Usar operadores adiáveis

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Nesta página, explicamos como ativar o suporte para operadores adiáveis no seu e usar operadores adiáveis do Google Cloud nos DAGs.

Sobre operadores adiáveis no Cloud Composer

Se você tiver pelo menos uma instância de acionador (ou pelo menos duas em ambientes altamente resilientes), poderá usar operadores e acionadores adiáveis nos seus DAGs.

Para operadores adiáveis, o Airflow divide a execução da tarefa nos seguintes estágios:

  1. Inicie a operação. Nessa fase, a tarefa ocupa um slot de worker do Airflow. A tarefa executa uma operação que delega o job a um serviço diferente.

    Por exemplo, a execução de um job do BigQuery pode levar alguns de segundos a várias horas. Depois de criar o job, a operação transmite o identificador de trabalho (ID do job do BigQuery) para um gatilho do Airflow.

  2. O acionador monitora o job até a conclusão. Nessa fase, uma faixa de trabalhador não está ocupada. O gatilho do Airflow tem e é capaz de lidar com centenas desses jobs. Quando o acionador detecta que o job foi concluído, ele envia um evento que aciona a última etapa.

  3. Na última etapa, um worker do Airflow executa um callback. Esse retorno de chamada, para exemplo, pode marcar a tarefa como bem-sucedida ou executar outra operação e defina o job para ser monitorado pelo acionador novamente.

O engatilhador é sem estado e, portanto, resistente a interrupções ou reinicializações, . Por isso, os jobs de longa duração são resilientes a reinicializações de pods, a menos que a reinicialização aconteça durante o último estágio, que é esperado que seja curto.

Antes de começar

  • Os operadores e sensores adiáveis estão disponíveis no Cloud Composer 2 e exigem o seguinte:
    • Cloud Composer 2.0.31 e versões mais recentes
    • Airflow 2.2.5, 2.3.3 e versões posteriores

Ativar o suporte a operadores adiáveis

Um componente de ambiente chamado Acionador do Airflow monitora de forma assíncrona todas as tarefas adiadas no seu ambiente. Depois que uma operação adiada de uma tarefa é concluída, o acionador transmite a tarefa a um worker do Airflow.

É necessário ter pelo menos uma instância de gatilho no ambiente (ou pelo menos duas em ambientes altamente resilientes) para usar o modo adiado nas DAGs. É possível configurar os gatilhos ao criar um ambiente ou ajustar o número de acionadores e parâmetros de desempenho para um ambiente atual.

Operadores do Google Cloud com suporte para o modo adiável

Apenas alguns operadores do Airflow foram estendidos para oferecer suporte ao modelo adiável. A lista a seguir é uma referência para os operadores no Pacote airflow.providers.google.operators.cloud que são compatíveis com o modo adiável. A coluna com a versão mínima do pacote airflow.providers.google.operators.cloud necessária representa a versão mais antiga do pacote em que esse operador oferece suporte ao modo adiado.

Operadores do Cloud Composer

Nome do operadorVersão apache-airflow-providers-google necessária
CloudComposerCreateEnvironmentOperator 6.4.0
CloudComposerDeleteEnvironmentOperator 6.4.0
CloudComposerUpdateEnvironmentOperator 6.4.0

Operadores do BigQuery

Nome do operadorVersão apache-airflow-providers-google necessária
BigQueryCheckOperator 8.4.0
BigQueryValueCheckOperator 8.4.0
BigQueryIntervalCheckOperator 8.4.0
BigQueryGetDataOperator 8.4.0
BigQueryInsertJobOperator 8.4.0

Operadores do serviço de transferência de dados do BigQuery

Nome do operadorVersão apache-airflow-providers-google necessária
BigQueryDataTransferServiceStartTransferRunsOperator 8.9.0

Operadores do Cloud Build

Nome do operadorVersão apache-airflow-providers-google necessária
CloudBuildCreateBuildOperator 8.7.0

Operadores do Cloud SQL

Nome do operadorVersão apache-airflow-providers-google necessária
CloudSQLExportInstanceOperator 10.3.0

Operadores do Dataflow

Nome do operadorVersão apache-airflow-providers-google necessária
DataflowTemplatedJobStartOperator 8.9.0
DataflowStartFlexTemplateOperator 8.9.0

Operadores do Cloud Data Fusion

Nome do operadorVersão apache-airflow-providers-google necessária
CloudDataFusionStartPipelineOperator 8.9.0

Operadores do Google Kubernetes Engine

Nome do operadorVersão apache-airflow-providers-google necessária
GKEDeleteClusterOperator 9.0.0
GKECreateClusterOperator 9.0.0

Operadores do AI Platform

Nome do operadorVersão apache-airflow-providers-google necessária
MLEngineStartTrainingJobOperator 8.9.0

Usar operadores adiáveis nos seus DAGs

Uma convenção comum para todos os operadores do Google Cloud é ativar o modo adiado com o parâmetro booleano deferrable. Se um operador do Google Cloud não tiver esse parâmetro, ele não poderá ser executado no modo adiado. Outros operadores podem ter uma convenção diferente. Por exemplo, alguns operadores de comunidade têm uma classe separada com o sufixo Async no nome.

O DAG de exemplo a seguir usa o operador DataprocSubmitJobOperator na modo adiável:

PYSPARK_JOB = {
    "reference": { "project_id": "PROJECT_ID" },
    "placement": { "cluster_name": "PYSPARK_CLUSTER_NAME" },
    "pyspark_job": {
        "main_python_file_uri": "gs://dataproc-examples/pyspark/hello-world/hello-world.py"
    },
}

DataprocSubmitJobOperator(
        task_id="dataproc-deferrable-example",
        job=PYSPARK_JOB,
        deferrable=True,
    )

Conferir registros do acionador

O acionador gera registros que estão disponíveis com os registros de outros componentes do ambiente. Para mais informações sobre como visualizar seu ambiente consulte Ver registros.

Monitorar acionador

Para mais informações sobre como monitorar o componente do acionador, consulte Métricas do Airflow.

Além de monitorar o acionador, você pode verificar o número de tarefas adiadas nas métricas Tarefa não concluída no painel de monitoramento do seu ambiente.

A seguir