il passaggio precedente.
Inizia con i predefiniti di ambiente
Quando crei un ambiente nella console Google Cloud, puoi: seleziona una delle tre preimpostazioni di ambiente. Queste preimpostazioni impostano la configurazione iniziale della scala e del rendimento dell'ambiente. Dopo aver creato l'ambiente, puoi modificare tutti i parametri di scala e rendimento forniti da una preimpostazione.
Ti consigliamo di iniziare con una delle impostazioni predefinite, in base alle seguenti stime:
- Numero totale di DAG che prevedi di implementare nell'ambiente
- Numero massimo di esecuzioni di DAG simultanee
- Numero massimo di attività simultanee
Le prestazioni del tuo ambiente dipendono dall'implementazione di DAG specifici eseguiti nel tuo ambiente. La tabella seguente elenca le stime in base al consumo medio delle risorse. Se prevedi che i tuoi DAG consumino più risorse e modifica le stime di conseguenza.
| Immagine predefinite consigliata | DAG totali | Esecuzioni DAG con numero massimo di attività simultanee | Numero massimo in simultanea attività |
|---|---|---|---|
| Piccolo | 50 | 15 | 18 |
| Media | 250 | 60 | 100 |
| Grande | 1000 | 250 | 400 |
Ad esempio, un ambiente deve eseguire 40 DAG. Tutti i DAG devono essere eseguiti con la stessa ciascuna con un'attività attiva. Questo ambiente utilizza quindi un Mezzo predefinito, perché il numero massimo di esecuzioni e attività di DAG simultanee supera il valore le stime consigliate per la temperatura preimpostata piccola.
Esegui i DAG
Una volta creato l'ambiente, carica i DAG. Esegui i DAG e osserva le prestazioni dell'ambiente.
Ti consigliamo di eseguire i DAG in base a una pianificazione che rifletta l'applicazione reale dei DAG. Ad esempio, se vuoi eseguire più DAG contemporaneamente, assicurati di controllare il rendimento del tuo ambiente quando tutti questi DAG sono in esecuzione contemporaneamente.
Osserva le prestazioni del tuo ambiente
Questa sezione si concentra sugli aspetti più comuni di ottimizzazione delle prestazioni e della capacità di Cloud Composer 2. Ti consigliamo di seguire questa guida passo passo perché vengono trattate per prime le considerazioni sul rendimento più comuni.
Vai alla dashboard Monitoraggio
Puoi monitorare le metriche delle prestazioni del tuo ambiente nella scheda Monitoring dashboard del tuo ambiente.
Per accedere alla dashboard di monitoraggio per il tuo ambiente:
Nella console Google Cloud, vai alla pagina Ambienti.
Fai clic sul nome dell'ambiente.
Vai alla scheda Monitoring.
Monitora le metriche di CPU e memoria dello scheduler
Le metriche di CPU e memoria dello scheduler di Airflow aiutano a controllare se le prestazioni dello scheduler rappresentano un collo di bottiglia nelle prestazioni complessive di Airflow.
Nella dashboard di monitoraggio, nella sezione Pianificatori, osserva i grafici per i pianificatori Airflow del tuo ambiente:
- CPU totale utilizzata dagli scheduler
- Memoria totale utilizzata dagli scheduler
Regola in base alle tue osservazioni:
Se l'utilizzo della CPU dello scheduler è costantemente inferiore al 30-35%, ti consigliamo di:
di Gemini Advanced.Se l'utilizzo della CPU dello scheduler supera l'80% per più di una piccola percentuale del tempo totale, potresti voler:
Monitora il tempo totale di analisi per tutti i file DAG
Gli scheduler analizzano i DAG prima di pianificare le esecuzioni dei DAG. Se l'analisi dei DAG richiede molto tempo, viene consumata la capacità dello scheduler e potrebbero essere ridotte le prestazioni delle esecuzioni dei DAG.
Nella dashboard di Monitoring, nella sezione Statistiche DAG, osserva i grafici per il tempo totale di analisi dei DAG.
Se il numero supera i 10 secondi circa, gli scheduler potrebbero essere sovraccarichi di l'analisi dei DAG e non può eseguire i DAG in modo efficace. La frequenza di analisi del DAG predefinita in Airflow è di 30 secondi. Se il tempo di analisi del DAG supera questa soglia, i cicli di analisi iniziano a sovrapporsi, il che esaurisce la capacità dello scheduler.
In base alle tue osservazioni, potresti voler:
- Semplifica i DAG, incluse le loro dipendenze Python.
- Aumenta l'intervallo di analisi dei file DAG e Aumenta l'intervallo di elenco delle directory dei DAG.
- Aumenta il numero di pianificatori.
- Aumenta la CPU degli scheduler.
Monitora le eliminazioni dei pod dei worker
L'espulsione dei pod può verificarsi quando un determinato pod nel cluster del tuo ambiente raggiunge i limiti di risorse.
Se un pod worker Airflow viene rimosso, tutte le istanze delle attività in esecuzione su quel pod pod vengono interrotti e successivamente contrassegnati come non riusciti da Airflow.
La maggior parte dei problemi relativi all'eliminazione dei pod dei worker si verifica a causa situazioni di esaurimento della memoria nei worker.
Nella sezione Worker della dashboard di Monitoring, osserva i grafici Eliminazioni pod worker per il tuo ambiente.
Il grafico Utilizzo totale della memoria dei worker mostra una prospettiva totale completamente gestito di Google Cloud. Un singolo worker può comunque superare il limite di memoria, anche se l'utilizzo della memoria sia integro a livello di ambiente.
In base alle tue osservazioni, potresti voler:
- Aumenta la memoria disponibile per i worker.
- Riduci la contemporaneità dei worker. In questo modo, un worker singolo gestisce meno attività contemporaneamente. In questo modo, avrai più memoria o stoccaggio per ogni singola attività. Se modifichi la contemporaneità dei worker, potresti anche voler aumentare il numero massimo di worker. In questo modo, il numero di attività che il tuo ambiente può gestire contemporaneamente rimane invariato. Ad esempio, se riduci la contemporaneità dei worker da 12 a 6, potresti voler raddoppiare il numero massimo di worker.
Monitora i worker attivi
Il numero di worker nel tuo ambiente scala automaticamente in risposta a le attività in coda.
Nella dashboard Monitoraggio, nella sezione Worker, osserva i grafici relativi al numero di worker attivi e al numero di attività in coda:
- Worker attivi
- Attività Airflow
Regola in base alle tue osservazioni:
- Se l'ambiente raggiunge spesso il limite massimo per i worker e mentre il numero di attività nella coda Celery è costantemente elevato, può essere utile aumentare il numero massimo di worker.
In caso di lunghi ritardi nella pianificazione tra le attività, ma nello stesso momento in cui l'ambiente non fa lo scale up fino al numero massimo worker, è probabile che esista un'impostazione Airflow che limita dell'esecuzione e impedisce la scalabilità dei meccanismi di Cloud Composer dell'ambiente. Poiché gli ambienti Cloud Composer 2 si scalano in base al numero di attività nella coda di Celery, configura Airflow in modo da non limitare le attività durante l'inserimento nella coda:
- Aumenta la contemporaneità dei worker. La concorrenza dei worker deve essere impostata su un valore superiore al numero massimo di attività simultanee previsto, diviso per il numero massimo di worker nell'ambiente.
- Aumenta la contemporaneità dei DAG, se un singolo DAG è di eseguire in parallelo un numero elevato di attività, il che può portare a il numero massimo di istanze di attività in esecuzione per DAG.
- Aumenta le esecuzioni attive massime per DAG, se esegui lo stesso DAG più volte in parallelo, il che può portare Airflow a limitare l'esecuzione perché viene raggiunto il limite di esecuzioni attive massime per DAG.
Monitora l'utilizzo di CPU e memoria dei worker
Monitora l'utilizzo totale di CPU e memoria aggregato tra tutti i worker nel tuo per determinare se i worker di Airflow utilizzano le risorse del tuo ambiente in modo adeguato.
Nella sezione Worker della dashboard di Monitoring, osserva grafici dell'utilizzo di CPU e memoria da parte dei worker di Airflow:
- Utilizzo totale CPU worker
- Utilizzo totale memoria worker
Questo grafico mostra l'utilizzo aggregato delle risorse. I singoli worker potrebbero comunque raggiungere i limiti di capacità, anche se la visualizzazione aggregata mostra una capacità di riserva.
Modifica in base alle tue osservazioni:
- Se la memoria utilizzata dai worker si avvicina al limite, è possibile che eliminazioni dei pod worker. Per risolvere questo problema, aumenta la memoria dei worker.
- Se la memoria utilizzata è minima rispetto al limite e non sono presenti worker eliminazioni dei pod, ti consigliamo di riduzione della memoria dei worker.
Se l'utilizzo della CPU dei worker si avvicina al limite (supera l'80% per più di qualche percentuale del tempo totale), ti consigliamo di:
- Aumenta il numero di worker. In questo modo, il tuo ambiente avrà un maggiore controllo sulla capacità di provisioning per un determinato carico di lavoro.
- Aumenta la CPU dei worker o riduci la contemporaneità dei worker, se le singole attività richiedono una maggiore allocazione della CPU. In caso contrario, ti consigliamo aumenta il numero di worker.
Monitorare le attività in esecuzione e in coda
Puoi monitorare il numero di attività in coda e in esecuzione per verificare l'efficienza del processo di pianificazione.
Nella sezione Worker della dashboard di Monitoring, osserva il grafico delle attività Airflow per il tuo ambiente.
Le attività in coda sono in attesa di essere eseguite dai worker. Se il tuo ambiente ha attività in coda, ciò potrebbe significare che i worker nel tuo ambiente sono occupati l'esecuzione di altre attività.
Alcune attività di accodamento sono sempre presenti in un ambiente, in particolare durante i picchi di elaborazione. Tuttavia, se noti un numero elevato di attività in coda o una tendenza in crescita nel grafico, questo potrebbe indicare che i worker non hanno capacità sufficienti per elaborare le attività o che Airflow sta limitando l'esecuzione delle attività.
Solitamente si osserva un numero elevato di attività in coda quando il numero raggiunge il livello massimo.
Per risolvere entrambi i problemi:
Monitora l'utilizzo di CPU e memoria del database
I problemi relativi alle prestazioni del database Airflow possono portare all'esecuzione complessiva del DAG che le applicazioni presentino problemi di prestazioni. In genere, l'utilizzo del disco del database non è motivo di preoccupazione perché lo spazio di archiviazione viene esteso automaticamente in base alle esigenze.
Nella dashboard di Monitoring, nella sezione Database SQL, osserva grafici relativi all'utilizzo di CPU e memoria da parte del database Airflow:
- Utilizzo CPU database
- Utilizzo memoria database
Se l'utilizzo della CPU del database supera l'80% per più del 2% del tempo totale, il database è sovraccaricato e richiede il ridimensionamento.
Le impostazioni delle dimensioni del database sono controllate dalla proprietà delle dimensioni dell'ambiente completamente gestito di Google Cloud. Per eseguire il ridimensionamento del database verso l'alto o verso il basso, modifica la dimensione dell'ambiente impostandola su un livello diverso (Piccolo, Medio o Grande). L'aumento delle dimensioni dell'ambiente ne aumenta i costi.
Monitora la latenza della pianificazione delle attività
Se la latenza tra le attività supera i livelli previsti (ad esempio almeno 20 secondi), potrebbe indicare che l'ambiente non è in grado di gestire il carico delle attività generate dalle esecuzioni del DAG.
Puoi visualizzare il grafico della latenza di pianificazione delle attività nell'interfaccia utente di Airflow del tuo ambiente.
In questo esempio, i ritardi (2,5 e 3,5 secondi) rientrano limiti, ma latenze significativamente più elevate potrebbero indicare che:
- Lo scheduler è sovraccarico. Monitora la CPU e la memoria dell'organizzatore per rilevare eventuali segni di potenziali problemi.
- Le opzioni di configurazione di Airflow limitano l'esecuzione. Prova di aumento della contemporaneità dei worker, aumento della contemporaneità dei DAG o aumentando il numero massimo di esecuzioni attive per DAG.
- Non ci sono worker sufficienti per eseguire le attività. Prova a aumentare il numero massimo di worker.
Monitora la CPU e la memoria del server web
Le prestazioni del server web di Airflow influiscono sulla UI di Airflow. Non è frequente che il server web sovraccaricato. In questo caso, le prestazioni dell'interfaccia utente di Airflow potrebbero peggiorare, ma ciò non influisce sulle prestazioni delle esecuzioni del DAG.
Nella dashboard di Monitoring, nella sezione Server web, osserva grafici relativi al server web Airflow:
- Utilizzo CPU server web
- Utilizzo memoria server web
In base alle tue osservazioni:
- Se l'utilizzo della CPU del server web è superiore all'80% per più di qualche percentuale di tempo, Prendi in considerazione l'aumento della CPU del server web.
- Se noti un utilizzo elevato della memoria del server web, valuta la possibilità di aggiungere altra memoria al server web.
Regola i parametri di scalabilità e prestazioni dell'ambiente
Modificare il numero di scheduler
La regolazione del numero di scheduler migliora la capacità degli scheduler e la resilienza della pianificazione Airflow.
Se aumenti il numero di pianificatori, aumenta il traffico verso e da il database Airflow. Consigliamo di utilizzare due scheduler Airflow nella diversi scenari. L'utilizzo di tre pianificatori è necessario solo in rari casi che richiedono considerazioni speciali. Configurazione di più di tre scheduler spesso si riducono a prestazioni dell'ambiente.
Se hai bisogno di una pianificazione più rapida:
- Configura due pianificatori Airflow.
- Assegna più risorse di CPU e memoria agli scheduler di Airflow.
- Aumenta dag-dir-list-interval
- Aumenta min-file-process-interval
- Aumenta job-heartbeat-sec
Esempi:
Console
Segui i passaggi in Regola il numero di scheduler da impostare il numero richiesto di scheduler per il tuo ambiente.
gcloud
Segui i passaggi in Regola il numero di scheduler da impostare il numero richiesto di scheduler per il tuo ambiente.
L'esempio seguente imposta il numero di pianificatori su due:
gcloud composer environments update example-environment \
--scheduler-count=2
Terraform
Segui i passaggi in Regola il numero di scheduler da impostare il numero richiesto di scheduler per il tuo ambiente.
L'esempio seguente imposta il numero di scheduler su due:
resource "google_composer_environment" "example-environment" {
# Other environment parameters
config {
workloads_config {
scheduler {
count = 2
}
}
}
}
Modificare la CPU e la memoria per gli scheduler
I parametri di CPU e memoria si riferiscono a ogni scheduler nel tuo ambiente. Ad esempio, se il tuo ambiente ha due scheduler, la capacità totale è due volte il numero di CPU e memoria specificato.
Console
Segui i passaggi descritti in Modificare i parametri di scalabilità e prestazioni di worker, pianificatori e server web per impostare la CPU e la memoria per i pianificatori.
gcloud
Segui i passaggi descritti in Modificare i parametri di scalabilità e prestazioni di worker, pianificatori e server web per impostare la CPU e la memoria per i pianificatori.
L'esempio seguente modifica la CPU e la memoria per gli scheduler. Puoi specificare solo gli attributi CPU o Memoria, a seconda delle esigenze.
gcloud composer environments update example-environment \
--scheduler-cpu=0.5 \
--scheduler-memory=3.75
Terraform
Segui i passaggi in Regola i parametri di scalabilità e prestazioni di worker, scheduler e server web per impostare CPU e memoria per gli scheduler.
L'esempio seguente modifica la CPU e la memoria per gli scheduler. Tu possono omettere gli attributi di CPU o Memoria, a seconda delle esigenze.
resource "google_composer_environment" "example-environment" {
# Other environment parameters
config {
workloads_config {
scheduler {
cpu = "0.5"
memory_gb = "3.75"
}
}
}
}
Modificare il numero massimo di worker
L'aumento del numero massimo di worker consente all'ambiente di eseguire automaticamente la scalabilità a un numero maggiore di worker, se necessario.
La riduzione del numero massimo di worker riduce la capacità massima dell'ambiente di rete, ma può anche essere utile per ridurre i costi legati all'ambiente.
Esempi:
Console
Segui i passaggi descritti in Modificare il numero minimo e massimo di worker per impostare il numero massimo di worker richiesto per il tuo ambiente.
gcloud
Segui i passaggi descritti in Modificare il numero minimo e massimo di worker per impostare il numero massimo di worker richiesto per il tuo ambiente.
L'esempio seguente imposta il numero massimo di worker su sei:
gcloud composer environments update example-environment \
--max-workers=6
Terraform
Segui i passaggi in Regola il numero minimo e massimo di worker da impostare il numero massimo richiesto di worker per il tuo ambiente.
L'esempio seguente imposta il numero massimo di pianificatori su sei:
resource "google_composer_environment" "example-environment" {
# Other environment parameters
config {
workloads_config {
worker {
max_count = "6"
}
}
}
}
Modifica CPU e memoria dei worker
La riduzione della memoria dei worker può essere utile quando il grafico di utilizzo dei worker indica un utilizzo molto ridotto della memoria.
L'aumento della memoria dei worker consente ai worker di gestire più attività contemporaneamente per gestire attività che richiedono molta memoria. Potrebbe risolvere il problema degli espulsioni dei pod di worker.
La riduzione della CPU worker può essere utile quando il grafico di utilizzo della CPU worker indica che le risorse della CPU sono altamente sovra allocate.
L'aumento della CPU dei worker consente ai worker di gestire più attività contemporaneamente e, in alcuni casi, di ridurre il tempo necessario per elaborarle.
La modifica della CPU o della memoria dei worker riavvia i worker, il che potrebbe influire sulle attività in esecuzione. Ti consigliamo di farlo quando non sono in esecuzione DAG.
I parametri CPU e memoria si riferiscono a ogni worker nel tuo ambiente. Ad esempio, se il tuo ambiente ha quattro worker, la capacità totale è quattro volte il numero specificato di CPU e memoria.
Console
Segui i passaggi descritti in Modificare i parametri di scalabilità e prestazioni di worker, pianificatore e server web per impostare la CPU e la memoria per i worker.
gcloud
Segui i passaggi descritti in Modificare i parametri di scalabilità e prestazioni di worker, scheduler e server web per impostare la CPU e la memoria per i worker.
L'esempio seguente modifica la CPU e la memoria per i worker. Tu può omettere l'attributo CPU o memoria, se necessario.
gcloud composer environments update example-environment \
--worker-memory=3.75 \
--worker-cpu=2
Terraform
Segui i passaggi descritti in Modificare i parametri di scalabilità e prestazioni di worker, pianificatore e server web per impostare la CPU e la memoria per i worker.
L'esempio seguente modifica la CPU e la memoria per i worker. Se necessario, puoi omettere il parametro CPU o memoria.
resource "google_composer_environment" "example-environment" {
# Other environment parameters
config {
workloads_config {
worker {
cpu = "2"
memory_gb = "3.75"
}
}
}
}
Modifica CPU e memoria del server web
La riduzione della CPU o della memoria del server web può essere utile quando il grafico di utilizzo del server web indica che è sottoutilizzato in modo continuo.
La modifica dei parametri del server web riavvia il server web. causando un tempo di inattività temporaneo del server web. Ti consigliamo di apportare modifiche al di fuori dell'orario di utilizzo regolare.
Console
Segui i passaggi descritti in Modificare i parametri di scalabilità e prestazioni di worker, pianificatore e server web per impostare la CPU e la memoria per il server web.
gcloud
Segui i passaggi descritti in Modificare i parametri di scalabilità e prestazioni di worker, scheduler e server web per impostare la CPU e la memoria per il server web.
L'esempio seguente modifica la CPU e la memoria del server web. Puoi omettere gli attributi CPU o memoria, a seconda delle esigenze.
gcloud composer environments update example-environment \
--web-server-cpu=2 \
--web-server-memory=3.75
Terraform
Segui i passaggi in Regola i parametri di scalabilità e prestazioni di worker, scheduler e server web per impostare CPU e memoria per il server web.
L'esempio seguente modifica la CPU e la memoria per il server web. Puoi omettere gli attributi CPU o memoria, a seconda delle esigenze.
resource "google_composer_environment" "example-environment" {
# Other environment parameters
config {
workloads_config {
web_server {
cpu = "2"
memory_gb = "3.75"
}
}
}
}
Modificare le dimensioni dell'ambiente
La modifica delle dimensioni dell'ambiente modifica la capacità di Cloud Composer come componenti di backend, come il database Airflow e la coda Airflow.
- Ti consigliamo di impostare una dimensione inferiore per l'ambiente (ad ad esempio Da Grande a Medio o Da Medio a Piccolo) quando le metriche di utilizzo del database un notevole sottoutilizzo.
Valuta la possibilità di aumentare le dimensioni dell'ambiente se noti l'utilizzo elevato di il database Airflow.
Console
Segui i passaggi descritti in Regolare le dimensioni dell'ambiente per impostare le dimensioni dell'ambiente.
gcloud
Segui i passaggi descritti in Regolare le dimensioni dell'ambiente per impostare le dimensioni dell'ambiente.
Nell'esempio seguente, le dimensioni dell'ambiente vengono impostate su Medie.
gcloud composer environments update example-environment \
--environment-size=medium
Terraform
Segui i passaggi descritti in Regolare le dimensioni dell'ambiente per impostare le dimensioni dell'ambiente.
L'esempio seguente modifica le dimensioni dell'ambiente in Medie.
resource "google_composer_environment" "example-environment" {
# Other environment parameters
config {
environment_size = "medium"
}
}
Modifica dell'intervallo di elenco delle directory dei DAG
L'aumento dell'intervallo di inserimento della directory DAG riduce il carico dello scheduler associato alla scoperta di nuovi DAG nel bucket dell'ambiente.
- Valuta la possibilità di aumentare questo intervallo se esegui il deployment di nuovi DAG raramente.
- Valuta la possibilità di ridurre questo intervallo se vuoi che Airflow reagisca più velocemente ai file DAG appena implementati.
Per modificare questo parametro, esegui l'override del seguente Airflow di configurazione:
| Sezione | Chiave | Valore | Note |
|---|---|---|---|
scheduler |
dag_dir_list_interval |
Nuovo valore per l'intervallo della scheda | Il valore predefinito, in secondi, è 120. |
Modifica dell'intervallo di analisi dei file DAG
L'aumento dell'intervallo di analisi dei file DAG riduce il carico dello scheduler associato con l'analisi continua dei DAG nel bag DAG.
Valuta la possibilità di aumentare questo intervallo quando hai un numero elevato di DAG che non cambiare troppo spesso o di osservare in generale un carico di scheduler elevato.
Per modificare questo parametro, esegui l'override del seguente Airflow di configurazione:
| Sezione | Chiave | Valore | Note |
|---|---|---|---|
scheduler |
min_file_process_interval |
Nuovo valore per l'intervallo di analisi dei DAG | Il valore predefinito, in secondi, è 30. |
Concorrenza dei worker
Le prestazioni della contemporaneità e la capacità dell'ambiente di scalare automaticamente sono connesse a due impostazioni:
- il numero minimo di worker Airflow
- il parametro
[celery]worker_concurrency
I valori predefiniti forniti da Cloud Composer sono ottimali per la maggior parte dei casi d'uso, ma il tuo ambiente potrebbe trarre vantaggio da aggiustamenti personalizzati.
Considerazioni sulle prestazioni della contemporaneità dei worker
Il parametro [celery]worker_concurrency definisce il numero di attività
che un singolo worker può recuperare dalla coda delle attività.
La velocità di esecuzione delle attività dipende da più fattori, come CPU worker, memoria
e il tipo di lavoro stesso.
Scalabilità automatica dei worker
Cloud Composer monitora la coda delle attività e genera worker aggiuntivi per
recuperare le attività in attesa. Impostare [celery]worker_concurrency su un valore elevato significa che ogni worker può acquisire molte attività, quindi in determinate circostanze la coda potrebbe non riempirsi mai, causando l'attivazione della scalabilità automatica.
Ad esempio, in un ambiente Cloud Composer con due worker Airflow,[celery]worker_concurrency impostato su 100 e 200 task in coda,
ogni worker acquisirebbe 100 task. La coda rimane vuota e non viene attivata la scalabilità automatica. Se queste attività richiedono molto tempo, potrebbero verificarsi problemi di prestazioni.
Tuttavia, se le attività sono piccole e rapide da eseguire, un valore elevato nell'impostazione [celery]worker_concurrency potrebbe portare a uno scaling eccessivo.
Ad esempio, se l'ambiente ha 300 attività in coda, Cloud Composer inizia a creare nuovi worker. Ma se il primo
L'esecuzione di 200 attività termina quando i nuovi worker sono pronti, un worker esistente
possono rilevarle. Il risultato finale è che la scalabilità automatica crea nuovi worker, ma
non ci sono attività per loro.
La modifica di [celery]worker_concurrency per casi speciali deve essere basata su
i tempi di esecuzione delle attività di picco e sui numeri di coda:
- Per le attività che richiedono più tempo per essere completate, i lavoratori non devono essere in grado di svuotare completamente la coda.
- Per attività più brevi e piccole, aumenta il numero minimo di worker Airflow per evitare una scalabilità eccessiva.
Sincronizzazione dei log delle attività
I worker di Airflow dispongono di un componente che sincronizza i log di esecuzione delle attività di archiviazione dei bucket Cloud Storage. Un numero elevato di attività simultanee eseguite da parte di un singolo worker comporta un elevato numero di richieste di sincronizzazione. Ciò potrebbe sovraccaricare il tuo worker e causare problemi di prestazioni.
Se noti problemi di prestazioni dovuti a un numero elevato di traffico di sincronizzazione dei log, riduci i valori [celery]worker_concurrency e regola il numero minimo di worker Airflow.
Modificare la concorrenza dei worker
La modifica di questo parametro regola il numero di attività che un singolo worker possono essere eseguiti contemporaneamente.
Ad esempio, un worker con CPU 0,5 può in genere gestire 6 attività simultanee; un con tre di questi worker possono gestire fino a 18 attività simultanee.
Aumenta questo parametro quando ci sono attività in attesa in coda e il tuo i worker utilizzano contemporaneamente una bassa percentuale di CPU e memoria.
Riduci questo parametro quando si verificano espulsioni dei pod; in questo modo, verrà ridotto il numero di attività che un singolo worker tenta di elaborare. Come alternativa, puoi aumentare la memoria dei worker.
Il valore predefinito per la concorrenza dei worker è uguale a:
- In Airflow 2.6.3 e versioni successive, un valore minimo pari a
32,12 * worker_CPUe6 * worker_memory. - Nelle versioni Airflow precedenti alla 2.6.3, un valore minimo pari a
32,12 * worker_CPUe8 * worker_memory. - Nelle versioni di Airflow precedenti alla 2.3.3,
12 * worker_CPU.
Il valore worker_CPU è il numero di CPU allocate a un singolo worker. Il valore worker_memory è la quantità di memoria allocata a un singolo worker. Ad esempio, se i worker nel tuo ambiente utilizzano ciascuno 0,5 CPU e 4 GB di memoria, la concorrenza dei worker è impostata su 6. Il valore della concorrenza dei worker non dipende dal numero di worker nel tuo ambiente.
Per modificare questo parametro, esegui l'override della seguente opzione di configurazione di Airflow:
| Sezione | Chiave | Valore |
|---|---|---|
celery |
worker_concurrency |
Nuovo valore per la concorrenza dei worker |
Modificare la concorrenza DAG
La contemporaneità dei DAG definisce il numero massimo di istanze di attività che è possibile eseguire contemporaneamente in ogni DAG. Aumentalo quando i DAG eseguono un numero elevato di attività contemporaneamente. Se questa impostazione è bassa, lo scheduler ritarda l'invio, mettere in coda attività, il che riduce anche l'efficienza dell'ambiente e la scalabilità automatica.
Per modificare questo parametro, esegui l'override del seguente Airflow di configurazione:
| Sezione | Chiave | Valore | Note |
|---|---|---|---|
core |
max_active_tasks_per_dag |
Nuovo valore per la concorrenza DAG | Il valore predefinito è 16 |
Aumenta il numero massimo di esecuzioni attive per DAG
Questo attributo definisce il numero massimo di esecuzioni di DAG attive per DAG. Quando lo stesso DAG deve essere eseguito più volte contemporaneamente, ad esempio con argomenti di input diversi, questo attributo consente allo scheduler di avviare queste esecuzioni in parallelo.
Per modificare questo parametro, esegui l'override della seguente opzione di configurazione di Airflow:
| Sezione | Chiave | Valore | Note |
|---|---|---|---|
core |
max_active_runs_per_dag |
Nuovo valore per le esecuzioni attive massime per DAG | Il valore predefinito è 25 |
Passaggi successivi
- Scala gli ambienti
- Informazioni sulla scalabilità degli ambienti
- Esegui l'override delle configurazioni Airflow
- Monitora l'integrità e le prestazioni dell'ambiente con le metriche chiave