Fehlerbehebung bei DAGs

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Diese Seite enthält Schritte zur Fehlerbehebung und Informationen für gängige Workflows Probleme.

Viele Probleme bei der DAG-Ausführung werden durch eine nicht optimale Umgebungsleistung verursacht. Sie können Ihre Cloud Composer 2-Umgebung optimieren, indem Sie der Anleitung Optimize Leitfaden zu Umgebungsleistung und -kosten.

Einige Probleme bei der DAG-Ausführung können durch den Airflow-Planer verursacht werden nicht richtig oder optimal funktioniert. Bitte folgen Sie Anleitung zur Fehlerbehebung für den Planer um diese Probleme zu lösen.

Fehlerbehebung beim Workflow

So beginnen Sie mit der Fehlerbehebung:

  1. Prüfen Sie die Airflow-Logs.

    Sie können die Logging-Ebene von Airflow erhöhen, indem Sie die folgende Airflow-Konfigurationsoption überschreiben.

    Airflow 2

    Bereich Schlüssel Wert
    logging logging_level Der Standardwert ist INFO. Legen Sie DEBUG fest, um die Ausführlichkeit von Logeinträgen zu erhöhen.

    Airflow 1

    Bereich Schlüssel Wert
    core logging_level Der Standardwert ist INFO. Legen Sie DEBUG fest, um die Ausführlichkeit von Logeinträgen zu erhöhen.

  2. Prüfen Sie das Monitoring-Dashboard.

  3. Machen Sie sich mit Cloud Monitoring vertraut.

  4. Suchen Sie in der Google Cloud Console auf den Seiten für Komponenten Ihrer Umgebung.

  5. Auf der Airflow-Weboberfläche in der Graph View des DAG fehlgeschlagenen Aufgabeninstanzen.

    Bereich Schlüssel Wert
    webserver dag_orientation LR, TB, RL oder BT

Fehlerbehebung bei Operatorfehlern

So beheben Sie Operatorfehler:

  1. Suchen Sie nach aufgabenspezifischen Fehlern.
  2. Prüfen Sie die Airflow-Logs.
  3. Cloud Monitoring ansehen
  4. Prüfen Sie die anbieterspezifischen Protokolle.
  5. Beheben Sie die Fehler.
  6. Laden Sie den DAG in den Ordner dags/ hoch.
  7. In der Airflow-Weboberfläche löschen Sie die vergangenen Status für den DAG.
  8. Setzen Sie den DAG fort oder führen Sie ihn aus.

Fehlerbehebung bei der Aufgabenausführung

Airflow ist ein verteiltes System mit vielen Entitäten wie Scheduler, Executor und Workern, die über eine Task-Warteschlange und die Airflow-Datenbank miteinander kommunizieren und Signale senden (z. B. SIGTERM). Das folgende Diagramm zeigt eine Übersicht über die Verbindungen zwischen Airflow-Komponenten.

Interaktion zwischen Airflow-Komponenten
Abbildung 1. Interaktion zwischen Airflow-Komponenten (zum Vergrößern anklicken)

In einem verteilten System wie Airflow kann es zu Netzwerkverbindungsproblemen oder zu zeitweiligen Problemen mit der zugrunde liegenden Infrastruktur kommen. Dies kann dazu führen, dass Aufgaben fehlschlagen und neu geplant werden oder nicht erfolgreich abgeschlossen werden (z. B. Zombie-Aufgaben oder Aufgaben, die bei der Ausführung hängen geblieben sind). Airflow bietet Mechanismen, um mit solchen Situationen umzugehen und den normalen Betrieb automatisch wieder aufzunehmen. In den folgenden Abschnitten werden häufige Probleme beschrieben, die bei der Ausführung von Aufgaben durch Airflow auftreten: Zombie-Aufgaben, Poison-Pills und SIGTERM-Signale.

Fehlerbehebung bei Zombie-Aufgaben

Airflow erkennt zwei Arten von Diskrepanzen zwischen einer Aufgabe und einem Prozess, der ausgeführt wird die Aufgabe:

  • Zombie-Aufgaben sind Aufgaben, die ausgeführt werden sollten, aber nicht ausgeführt werden. Dies kann passieren, wenn der Prozess der Aufgabe beendet wurde oder nicht antworten, wenn der Airflow-Worker den Aufgabenstatus nicht rechtzeitig gemeldet hat weil sie überlastet ist oder die VM, auf der die Aufgabe ausgeführt wird, heruntergefahren wurde. Airflow findet solche Aufgaben regelmäßig und schlägt sie je nach den Einstellungen der Aufgabe fehl oder versucht, sie noch einmal auszuführen.

    Entdecke die Zombie-Aufgaben

    resource.type="cloud_composer_environment"
resource.labels.environment_name="ENVIRONMENT_NAME"
log_id("airflow-scheduler")
textPayload:"Detected zombie job"

  • Untote Aufgaben sind Aufgaben, die normalerweise nicht ausgeführt werden. Airflow-Ergebnisse und beendet sie regelmäßig.

Im Folgenden finden Sie die häufigsten Gründe und Lösungen für Zombie-Aufgaben.

Airflow-Worker hat nicht genügend Arbeitsspeicher

Jeder Airflow-Worker kann bis zu [celery]worker_concurrency Aufgabeninstanzen gleichzeitig ausführen. Wenn die kumulative Arbeitsspeichernutzung dieser Aufgabeninstanzen das Arbeitsspeicherlimit für einen Airflow-Worker überschreitet, wird ein zufälliger Prozess darauf beendet, um Ressourcen freizugeben.

Ereignisse mit unzureichendem Arbeitsspeicher in Airflow-Workern ermitteln

resource.type="k8s_node"
resource.labels.cluster_name="GKE_CLUSTER_NAME"
log_id("events")
jsonPayload.message:"Killed process"
jsonPayload.message:("airflow task" OR "celeryd")

Lösungen:

Airflow-Worker wurde entfernt

Pod-Bereinigungen sind ein normaler Teil der Ausführung von Arbeitslasten in Kubernetes. GKE entfernt Pods, wenn kein Speicherplatz mehr vorhanden ist oder sie freigegeben werden. und Ressourcen für Arbeitslasten mit höherer Priorität bereitstellen.

Airflow-Worker-Bereinigungen erkennen

resource.type="k8s_pod"
resource.labels.cluster_name="GKE_CLUSTER_NAME"
resource.labels.pod_name:"airflow-worker"
log_id("events")
jsonPayload.reason="Evicted"

Lösungen:

  • Wenn eine Bereinigung durch zu wenig Speicherplatz verursacht wird, können Sie den Speicherplatz reduzieren verwenden oder temporäre Dateien entfernen, sobald sie nicht mehr benötigt werden. Alternativ können Sie den verfügbaren Speicherplatz erhöhen oder Arbeitslasten in einem speziellen Pod mit KubernetesPodOperator ausführen.

Airflow-Arbeiter wurde beendet

Airflow-Worker können extern entfernt werden. Wenn derzeit ausgeführte Aufgaben während der ordnungsgemäßen Beendigung nicht abgeschlossen werden, werden sie unterbrochen und können als Zombies erkannt werden.

Beendigung von Airflow-Worker-Pods erkennen

resource.type="k8s_cluster"
resource.labels.cluster_name="GKE_CLUSTER_NAME"
protoPayload.methodName:"pods.delete"
protoPayload.response.metadata.name:"airflow-worker"

Mögliche Szenarien und Lösungen:

  • Airflow-Worker werden bei Umgebungsänderungen wie Upgrades oder Paketinstallationen neu gestartet:

    Änderungen an der Composer-Umgebung erkennen

    resource.type="cloud_composer_environment"
resource.labels.environment_name="ENVIRONMENT_NAME"
log_id("cloudaudit.googleapis.com%2Factivity")

    Sie können solche Vorgänge ausführen, wenn keine kritischen Aufgaben ausgeführt werden, oder Wiederholungsversuche von Aufgaben.

  • Während der Wartungsarbeiten sind verschiedene Komponenten möglicherweise vorübergehend nicht verfügbar:

    GKE-Wartungsvorgänge

    resource.type="gke_nodepool"
resource.labels.cluster_name="GKE_CLUSTER_NAME"
protoPayload.metadata.operationType="UPGRADE_NODES"

    Sie können Wartungsfenster angeben, um Überschneidungen mit der Ausführung kritischer Aufgaben zu minimieren.

  • In Cloud Composer 2-Versionen vor 2.4.5 kann ein beendeter Airflow-Arbeiter das SIGTERM-Signal ignorieren und Aufgaben weiterhin ausführen:

    Herunterskalieren durch Composer-Autoscaling kennenlernen

    resource.type="cloud_composer_environment"
resource.labels.environment_name="ENVIRONMENT_NAME"
log_id("airflow-worker-set")
textPayload:"Workers deleted"

    Sie können ein Upgrade auf eine neuere Cloud Composer-Version durchführen, bei der diese wurde behoben.

Airflow-Worker war stark ausgelastet

Die Menge der CPU- und Arbeitsspeicherressourcen, die für einen Airflow-Worker verfügbar sind, wird durch die Konfiguration der Umgebung begrenzt. Wenn sich eine Auslastung den Limits nähert, Dies würde zu Ressourcenkonflikten und unnötigen Verzögerungen während der Aufgabe führen. Ausführung. In extremen Situationen, in denen während längerer Zeiträume nicht genügend Ressourcen zur Verfügung stehen kann dies zu Zombie-Aufgaben führen.

Lösungen:

Die Airflow-Datenbank war stark ausgelastet

Eine Datenbank wird von verschiedenen Airflow-Komponenten verwendet, um miteinander zu kommunizieren und insbesondere Heartbeats von Aufgabeninstanzen zu speichern. Ressourcenmangel auf der führen zu längeren Abfragezeiten und können die Ausführung von Aufgaben beeinträchtigen.

Lösungen:

Airflow-Datenbank war vorübergehend nicht verfügbar

Es kann einige Zeit dauern, bis Airflow-Worker zeitweise auftretende wie temporäre Verbindungsprobleme. Möglicherweise wird der Standardwert überschritten Schwellenwert für die Zombie-Erkennung.

Airflow-Zeitüberschreitungen für Heartbeats ermitteln

resource.type="cloud_composer_environment"
resource.labels.environment_name="ENVIRONMENT_NAME"
log_id("airflow-worker")
textPayload:"Heartbeat time limit exceeded"

Lösungen:

  • Erhöhen Sie das Zeitlimit für Zombie-Aufgaben und überschreiben Sie den Wert der Airflow-Konfigurationsoption [scheduler]scheduler_zombie_task_threshold:

    Bereich Schlüssel Wert Hinweise
    scheduler scheduler_zombie_task_threshold Neues Zeitlimit (in Sekunden) Der Standardwert ist 300.

Fehlerbehebung bei Poison Pill

Poison Pill ist ein Mechanismus, mit dem Airflow-Aufgaben in Airflow beendet werden.

In folgenden Fällen wird in Airflow die Poison Pill verwendet:

  • Wenn ein Planer eine Aufgabe beendet, die nicht rechtzeitig abgeschlossen wurde.
  • Wenn eine Aufgabe das Zeitlimit überschreitet oder zu lange ausgeführt wird.

Wenn in Airflow die Poison Pill verwendet wird, sehen Sie in den Logs eines Airflow-Workers, der die Aufgabe ausgeführt hat, die folgenden Logeinträge:

  INFO - Subtask ... WARNING - State of this instance has been externally set
  to success. Taking the poison pill.
  INFO - Subtask ... INFO - Sending Signals.SIGTERM to GPID <X>
  INFO - Subtask ... ERROR - Received SIGTERM. Terminating subprocesses.

Mögliche Lösungen:

  • Prüfen Sie den Aufgabencode auf Fehler, die dazu führen könnten, dass die Ausführung zu lange dauert.
  • (Cloud Composer 2) Erhöhen Sie die CPU und den Arbeitsspeicher für Airflow damit Aufgaben schneller ausgeführt werden.

  • Erhöhen Sie den Wert der Airflow-Konfigurationsoption [celery_broker_transport_options]visibility-timeout.

    Daher wartet der Planer länger auf den Abschluss einer Aufgabe. bevor er sie als Zombieaufgabe erachtet. Diese Option ist besonders für zeitaufwendige Aufgaben geeignet, die viele Stunden dauern. Wenn wenn der Wert zu niedrig ist (z. B. 3 Stunden), berücksichtigt der Planer Aufgaben, die 5 oder 6 Stunden lang als „aufgehängt“ ausgeführt werden (Zombie-Aufgaben).

  • Erhöhen Sie den Wert der Airflow-Konfigurationsoption [core]killed_task_cleanup_time.

    Mit einem längeren Wert haben Airflow-Worker mehr Zeit für die Ausführung ihrer Aufgaben. anmutig. Ist der Wert zu niedrig, werden Airflow-Aufgaben möglicherweise abrupt unterbrochen, ohne dass sie ordnungsgemäß abgeschlossen werden können.

Fehlerbehebung bei SIGTERM-Signalen

SIGTERM-Signale werden von Linux verwendet, Kubernetes, Airflow-Planer und Celery, um Prozesse zu beenden, die für oder Airflow-Workern oder Airflow-Tasks.

Es kann mehrere Gründe dafür geben, dass SIGTERM-Signale in einer Umgebung gesendet werden:

  • Eine Aufgabe ist zu einer Zombie-Aufgabe geworden und muss beendet werden.

  • Der Planer entdeckt ein Duplikat einer Aufgabe und schickt die Giftpille und SIGTERM signalisiert der Aufgabe, sie zu stoppen.

  • Beim horizontalen Pod-Autoscaling sendet die GKE-Steuerungsebene SIGTERM-Signale, um Pods zu entfernen, die nicht mehr benötigt werden.

  • Der Planer kann SIGTERM-Signale an den DagFileProcessorManager-Prozess senden. Solche SIGTERM-Signale werden vom Scheduler verwendet, um den Lebenszyklus des DagFileProcessorManager-Prozesses zu verwalten, und können ignoriert werden.

    Beispiel:

    Launched DagFileProcessorManager with pid: 353002
Sending Signals.SIGTERM to group 353002. PIDs of all processes in the group: []
Sending the signal Signals.SIGTERM to group 353002
Sending the signal Signals.SIGTERM to process 353002 as process group is missing.

  • Race Condition zwischen dem Heartbeat-Callback und den Exit-Callbacks in local_task_job, der die Ausführung der Aufgabe überwacht. Wenn der Herzschlag erkennt, dass eine Aufgabe als erfolgreich markiert wurde, kann jedoch nicht unterscheiden, die Aufgabe selbst erfolgreich war oder dass Airflow angewiesen wurde, die Aufgabe erfolgreich war. Trotzdem wird ein Task-Runner beendet, ohne auf das Ende zu warten.

    Solche SIGTERM-Signale können ignoriert werden. Die Aufgabe hat bereits den Status „Erfolgreich“ und die Ausführung der DAG-Ausführung insgesamt wird nicht beeinträchtigt.

    Der Logeintrag Received SIGTERM. ist der einzige Unterschied zwischen dem regulären Beenden und dem Beenden der Aufgabe im Status „Erfolgreich“.

    Race-Bedingung zwischen dem Heartbeat- und dem Exit-Callback
    Abbildung 2: Race Condition zwischen dem Heartbeat und dem Exit-Callback (zum Vergrößern anklicken)

  • Eine Airflow-Komponente nutzt mehr Ressourcen (CPU, Arbeitsspeicher), als vom Clusterknoten zulässig ist.

  • Der GKE-Dienst führt Wartungsvorgänge aus und sendet SIGTERM-Signale an Pods, die auf einem Knoten ausgeführt werden, der gerade aktualisiert wird. Wenn eine Aufgabeninstanz mit SIGTERM beendet wird, wird das folgende Log angezeigt: Einträge in den Logs eines Airflow-Workers, der die Aufgabe ausgeführt hat:

{local_task_job.py:211} WARNING - State of this instance has been externally
set to queued. Terminating instance. {taskinstance.py:1411} ERROR - Received
SIGTERM. Terminating subprocesses. {taskinstance.py:1703} ERROR - Task failed
with exception

Mögliche Lösungen:

Dieses Problem tritt auf, wenn eine VM, auf der die Aufgabe ausgeführt wird, nicht genügend Arbeitsspeicher hat. Dies hängt nicht mit Airflow-Konfigurationen zusammen, sondern mit der für die VM verfügbaren Arbeitsspeichermenge.

Das Erhöhen des Arbeitsspeichers hängt von der Cloud Composer-Version ab die Sie verwenden. Beispiel:

  • In Cloud Composer 2 können Sie Airflow weitere CPU- und Arbeitsspeicherressourcen zuweisen Arbeiter.

  • Bei Cloud Composer 1 können Sie Ihre Umgebung mit einem leistungsstärkeren Maschinentyp neu erstellen.

  • In beiden Versionen von Cloud Composer können Sie den Wert der Airflow-Konfigurationsoption [celery]worker_concurrency für die Parallelität senken. Mit dieser Option wird festgelegt, wie viele Aufgaben von einem bestimmten Airflow-Worker gleichzeitig ausgeführt werden.

Weitere Informationen zum Optimieren Ihrer Cloud Composer 2-Umgebung finden Sie unter Umgebungsleistung und ‑kosten optimieren.

Cloud Logging-Abfragen zur Ermittlung von Gründen für Pod-Neustarts oder -Aussetzungen

Cloud Composer-Umgebungen verwenden GKE-Cluster als Computing-Infrastruktur Ebene. In diesem Abschnitt finden Sie nützliche Abfragen, Gründe für Neustarts oder Bereinigungen von Airflow-Workern oder Airflow-Planern ermitteln.

Die unten aufgeführten Abfragen könnten so optimiert werden:

  • Sie können in Cloud Logging einen für Sie interessanten Zeitraum angeben, z. B. die letzten 6 Stunden oder 3 Tage. Sie können auch einen benutzerdefinierten Zeitraum festlegen.

  • Sie sollten die CLUSTER_NAME

  • Sie können die Suche auch auf einen bestimmten Pod beschränken, indem Sie den POD_NAME

Neu gestartete Container finden

    resource.type="k8s_node"
    log_id("kubelet")
    jsonPayload.MESSAGE:"will be restarted"
    resource.labels.cluster_name="CLUSTER_NAME"

Alternative Abfrage, um die Ergebnisse auf einen bestimmten Pod zu beschränken:

    resource.type="k8s_node"
    log_id("kubelet")
    jsonPayload.MESSAGE:"will be restarted"
    resource.labels.cluster_name="CLUSTER_NAME"
    "POD_NAME"

Erkennen, dass Container aufgrund eines Ereignisses des unzureichenden Arbeitsspeichers heruntergefahren wurden

    resource.type="k8s_node"
    log_id("events")
    (jsonPayload.reason:("OOMKilling" OR "SystemOOM")
      OR jsonPayload.message:("OOM encountered" OR "out of memory"))
    severity=WARNING
    resource.labels.cluster_name="CLUSTER_NAME"

Alternative Abfrage, um die Ergebnisse auf einen bestimmten Pod zu beschränken:

    resource.type="k8s_node"
    log_id("events")
    (jsonPayload.reason:("OOMKilling" OR "SystemOOM")
      OR jsonPayload.message:("OOM encountered" OR "out of memory"))
    severity=WARNING
    resource.labels.cluster_name="CLUSTER_NAME"
    "POD_NAME"

Container ermitteln, die nicht mehr ausgeführt werden

    resource.type="k8s_node"
    log_id("kubelet")
    jsonPayload.MESSAGE:"ContainerDied"
    severity=DEFAULT
    resource.labels.cluster_name="CLUSTER_NAME"

Alternative Abfrage, um die Ergebnisse auf einen bestimmten Pod zu beschränken:

    resource.type="k8s_node"
    log_id("kubelet")
    jsonPayload.MESSAGE:"ContainerDied"
    severity=DEFAULT
    resource.labels.cluster_name="CLUSTER_NAME"
    "POD_NAME"

Auswirkungen von Aktualisierungs- oder Upgradevorgängen auf die Ausführung von Airflow-Aufgaben

Aktualisierungs- oder Upgradevorgänge unterbrechen derzeit ausgeführte Airflow-Aufgaben, es sei denn, eine Aufgabe wird im Modus mit verzögerbarer Ausführung ausgeführt.

Wir empfehlen, diese Vorgänge auszuführen, wenn Sie mit minimalen Auswirkungen auf die Ausführung von Airflow-Aufgaben rechnen, und entsprechende Wiederholungsmechanismen in Ihren DAGs und Aufgaben einzurichten.

Fehlerbehebung bei KubernetesExecutor-Aufgaben

CeleryKubernetesExecutor ist ein Executor-Typ in Cloud Composer 3, der CeleryExecutor und KubernetesExecutor gleichzeitig verwenden kann.

Weitere Informationen zur Fehlerbehebung bei Aufgaben, die mit KubernetesExecutor ausgeführt werden, finden Sie auf der Seite CeleryKubernetesExecutor verwenden.

Allgemeine Probleme

In den folgenden Abschnitten werden Symptome und mögliche Lösungen für einige häufig auftretende DAG-Probleme beschrieben.

Airflow-Aufgabe wurde von Negsignal.SIGKILL unterbrochen

Manchmal beansprucht Ihre Aufgabe mehr Arbeitsspeicher, als dem Airflow-Worker zugewiesen ist. In einer solchen Situation kann es zu einer Unterbrechung durch Negsignal.SIGKILL kommen. Das System sendet dieses Signal, um einen weiteren Speicherverbrauch zu vermeiden, der sich auf anderer Airflow-Aufgaben ausgeführt werden. Im Log des Airflow-Workers wird möglicherweise der folgende Logeintrag angezeigt:

{local_task_job.py:102} INFO - Task exited with return code Negsignal.SIGKILL

Negsignal.SIGKILL kann auch als Code -9 angezeigt werden.

Mögliche Lösungen:

  • Niedrigere worker_concurrency von Airflow-Workern.

  • Erhöhen Sie bei Cloud Composer 2 den Arbeitsspeicher der Airflow-Worker.

  • Führen Sie bei Cloud Composer 1 ein Upgrade auf einen größeren Maschinentyp durch, der im Cloud Composer-Cluster verwendet wird.

  • Optimieren Sie Ihre Aufgaben, um weniger Arbeitsspeicher zu verbrauchen.

  • Verwalten Sie ressourcenintensive Aufgaben in Cloud Composer mit KubernetesPodOperator oder GKEStartPodOperator für Aufgabenisolierung und benutzerdefinierte Ressourcenzuweisung.

Aufgabe schlägt fehl, ohne Logs aufgrund von DAG-Parsing-Fehlern auszugeben

Manchmal gibt es subtile DAG-Fehler, die dazu führen, dass ein Airflow-Planer und ein DAG-Prozessor Aufgaben zur Ausführung planen und eine DAG-Datei parsen können, der Airflow-Worker jedoch keine Aufgaben aus einem solchen DAG ausführen kann, da es Programmierfehler in der Python-DAG-Datei gibt. Dies könnte zu einer Situation führen, in der eine Airflow-Aufgabe als Failed markiert ist und es gibt kein Protokoll für die Ausführung.

Lösungen:

  • Prüfen Sie in den Airflow-Worker-Logs, dass keine Fehler auftreten, Airflow-Worker im Zusammenhang mit fehlenden DAG- oder DAG-Parsing-Fehlern.

  • Anzahl der Parameter in Bezug auf das DAG-Parsing erhöhen:

    • Erhöhen Sie dagbag-import-timeout auf mindestens 120 Sekunden (bei Bedarf auch mehr).

    • Erhöhung dag-file-processor-timeout auf mindestens 180 Sekunden (oder mehr, falls erforderlich). Dieser Wert muss größer als dagbag-import-timeout sein.

  • Siehe auch DAG-Prozessorlogs prüfen

Aufgabe schlägt fehl, ohne dass Logs aufgrund von Ressourcenmangel ausgegeben werden

Symptom: Während der Ausführung einer Aufgabe ist der Unterprozess des Airflow-Workers für für die Airflow-Taskausführung abrupt unterbrochen wird. Der im Airflow-Worker-Log sichtbare Fehler sieht möglicherweise so aus:

...
File "/opt/python3.8/lib/python3.8/site-packages/celery/app/trace.py", line 412, in trace_task    R = retval = fun(*args, **kwargs)  File "/opt/python3.8/lib/python3.8/site-packages/celery/app/trace.py", line 704, in __protected_call__    return self.run(*args, **kwargs)  File "/opt/python3.8/lib/python3.8/site-packages/airflow/executors/celery_executor.py", line 88, in execute_command    _execute_in_fork(command_to_exec)  File "/opt/python3.8/lib/python3.8/site-packages/airflow/executors/celery_executor.py", line 99, in _execute_in_fork
raise AirflowException('Celery command failed on host: ' + get_hostname())airflow.exceptions.AirflowException: Celery command failed on host: airflow-worker-9qg9x
...

Lösung:

Aufgabe schlägt fehl, ohne dass Logs aufgrund der Pod-Bereinigung ausgegeben werden

Google Kubernetes Engine-Pods unterliegen den Kubernetes-Pod-Lebenszyklus und Pod-Entfernung Aufgabe Spitzen und eine gemeinsame Planung von Workern sind zwei der häufigsten Ursachen für die Bereinigung von Pods in Cloud Composer.

Eine Pod-Bereinigung kann auftreten, wenn ein bestimmter Pod Ressourcen eines Knotens relativ zu den konfigurierten Erwartungen in Sachen Ressourcenverbrauch für den Knoten übernutzt. Beispiel: Eine Bereinigung kann auftreten, wenn mehrere speicherintensive Aufgaben in einem Pod ausgeführt werden und ihre kombinierte Last dazu führt, dass der Knoten, auf dem dieser Pod ausgeführt wird, das Limit für den Arbeitsspeicherverbrauch überschreitet.

Wenn ein Airflow-Worker-Pod bereinigt wird, werden alle auf diesem Pod ausgeführten Aufgabeninstanzen unterbrochen und später von Airflow als fehlgeschlagen markiert.

Logs werden zwischengespeichert. Wenn ein Worker-Pod entfernt wird, bevor der Zwischenspeicher geleert wurde, werden keine Logs ausgegeben. Ein Aufgabenfehler ohne Logs ist ein Hinweis darauf, dass die Airflow-Worker aufgrund von zu wenig Arbeitsspeicher neu gestartet werden. In Cloud Logging sind möglicherweise einige Logs vorhanden, obwohl die Airflow-Logs nicht ausgegeben wurden.

So können die Logs angezeigt werden:

  1. Rufen Sie in der Google Cloud Console die Seite Umgebungen auf.

    Zur Seite Umgebungen

  2. Klicken Sie in der Liste der Umgebungen auf den Namen Ihrer Umgebung. Die Seite Umgebungsdetails wird geöffnet.

  3. Rufen Sie den Tab Logs auf.

  4. Rufen Sie die Logs einzelner Worker unter Alle Logs -> Airflow-Logs -> Worker -> (einzelner Worker) auf.

Die DAG-Ausführung ist speicherseitig begrenzt. Jede Ausführung einer Aufgabe beginnt mit zwei Airflow-Prozessen: Ausführung und Monitoring. Jeder Knoten kann bis zu 6 Aufgaben gleichzeitig ausführen (ungefähr 12 Prozesse mit Airflow-Modulen). Je nach Art des DAG wird möglicherweise mehr Arbeitsspeicher belegt.

Symptom:

  1. Rufen Sie in der Google Cloud Console die Seite Arbeitslasten auf.

    Zu Arbeitslasten

  2. Wenn airflow-worker-Pods vorhanden sind, die Evicted anzeigen, klicken Sie auf die einzelnen bereinigten Pods und suchen Sie oben im Fenster nach folgender Meldung: The node was low on resource: memory.

Lösung:

  • Erstellen Sie in Cloud Composer 1 eine neue Cloud Composer-Umgebung mit einen größeren Maschinentyp als die aktuelle Maschine. Typ.
  • Erhöhen Sie in Cloud Composer 2 die Arbeitsspeicherlimits für Airflow-Worker.
  • Prüfen Sie die Logs von airflow-worker-Pods auf mögliche Ursachen für die Entfernung. Weitere Informationen zum Abrufen von Logs aus einzelnen Pods finden Sie unter Probleme mit bereitgestellten Arbeitslasten beheben.
  • Achten Sie darauf, dass die Aufgaben im DAG idempotent und wiederholbar sind.

  • Laden Sie keine unnötigen Dateien in das lokale Dateisystem von Airflow-Workern herunter.

    Airflow-Worker haben eine begrenzte Kapazität des lokalen Dateisystems. In Cloud Composer 2 kann ein Worker beispielsweise 1 bis 10 GB Speicher haben. Wenn der Parameter nicht genügend Speicherplatz vorhanden ist, wird der Airflow-Worker-Pod GKE-Steuerungsebene. Dadurch schlagen alle Aufgaben fehl, die der entfernte Worker ausgeführt hat.

    Beispiele für problematische Vorgänge:

    • Dateien oder Objekte herunterladen und lokal in einem Airflow speichern Worker. Speichern Sie diese Objekte stattdessen direkt in einem geeigneten Dienst wie einem Cloud Storage-Bucket.
    • Zugriff auf große Objekte im Ordner /data über einen Airflow-Worker Der Airflow-Worker lädt das Objekt in sein lokales Dateisystem herunter. Implementieren Sie stattdessen Ihre DAGs, damit große Dateien außerhalb des Airflow-Worker-Pods verarbeitet werden.

Zeitüberschreitung beim Laden des DAG

Symptom:

  • Auf der Airflow-Weboberfläche wird oben auf der Seite mit der Liste der DAGs eine rote Warnung angezeigt. Feld zeigt Broken DAG: [/path/to/dagfile] Timeout.

  • In Cloud Monitoring: Die airflow-scheduler-Logs enthalten Einträge wie beispielsweise die folgenden:

    • ERROR - Process timed out
    • ERROR - Failed to import: /path/to/dagfile
    • AirflowTaskTimeout: Timeout

Lösung:

Überschreiben Sie die Airflow-Konfiguration dag_file_processor_timeout und legen Sie mehr Zeit für das DAG-Parsen fest:

Bereich Schlüssel Wert
core dag_file_processor_timeout Neuer Wert für die Zeitüberschreitung

DAG-Ausführung endet nicht innerhalb der erwarteten Zeit

Symptom:

Manchmal endet eine DAG-Ausführung nicht, weil Airflow-Aufgaben hängen bleiben und die DAG-Ausführung länger als erwartet dauert. Unter normalen Bedingungen bleiben im Status „Warteschlange“ oder „Wird ausgeführt“ unbegrenzt, da Airflow Bereinigungsverfahren, die dazu beitragen, diese Situation zu vermeiden.

Lösung:

  • Verwenden Sie den Parameter dagrun_timeout für die DAGs. Beispiel: dagrun_timeout=timedelta(minutes=120). Daher muss jede DAG-Ausführung die innerhalb des Zeitlimits für die DAG-Ausführung abgeschlossen wurden und nicht abgeschlossene Aufgaben als Failed oder Upstream Failed. Weitere Informationen zum Aufgabenstatus in Airflow finden Sie unter Apache Airflow-Dokumentation

  • Mit dem Parameter task execution timeout (Zeitüberschreitung für die Aufgabenausführung) können Sie ein Standardzeitlimit für Aufgaben definieren, die auf Apache Airflow-Operatoren basieren.

Nicht ausgeführte DAG-Ausführungen

Symptom:

Wenn ein Planungsdatum für einen DAG dynamisch festgelegt wird, kann dies zu verschiedenen unerwarteten Nebenwirkungen führen. Beispiel:

  • Eine DAG-Ausführung liegt immer in der Zukunft und die DAG wird nie ausgeführt.

  • Frühere DAG-Ausführungen werden als ausgeführt und erfolgreich markiert, obwohl sie ausgeführt haben.

Weitere Informationen finden Sie in der Apache Airflow-Dokumentation.

Lösung:

  • Folgen Sie den Empfehlungen in der Apache Airflow-Dokumentation.

  • Legen Sie den statischen start_date für DAGs fest. Alternativ können Sie mit catchup=False die Ausführung des DAG für vergangene Datumsangaben deaktivieren.

  • Verwenden Sie datetime.now() oder days_ago(<number of days>) nur, wenn sich der Nebenwirkungen dieses Ansatzes bewusst.

Erhöhter Netzwerktraffic zur und von der Airflow-Datenbank

Die Menge des Netzwerk-Traffics zwischen dem GKE-Cluster Ihrer Umgebung und der Airflow-Datenbank hängt von der Anzahl der DAGs, der Anzahl der Aufgaben in DAGs und der Art des Zugriffs der DAGs auf Daten in der Airflow-Datenbank ab. Folgende Faktoren können sich auf die Netzwerknutzung auswirken:

  • Abfragen an die Airflow-Datenbank Wenn Ihre DAGs viele Abfragen ausführen, generieren sie große Mengen an Traffic. Beispiele: Status prüfen, bevor andere Aufgaben ausgeführt werden, XCom-Tabelle abfragen und Inhalt der Airflow-Datenbank auslesen.

  • Große Anzahl von Aufgaben Je mehr Aufgaben geplant sind, desto mehr Netzwerktraffic wird generiert. Dieser Aspekt gilt sowohl für die Gesamtzahl der Aufgaben in Ihren DAGs als auch für die Planungshäufigkeit. Wenn der Airflow-Planer DAG-Ausführungen plant, sendet er Abfragen an die Airflow-Datenbank und generiert Traffic.

  • Die Airflow-Weboberfläche generiert Netzwerkverkehr, da sie Abfragen an die Airflow-Datenbank sendet. Die intensive Verwendung von Seiten mit Grafiken, Aufgaben und Diagrammen kann große Mengen an Netzwerkverkehr generieren.

DAG führt zum Absturz des Airflow-Webservers oder verursacht einen 502 gateway timeout-Fehler

Webserverausfälle können aus verschiedenen Gründen auftreten. Prüfen Die airflow-webserver-Logs Cloud Logging, um die Ursache des Fehlers 502 gateway timeout Fehler.

Komplexe Berechnungen

Dieser Abschnitt gilt nur für Cloud Composer 1.

Führen Sie keine komplexen Berechnungen während der DAG-Analyse durch.

Im Gegensatz zu Worker- und Planerknoten, deren Maschinentypen für eine höhere CPU- und Arbeitsspeicherkapazität angepasst werden können, verwendet der Webserver einen festen Maschinentyp. Dieser kann zu Fehlern beim DAG-Parsen führen, wenn dabei komplexe Berechnungen ausgeführt werden.

Beachten Sie, dass der Webserver 2 vCPUs und 2 GB Arbeitsspeicher hat. Der Standardwert für core-dagbag_import_timeout beträgt 30 Sekunden. Dieser Zeitlimitwert ist die Obergrenze für den Zeitraum, den Airflow für das Laden eines Python-Moduls in den Ordner dags/ benötigt.

Falsche Berechtigungen

Dieser Abschnitt gilt nur für Cloud Composer 1.

Der Webserver wird nicht unter demselben Dienstkonto ausgeführt wie die Worker und der Planer. Worker und der Planer können somit gegebenenfalls auf vom Nutzer verwaltete Ressourcen zugreifen, auf die der Webserver keinen Zugriff hat.

Vermeiden Sie den Zugriff auf nicht öffentliche Ressourcen während der DAG-Analyse. Sollte dies nicht möglich sein, müssen Sie dem Dienstkonto des Webservers Berechtigungen erteilen. Der Name des Dienstkontos wird von der Webserverdomain abgeleitet. Wenn beispielsweise die Domain ist example-tp.appspot.com, das Dienstkonto ist example-tp@appspot.gserviceaccount.com.

DAG-Fehler

Dieser Abschnitt gilt nur für Cloud Composer 1.

Der Webserver wird in App Engine ausgeführt und ist vom GKE-Cluster Ihrer Umgebung getrennt. Der Webserver parst die DAG-Definitionsdateien. Wenn dabei Fehler im DAG auftreten, kann es zum 502 gateway timeout kommen. Airflow funktioniert auch ohne funktionierenden Webserver, solange der problematische DAG keine in GKE ausgeführten Prozesse zum Absturz bringt. In einem solchen Fall können Sie mit gcloud composer environments run Details aus Ihrer Umgebung abrufen, und so das Problem umgehen, wenn der Webserver nicht mehr verfügbar ist.

In anderen Fällen können Sie die DAG-Analyse in GKE ausführen und nach DAGs suchen, die schwerwiegende Python-Ausnahmen oder eine Zeitüberschreitung auslösen (Standardeinstellung: 30 Sekunden). Stellen Sie zur Fehlerbehebung eine Verbindung zu einer Remote-Shell in einem Airflow-Worker-Container her und testen Sie, ob Syntaxfehler vorliegen. Weitere Informationen finden Sie unter DAGs testen.

Umgang mit einer großen Anzahl von DAGs und Plug-ins in den Ordnern „DAGs“ und „Plug-ins“

Der Inhalt der Ordner „/dags“ und „/plugins“ wird synchronisiert von lokalen Dateisysteme von Airflow-Workern und Planer.

Je mehr Daten in diesen Ordnern gespeichert sind, desto länger dauert die Synchronisierung. Gehen Sie dazu folgendermaßen vor:

  • Begrenzen Sie die Anzahl der Dateien in den Ordnern „/dags“ und „/plugins“. Nur die mindestens erforderliche Dateien.

  • Erhöhen Sie nach Möglichkeit den Speicherplatz für Airflow-Planer und Arbeiter.

  • Erhöhen Sie nach Möglichkeit CPU und Arbeitsspeicher von Airflow-Planern und -Workern, damit dass die Synchronisierung schneller durchgeführt wird.

  • Bei einer sehr großen Anzahl von DAGs können Sie DAGs in Batches aufteilen, in ZIP-Archiven und im Ordner /dags bereitstellen. Dieser Ansatz beschleunigt den Synchronisierungsprozess von DAGs. Airflow-Komponenten ZIP-Archive vor der Verarbeitung von DAGs dekomprimieren.

  • Das programmatische Generieren von DAGs kann auch eine Methode sein, um die Anzahl der im Ordner /dags gespeicherten DAG-Dateien zu begrenzen. Lesen Sie den Abschnitt zu programmatischen DAGs, um zu vermeiden, Probleme bei der Planung und Ausführung von programmatisch generierten DAGs.

Programmatisch generierte DAGs nicht gleichzeitig planen

Das programmgesteuerte Erzeugen von DAG-Objekten aus einer DAG-Datei ist eine effiziente Methode, um viele ähnliche DAGs mit nur kleinen Unterschieden zu erstellen.

Es ist wichtig, die Ausführung all dieser DAGs nicht sofort einzuplanen. Es besteht eine hohe Wahrscheinlichkeit, dass Airflow-Worker nicht genügend CPU- und Arbeitsspeicherressourcen haben, um alle gleichzeitig geplanten Aufgaben auszuführen.

So vermeiden Sie Probleme bei der Planung programmatischer DAGs:

  • Erhöhen Sie die Nebenläufigkeit der Worker und skalieren Sie Ihre Umgebung, damit mehr Aufgaben gleichzeitig ausgeführt werden können.
  • Erstellen Sie DAGs so, dass ihre Zeitpläne gleichmäßig über die Zeit verteilt sind, um zu vermeiden, dass Hunderte von Aufgaben gleichzeitig geplant werden. So haben Airflow-Worker Zeit, alle geplanten Aufgaben auszuführen.

Fehler 504 beim Zugriff auf den Airflow-Webserver

Siehe Fehler 504 beim Zugriff auf die Airflow-UI.

Die Lost connection to Postgres server during query-Ausnahme wird während der Ausführung der Aufgabe oder unmittelbar danach ausgelöst.

Lost connection to Postgres server during query Ausnahmen treten häufig auf, wenn die folgenden Bedingungen erfüllt sind:

  • Ihr DAG verwendet PythonOperator oder einen benutzerdefinierten Operator.
  • Ihr DAG stellt Abfragen an die Airflow-Datenbank.

Wenn mehrere Abfragen von einer aufrufbaren Funktion gesendet werden, verweisen Tracebacks möglicherweise fälschlicherweise auf die Zeile self.refresh_from_db(lock_for_update=True) im Airflow-Code. Sie ist die erste Datenbankabfrage nach der Aufgabenausführung. Die tatsächliche Ursache der Ausnahme tritt davor auf, wenn eine SQLAlchemy-Sitzung nicht ordnungsgemäß geschlossen wird.

SQLAlchemy-Sitzungen sind auf einen Thread beschränkt und werden in einer aufrufbaren Funktionssitzung erstellt, die später innerhalb des Airflow-Codes fortgesetzt werden kann. Wenn es innerhalb einer Sitzung zu erheblichen Verzögerungen zwischen Abfragen kommt, wurde die Verbindung möglicherweise bereits vom Postgres-Server geschlossen. Das Zeitlimit für die Verbindung in Cloud Composer-Umgebungen ist auf etwa zehn Minuten festgelegt.

Lösung:

  • Verwenden Sie den Decorator airflow.utils.db.provide_session. Dieser Decorator stellt eine gültige Sitzung für die Airflow-Datenbank im session-Parameter bereit und schließt die Sitzung am Ende der Funktion ordnungsgemäß.
  • Verwenden Sie keine einzelne Funktion mit langer Ausführungszeit. Verschieben Sie stattdessen alle Datenbankabfragen in separate Funktionen, sodass es mehrere Funktionen mit dem Decorator airflow.utils.db.provide_session gibt. In diesem Fall werden Sitzungen nach dem Abrufen von Abfrageergebnissen automatisch geschlossen.

Ausführungszeit von DAGs, Aufgaben und parallelen Ausführungen desselben DAG steuern

Wenn Sie steuern möchten, wie lange eine einzelne DAG-Ausführung für einen bestimmten DAG dauert bleibt, können Sie den DAG-Parameter dagrun_timeout, also. Wenn Sie z. B. erwarten, dass ein einzelner DAG (unabhängig davon, ob Ausführung mit Erfolg oder Misserfolg) darf nicht länger als eine Stunde dauern, legen Sie diesen Parameter auf 3.600 Sekunden fest.

Sie können auch festlegen, wie lange eine einzelne Airflow-Aufgabe dauern darf. Dazu können Sie execution_timeout verwenden.

Wenn Sie festlegen möchten, wie viele aktive DAG-Ausführungen für einen bestimmten DAG ausgeführt werden sollen, können Sie dazu die [core]max-active-runs-per-dag-Airflow-Konfigurationsoption verwenden.

Wenn zu einem bestimmten Zeitpunkt nur eine einzige Instanz eines DAG ausgeführt werden soll, legen Sie den Parameter max-active-runs-per-dag auf 1 fest.

Probleme bei der Synchronisierung von DAGs und Plug-ins mit Planern, Workern und Webservern

Cloud Composer synchronisiert den Inhalt der Ordner /dags und /plugins mit den Schedulern und Workern. Bestimmte Objekte in den Ordnern „/dags“ und „/plugins“ kann diese Synchronisierung verhindern, dass sie richtig funktioniert, oder sie zumindest verlangsamen.

  • Der Ordner /dags wird mit den Planern und Workern synchronisiert. Dieser Ordner wird nicht mit Webservern in Cloud Composer 2 synchronisiert. Wenn Sie DAG Serialization in Cloud Composer 1 aktivieren, gilt das Gleiche.

  • Der Ordner /plugins wird mit Planern, Workern und Webservern synchronisiert.

Die folgenden Probleme können auftreten:

  • Sie haben gzip-komprimierte Dateien mit Komprimierungs-Transcodierung in die Ordner /dags und /plugins hochgeladen. Das passiert in der Regel, wenn Sie das Flag --gzip-local-all in einem gcloud storage cp-Befehl verwenden, um Daten in den Bucket hochzuladen.

    Lösung: Lösche das Objekt, für das die Komprimierungstranscodierung verwendet wurde, und lade es noch einmal in den Bucket hoch.

  • Eines der Objekte hat den Namen „.“, das heißt, ein Objekt wird nicht mit Planungs- und Worker-Instanzen und beendet möglicherweise die Synchronisierung.

    Lösung: Benennen Sie das problematische Objekt um.

  • Ein Ordner und eine Python-Datei in DAG haben denselben Namen, z. B. a.py. In diesem Fall wird die DAG-Datei nicht richtig mit den Airflow-Komponenten synchronisiert.

    Lösung: Entfernen Sie den Ordner, der denselben Namen wie eine DAG-Python-Datei hat.

  • Eines der Objekte in den Ordnern /dags oder /plugins enthält das Symbol / am Ende des Objektnamens hinzu. Solche Objekte können den Synchronisierungsprozess irreführen, da das Symbol / bedeutet, dass es sich bei einem Objekt um einen Ordner und nicht um eine Datei handelt.

    Lösung: Entfernen Sie das Symbol / aus dem Namen des problematischen Objekts.

  • Speichern Sie keine unnötigen Dateien in den Ordnern /dags und /plugins.

    Manchmal werden von Ihnen implementierte DAGs und Plug-ins z. B. Dateien, in denen Tests für diese Komponenten gespeichert sind. Diese Dateien mit Mitarbeitern und Planern synchronisiert, was sich auf die für die kopieren Sie diese Dateien in Planer, Worker und Webserver.

    Lösung: Speichern Sie keine zusätzlichen und nicht erforderlichen Dateien in den Ordnern /dags und /plugins.

Done [Errno 21] Is a directory: '/home/airflow/gcs/dags/...'-Fehler wird von Planern und Workern generiert

Dieses Problem tritt auf, weil Objekte überlappenden Namespace in Cloud Storage Planer und Worker verwenden herkömmliche Dateisysteme. Zum Beispiel ist es möglich, um einen Ordner und ein Objekt mit demselben Namen zum Bucket. Wenn der Bucket mit den Planern und Workern der Umgebung synchronisiert ist, wird dieser Fehler generiert, was zu Aufgabenfehlern führen kann.

Achten Sie darauf, dass sich im Bucket der Umgebung keine überlappenden Namespaces befinden, um dieses Problem zu beheben. Wenn sich beispielsweise sowohl /dags/misc (eine Datei) als auch /dags/misc/example_file.txt (eine andere Datei) in einem Bucket befinden, wird vom Scheduler ein Fehler generiert.

Vorübergehende Unterbrechungen bei der Verbindung zur Airflow-Metadaten-Datenbank

Cloud Composer wird auf einer verteilten Cloud-Infrastruktur ausgeführt. Das bedeutet, dass gelegentlich vorübergehende Probleme auftreten können, die die Ausführung Ihrer Airflow-Aufgaben unterbrechen.

In solchen Fällen werden in den Logs der Airflow-Worker möglicherweise die folgenden Fehlermeldungen angezeigt:

"Can't connect to Postgres server on 'airflow-sqlproxy-service.default.svc.cluster.local' (111)"

oder

"Can't connect to Postgres server on 'airflow-sqlproxy-service.default.svc.cluster.local' (104)"

Solche sporadischen Probleme können auch durch Wartungsarbeiten an Ihren Cloud Composer-Umgebungen verursacht werden.

Normalerweise treten solche Fehler zeitweise auf und wenn Ihre Airflow-Aufgaben idempotent sind und Sie Wiederholungsversuche konfiguriert haben, sollten Sie dagegen immun sein. Sie können auch erwägen Sie das Definieren von Wartungsfenstern.

Ein weiterer Grund für solche Fehler kann der Mangel an Ressourcen im Cluster Ihrer Umgebung sein. In solchen Fällen können Sie Ihre Kampagnen wie in den Skalierungsumgebungen oder Anleitung zur Optimierung der Umgebung

Eine DAG-Ausführung ist als erfolgreich gekennzeichnet, es wurden aber keine Aufgaben ausgeführt

Wenn die DAG-Ausführung execution_date vor der start_date des DAG liegt, gilt Folgendes: werden möglicherweise DAG-Ausführungen angezeigt, die keine Aufgabenausführungen haben, aber dennoch als erfolgreich gekennzeichnet sind.

Eine erfolgreiche DAG-Ausführung ohne ausgeführte Aufgaben
Abbildung 3. Eine erfolgreiche DAG-Ausführung ohne ausgeführte Aufgaben (zum Vergrößern klicken)

Ursache

Das kann in den folgenden Fällen passieren:

  • Die Abweichung ist auf die Zeitzonendifferenz zwischen execution_date und start_date des DAG zurückzuführen. Das kann beispielsweise passieren, wenn Sie pendulum.parse(...) verwenden, um start_date festzulegen.

  • Der start_date des DAG ist auf einen dynamischen Wert festgelegt, z. B. airflow.utils.dates.days_ago(1)

Lösung

  • Achten Sie darauf, dass execution_date und start_date dieselbe Zeitzone verwenden.

  • Geben Sie einen statischen start_date an und kombinieren Sie ihn mit catchup=False, um zu vermeiden, Ausführen von DAGs mit vergangenen Startdaten

Ein DAG ist in der Airflow-UI oder der DAG-UI nicht sichtbar und wird vom Planer nicht geplant

Der DAG-Prozessor parst jeden DAG, bevor er vom Planer geplant werden kann und bevor ein DAG in der Airflow-UI oder der DAG-UI

Die folgenden Airflow-Konfigurationsoptionen definieren Zeitlimits für das Parsen von DAGs:

Wenn ein DAG nicht in der Airflow-UI oder DAG-UI angezeigt wird:

  • Prüfen Sie in den Logs des DAG-Prozessors, ob der DAG-Prozessor Ihren DAG korrekt verarbeiten kann. Bei Problemen werden in den DAG-Prozessor- oder Scheduler-Logs möglicherweise die folgenden Logeinträge angezeigt:
[2020-12-03 03:06:45,672] {dag_processing.py:1334} ERROR - Processor for
/usr/local/airflow/dags/example_dag.py with PID 21903 started at
2020-12-03T03:05:55.442709+00:00 has timed out, killing it.
  • Prüfen Sie die Scheduler-Logs, um festzustellen, ob der Scheduler ordnungsgemäß funktioniert. Im Fall von werden möglicherweise die folgenden Logeinträge in den Planerlogs angezeigt:
DagFileProcessorManager (PID=732) last sent a heartbeat 240.09 seconds ago! Restarting it
Process timed out, PID: 68496

Lösungen:

  • Beheben Sie alle DAG-Parsing-Fehler. Der DAG-Prozessor parst mehrere DAGs und kann es in seltenen Fällen vorkommen, dass Parsing-Fehler eines DAG anderen DAGs.

  • Wenn das Parsen des DAG länger dauert als die in [core]dagrun_import_timeout, erhöhen Sie dieses Zeitlimit.

  • Wenn das Parsen aller DAGs länger als die in [core]dag_file_processor_timeout angegebene Anzahl von Sekunden dauert, erhöhen Sie diese Zeitüberschreitung.

  • Wenn das Parsen Ihres DAGs lange dauert, kann das auch daran liegen, dass er nicht optimal implementiert ist. Wenn z. B. viele Umgebungsvariablen oder Aufrufe an externe Dienste oder Airflow Datenbank. Vermeiden Sie möglichst solche Vorgänge in globalen Abschnitten von DAGs.

  • Erhöhen Sie die CPU- und Arbeitsspeicherressourcen für den Scheduler, damit er schneller arbeiten kann.

  • Passen Sie die Anzahl der Planer an.

  • Erhöhen Sie die Anzahl der DAG-Prozessorprozesse, damit das Parsen schneller erfolgen kann. Erhöhen Sie dazu den Wert von [scheduler]parsing_process.

  • Verringern Sie die Häufigkeit des DAG-Parsings.

  • Belastung der Airflow-Datenbank verringern

Symptome für eine hohe Auslastung der Airflow-Datenbank

Weitere Informationen finden Sie unter Symptome für eine überlastete Airflow-Datenbank.

Nächste Schritte