Airflow 触发器问题排查

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

本页面介绍 Airflow 触发器常见问题和问题排查步骤和信息。

触发器中的阻塞操作

异步任务有时可能会在触发器中被阻塞。 在大多数情况下，问题源于触发器资源不足或自定义异步运算符代码存在问题。

触发器日志会显示任何警告消息，这些消息有助于您确定触发器性能下降的根本原因。有两类重要警告需要注意。

  1. 异步线程被阻塞

    Triggerer's async thread was blocked for 1.2 seconds, likely due to the highly utilized environment.

    此警告表示由于异步任务量过大而导致性能出现问题。

    解决方案：如需解决此问题，请为触发器分配更多资源，减少同时执行的延迟任务数量，或增加环境中的触发器数量。 请注意，虽然触发器处理可延迟的任务，但工作器负责启动并最终完成每个任务。如果您要调整触发器的数量，请考虑同时伸缩工作器实例的数量。

  2. 特定任务阻塞了异步线程。

    WARNING - Executing <Task finished coro=<TriggerRunner.run_trigger() done, defined at /opt/***/***/jobs/my-custom-code.py:609> result=None> took 0.401 second

    此警告指向 Cloud Composer 执行的特定一段运算符代码。根据设计，触发器应依赖 asyncio 库在后台运行操作。触发器的自定义实现可能无法正确遵守 asyncio 合约（例如，由于在 Python 代码中错误使用了 await 和 async 关键字）。

    解决方案：检查警告中报告的代码，并检查异步操作是否已正确实现。

触发器过多

您可以在 task_count 指标中看到延迟任务的数量，该指标也会显示在环境的 Monitoring 信息中心内。每个触发器都会创建一些资源，例如与外部资源的连接，这些资源会消耗内存。

Monitoring 信息中心上显示的推迟任务
图 1. 监控信息中心上显示的延迟任务（点击可放大）

内存和 CPU 消耗量图表表明，资源不足会导致重启，因为活跃性探测因缺少心跳而失败：

触发器因资源不足而重启
图 2. 触发器因资源不足而重启（点击可放大）

解决方案：如需解决此问题，请为触发器分配更多资源，减少同时执行的延迟任务数量，或增加环境中的触发器数量。

在回调执行期间 Airflow 工作器崩溃

触发器完成执行后，控制权会返回给 Airflow worker，后者会使用执行槽运行回调方法。此阶段由 Celery 执行器控制，因此适用相应的配置和资源限制（例如 parallelism 或 worker_concurrency）。

如果回调方法在 Airflow 工作器中失败、工作器失败或运行该方法的工作器重启，则任务会被标记为 FAILED。在这种情况下，重试操作会重新执行整个任务，而不仅仅是回调方法。

触发器中的无限循环

可以实现一个自定义触发器运算符，使其完全阻塞主触发器循环，以便一次只执行一个损坏的触发器。在这种情况下，问题触发器完成后，触发器日志中会生成警告。

找不到触发器类

由于 DAG 文件夹未与 Airflow 触发器同步，因此在执行触发器时，内嵌的触发代码会缺失。错误生成在失败任务的日志中：

ImportError: Module "PACKAGE_NAME" does not define a "CLASS_NAME" attribute/
class

解决方案：从 PyPI 导入缺失的代码。

Airflow 界面中有关触发器的警告消息

在某些情况下，停用触发器后，您可能会在 Airflow 界面中看到以下警告消息：

The triggerer does not appear to be running. Last heartbeat was received
4 hours ago. Triggers will not run, and any deferred operator will remain
deferred until it times out or fails.

Airflow 可以显示此消息，因为 Airflow 数据库中仍有未完成的触发器。此消息通常表示，在您的环境中所有触发器完成之前，触发器已被停用。

您可以在 Airflow 界面中查看环境中正在运行的所有触发器（需要 Admin 角色），方法是依次前往浏览 > 触发器页面。

解决方案：

触发器停用后，任务仍处于延迟状态

当触发器被停用时，已处于推迟状态的任务会保持此状态，直到达到超时时限。此超时时间可以是无限的，具体取决于 Airflow 和 DAG 配置。

请使用以下任一解决方案：

  • 手动将任务标记为失败。
  • 使触发器能够完成任务。

仅当您的环境不运行任何延迟执行的运算符或任务，并且所有延迟执行的任务都已完成时，我们才建议您停用触发器。

后续步骤