Cloud Composer 1 è in modalità post-manutenzione. Google non rilascia ulteriori aggiornamenti a Cloud Composer 1, tra cui nuove versioni di Airflow, correzioni di bug e aggiornamenti della sicurezza. Ti consigliamo di pianificare la migrazione a Cloud Composer 2.

Questa pagina è stata tradotta dall'API Cloud Translation.

Utilizza CeleryKubernetesExecutor

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Questa pagina spiega come abilitare CeleryKubernetesExecutor in Cloud Composer e come utilizzare KubernetesExecutor nei DAG.

Informazioni su CeleryKubernetesExecutor

CeleryKubernetesExecutor è un tipo di esecutore che può utilizzare CeleryExecutor e KubernetesExecutor contemporaneamente. Airflow seleziona l'esecutore in base alla coda che definisci per l'attività. In un DAG, puoi eseguire alcune attività con CeleryExecutor e altre attività con KubernetesExecutor:

CeleryExecutor è ottimizzato per l'esecuzione rapida e scalabile dei compiti.
KubernetesExecutor è progettato per l'esecuzione di attività ad alta intensità di risorse e per l'esecuzione di attività in modo isolato.

CeleryKubernetesExecutor in Cloud Composer

CeleryKubernetesExecutor in Cloud Composer offre la possibilità di utilizzare KubernetesExecutor per le attività. Non è possibile utilizzare KubernetesExecutor in Cloud Composer separatamente da CeleryKubernetesExecutor.

Cloud Composer esegue le attività che esegui con KubernetesExecutor nel cluster del tuo ambiente, nello stesso spazio dei nomi con i worker di Airflow. Queste attività hanno le stesse associazioni dei worker Airflow e possono accedere alle risorse nel tuo progetto.

Le attività eseguite con KubernetesExecutor utilizzano il modello di prezzi di Cloud Composer, poiché i pod con queste attività vengono eseguiti nel cluster del tuo ambiente. A questi pod si applicano gli SKU di computing di Cloud Composer (per CPU, memoria e spazio di archiviazione).

Ti consigliamo di eseguire attività con CeleryExecutor quando:

Il tempo di avvio dell'attività è importante.
Le attività non richiedono l'isolamento del runtime e non consumano molte risorse.

Ti consigliamo di eseguire attività con KubernetesExecutor quando:

Le attività richiedono l'isolamento del runtime. ad esempio in modo che le attività non competano per memoria e CPU, poiché vengono eseguite nei propri pod.
Le attività richiedono librerie di sistema aggiuntive (o pacchetti PyPI).
Le attività richiedono molte risorse e vuoi controllare le risorse di CPU e memoria disponibili.

KubernetesExecutor a confronto con KubernetesPodOperator

L'esecuzione di attività con KubernetesExecutor è simile all'esecuzione di attività con KubernetesPodOperator. Le attività vengono eseguite nei pod, fornendo così l'isolamento a livello di pod e una migliore gestione delle risorse.

Tuttavia, ci sono alcune differenze fondamentali:

KubernetesExecutor esegue attività solo nello spazio dei nomi Cloud Composer con le versioni del tuo ambiente. Non è possibile modificare questo spazio dei nomi in Cloud Composer. Puoi specificare uno spazio dei nomi in cui KubernetesPodOperator esegue le attività dei pod.
KubernetesExecutor può utilizzare qualsiasi operatore Airflow integrato. KubernetesPodOperator esegue solo uno script fornito definito dal punto di ingresso del container.
KubernetesExecutor utilizza l'immagine Docker Cloud Composer predefinita con gli stessi override delle opzioni di configurazione Python, Airflow, variabili di ambiente e pacchetti PyPI definiti nel tuo ambiente Cloud Composer.

Informazioni sulle immagini Docker

Per impostazione predefinita, KubernetesExecutor avvia le attività utilizzando la stessa immagine Docker utilizzata da Cloud Composer per i worker Celery. Questa è l'immagine Cloud Composer per il tuo ambiente, con tutte le modifiche specificate per l'ambiente, ad esempio i pacchetti PyPI personalizzati o le variabili di ambiente.

Prima di iniziare

Puoi utilizzare CeleryKubernetesExecutor in Cloud Composer 3.
Non è possibile utilizzare esecutori diversi da CeleryKubernetesExecutor in Cloud Composer 3. Ciò significa che puoi eseguire attività utilizzando CeleryExecutor, KubernetesExecutor o entrambi in un DAG, ma non è possibile configurare il tuo ambiente per utilizzare solo KubernetesExecutor o CeleryExecutor.

Configura CeleryKubernetesExecutor

Potrebbe essere utile eseguire l'override delle opzioni di configurazione Airflow esistenti correlate a KubernetesExecutor:

[kubernetes]worker_pods_creation_batch_size

Questa opzione definisce il numero di chiamate di creazione di pod worker Kubernetes per loop dello scheduler. Il valore predefinito è 1, quindi viene avviato un solo pod per heartbeat dello scheduler. Se usi KubernetesExecutor in modo massiccio, consigliamo di aumentare questo valore.
[kubernetes]worker_pods_pending_timeout

Questa opzione definisce, in secondi, per quanto tempo un worker può rimanere nello stato Pending (è in corso la creazione del pod) prima che venga considerato non riuscito. Il valore predefinito è 5 minuti.

Esegui attività con KubernetesExecutor o CeleryExecutor

Puoi eseguire le attività utilizzando CeleryExecutor, KubernetesExecutor o entrambi in un DAG:

Per eseguire un'attività con KubernetesExecutor, specifica il valore kubernetes nel parametro queue di un'attività.
Per eseguire un'attività con CeleryExecutor, ometti il parametro queue.

Nell'esempio seguente viene eseguita l'attività task-kubernetes utilizzando KubernetesExecutor e l'attività task-celery utilizzando CeleryExecutor:

import datetime
import airflow
from airflow.operators.python_operator import PythonOperator

with airflow.DAG(
  "composer_sample_celery_kubernetes",
  start_date=datetime.datetime(2022, 1, 1),
  schedule_interval="@daily") as dag:

  def kubernetes_example():
      print("This task runs using KubernetesExecutor")

  def celery_example():
      print("This task runs using CeleryExecutor")

  # To run with KubernetesExecutor, set queue to kubernetes
  task_kubernetes = PythonOperator(
    task_id='task-kubernetes',
    python_callable=kubernetes_example,
    dag=dag,
    queue='kubernetes')

  # To run with CeleryExecutor, omit the queue argument
  task_celery = PythonOperator(
    task_id='task-celery',
    python_callable=celery_example,
    dag=dag)

  task_kubernetes >> task_celery

Esegui i comandi dell'interfaccia a riga di comando di Airflow relativi a KubernetesExecutor

Puoi eseguire diversi comandi dell'interfaccia a riga di comando Airflow relativi a KubernetesExecutor utilizzando gcloud.

Personalizza le specifiche dei pod worker

Puoi personalizzare le specifiche del pod worker passandole nel parametro executor_config di un'attività. Puoi usarlo per definire requisiti di CPU e memoria personalizzati.

Puoi eseguire l'override dell'intera specifica del pod worker utilizzata per eseguire un'attività. Per recuperare la specifica del pod di un'attività utilizzata da KubernetesExecutor, puoi eseguire il comando kubernetes generate-dag-yaml dell'interfaccia a riga di comando di Airflow.

Per ulteriori informazioni sulla personalizzazione delle specifiche dei pod worker, consulta la documentazione di Airflow.

L'esempio seguente mostra un'attività che utilizza le specifiche dei pod di worker personalizzati:

PythonOperator(
    task_id='custom-spec-example',
    python_callable=f,
    dag=dag,
    queue='kubernetes',
    executor_config={
        'pod_override': k8s.V1Pod(
            spec=k8s.V1PodSpec(
                containers=[
                    k8s.V1Container(
                        name='base',
                        resources=k8s.V1ResourceRequirements(requests={
                            'cpu': '500m',
                            'memory': '1000Mi',
                        })
                    ),
                ],
            ),
        )
    },
)

Visualizza log delle attività

I log delle attività eseguite da KubernetesExecutor sono disponibili nella scheda Log, insieme a quelli delle attività eseguite da CeleryExecutor:

Nella console Google Cloud, vai alla pagina Ambienti.

Vai ad Ambienti
Nell'elenco degli ambienti, fai clic sul nome dell'ambiente. Si apre la pagina Dettagli ambiente.
Vai alla scheda Log.
Vai a Tutti i log > Log di Airflow > Worker.
I worker denominati airflow-k8s-worker eseguono le attività KubernetesExecutor. Per cercare i log di un'attività specifica, puoi utilizzare un ID DAG o un ID attività come parola chiave nella ricerca.