Usar operadores adiáveis

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Observação: esta página ainda não foi revisada para o Cloud Composer 3 e mostra conteúdo para o Cloud Composer 2.

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

Sobre os 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 trabalho a um um serviço diferente.

   Por exemplo, a execução de um job do BigQuery pode levar de alguns 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 gatilho monitora o job até que ele seja concluído. Nessa fase, uma faixa de trabalhador não está ocupada. O acionador do Airflow tem arquitetura assíncrona e é capaz de processar centenas de trabalhos. 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 acionador não tem estado e, portanto, é resiliente a interrupções ou reinicializações. Por isso, os jobs de longa duração são resilientes a reinicializações de pods, a menos que a reinicialização aconteça durante a última etapa, que deve ser curta.

Antes de começar

• Os operadores e sensores adiáveis estão disponíveis nos ambientes do 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

Cuidado: o suporte do provedor do Terraform para gatilhos do Airflow está na versão de pré-lançamento. Use o provedor do Terraform google-beta ao alterar os parâmetros de escalonamento e desempenho do ambiente, mesmo que essas mudanças não estejam relacionadas ao acionador. Por exemplo, ao alterar parâmetros de workers do Airflow.

Ativar o suporte a operadores adiáveis

Um componente do ambiente chamado Acionador do Airflow monitora de forma assíncrona todas as tarefas adiadas no seu ambiente. Após uma operação adiada dessa tarefa for concluída, o engatilhador transmitirá a tarefa para 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 acionadores ao criar um ambiente ou ajustar o número de acionadores e parâmetros de desempenho de um ambiente existente.

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 de pacote airflow.providers.google.operators.cloud mínima necessária representa a versão do pacote mais antiga em que esse operador oferece suporte ao modo deferível.

Importante: as tabelas a seguir não liste todos os operadores compatíveis com o modo adiável. Muitos outros operadores de airflow.providers.google.operators.cloud e outros pacotes de provedor têm suporte do Airflow e do Cloud Composer. Esses operadores não estão descritos nesta página. Para verificar se um operador específico oferece suporte ao modo de transferência, consulte a documentação do pacote do provedor fornecida pelo Airflow.

Observação: os operadores do BigQuery no modo de adiamento falham se o local não estiver definido como EUA. Isso acontece por causa um bug em uma dependência do Airflow, não em operadores do BigQuery.

Operadores do Cloud Composer

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

Operadores do BigQuery

Nome do operador	Versão apache-airflow-providers-google necessária
BigQueryCheckOperator (link em inglês)	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 operador	Versão apache-airflow-providers-google necessária
BigQueryDataTransferServiceStartTransferRunsOperator	8.9.0

Operadores do Cloud Build

Nome do operador	Versão apache-airflow-providers-google necessária
CloudBuildCreateBuildOperator	8.7.0

Operadores do Cloud SQL

Nome do operador	Versão apache-airflow-providers-google necessária
CloudSQLExportInstanceOperator	10.3.0

Operadores do Dataflow

Nome do operador	Versão apache-airflow-providers-google necessária
DataflowTemplatedJobStartOperator	8.9.0
DataflowStartFlexTemplateOperator	8.9.0

Operadores do Cloud Data Fusion

Nome do operador	Versão apache-airflow-providers-google necessária
CloudDataFusionStartPipelineOperator	8.9.0

Operadores do Dataproc

Nome do operador	Versão apache-airflow-providers-google necessária
DataprocCreateClusterOperator	8.9.0
DataprocDeleteClusterOperator	8.9.0
DataprocJobBaseOperator	8.4.0
DataprocInstantiateWorkflowTemplateOperator	9.0.0
DataprocInstantiateInlineWorkflowTemplateOperator	10.1.0
DataprocSubmitJobOperator	8.4.0
DataprocUpdateClusterOperator	8.9.0
DataprocCreateBatchOperator	8.9.0

Operadores do Google Kubernetes Engine

Nome do operador	Versão apache-airflow-providers-google necessária
GKEDeleteClusterOperator	9.0.0
GKECreateClusterOperator	9.0.0

Operadores do AI Platform

Nome do operador	Versão 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 cliente do Google Cloud operador não tiver esse parâmetro, não poderá ser executado na variável modo Outros operadores podem ter uma convenção diferente. Por exemplo, alguns operadores de comunidade têm uma classe separada com o sufixo Async no nome.

Importante: as pastas dags/ e /plugins do bucket do ambiente não são sincronizadas com o acionador. É possível usar acionadores instalados com pacotes PyPI ou incluídos em um pacote de provedor pré-instalado.

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,
    )

Ver registros do engatilhador

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

Monitorar acionador

Para mais informações sobre como monitorar o componente 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

• Como solucionar problemas do acionador do Airflow
• Métricas do acionador do Airflow
• Registros do gatilho do Airflow