Auf dieser Seite wird beschrieben, wie Sie die Airflow-Version oder Cloud Composer-Version aktualisieren, die in Ihrer Umgebung ausgeführt wird.
Während des Upgrades führt Cloud Composer folgende Aufgaben aus:
Stellt den Airflow-Planer und die Worker-Pods in einem neuen Kubernetes-Namespace neu bereit. Nach Abschluss des Upgrades verwendet Airflow eine neue MySQL-Datenbank. Der Datenbankname stimmt mit dem Kubernetes-Namespace überein. Der DAG-Ausführungsverlauf wird beibehalten.
Die Airflow-airflow_db-Verbindung wird aktiviert, damit sie auf die neue Cloud SQL-Datenbank verweist.
Diese Änderungen wirken sich darauf aus, wie Sie auf Pods zugreifen und eine Verbindung zur Cloud SQL-Datenbank herstellen.
Für den Zugriff auf Pods im GKE-Cluster nach dem Upgrade sind Namespace-fähige kubectl-Befehle erforderlich. Zum Auflisten von Pods im Cluster verwenden Sie beispielsweise kubectl get pods -A. Für das Ausführen eines Befehls in einem Pod verwenden Sie kubectl exec -n <NAMESPACE> ....
Wenn Sie Airflow-Verbindungen und Arbeitslasten verwenden, die direkt auf den SQL-Proxy verweisen, geben Sie den Standard-Namespace in folgender Weise als Teil des Hostnamens an: airflow-sqlproxy-service.default, nicht airflow-sqlproxy-service.
Upgrades von Cloud Composer haben keinen Einfluss auf die Art und Weise, wie Sie eine Verbindung zu Ressourcen in Ihrer Umgebung herstellen: VM-IP-Adressen des Cloud Kubernetes Engine-Knotens, IP-Adressen der Cloud SQL-Instanz, Cloud Storage-Bucket oder Domainname des Airflow-Webservers.
Hinweis
Das Upgrade von Umgebungen befindet sich derzeit in der Vorschau. Verwenden Sie dieses Feature in Produktionsumgebungen mit Vorsicht.
Das Dienstkonto, das die Umgebung aktualisiert, oder ein Nutzerkonto, das die Aktualisierung auslöst, muss mindestens die Rolle Environment and Storage Object Administrator haben, wie unter Composer-Zugriffssteuerung beschrieben.
Beim Erstellen der Umgebung geben Sie ein Compute Engine-Dienstkonto oder ein benutzerdefiniertes Dienstkonto an, das die GKE-Knoten der Umgebung ausführt. Prüfen Sie, ob dieses Dienstkonto die folgenden Berechtigungen hat:
Für die Konfiguration einer öffentlichen IP-Adresse in Cloud Composer die Rollen Project Editor oder Composer Worker.
Für die Cloud Composer-Konfiguration Private IP, Project Editor- oder Composer Worker-Rollen und die Rolle iam.serviceAccountUser.
Halten Sie alle DAGs an und warten Sie, bis die laufenden Aufgaben abgeschlossen sind, bevor Sie ein Upgrade ausführen.
Sie können die Cloud Composer-Version, die Airflow-Version oder beide gleichzeitig upgraden.
Die Kombination aus Cloud Composer und Airflow, für die Sie ein Upgrade durchführen, muss eine veröffentlichte Version sein.
Informationen zu verfügbaren Upgrades finden Sie unter Verfügbare Upgrades aufrufen. Zum Abrufen der neuesten Features und Korrekturen ziehen Sie ein Upgrade auf die neueste Cloud Composer-Version in Betracht.
Bevor Sie das Upgrade durchführen, machen Sie sich mit den Unterschieden zwischen den aktuellen Versionen von Airflow und Cloud Composer vertraut. Inkompatible Änderungen können die ordnungsgemäße Ausführung der DAGs beeinträchtigen.
Airflow-Datenbankwartung
Die Airflow-Datenbank umfasst im Laufe der Zeit immer mehr Daten.
Mit diesem Wartungs-DAG können Sie den Inhalt Ihrer Datenbank bereinigen. Dieser DAG wird alten Einträgen aus den Tabellen von DagRun, TaskInstance, Log, XCom, Job DB und SlaMiss entfernt.
"""
A maintenance workflow that you can deploy into Airflow to periodically clean
out the DagRun, TaskInstance, Log, XCom, Job DB and SlaMiss entries to avoid
having too much data in your Airflow MetaStore.
## Authors
The DAG is a fork of [teamclairvoyant repository.](https://github.com/teamclairvoyant/airflow-maintenance-dags/tree/master/db-cleanup)
## Usage
1. Update the global variables (SCHEDULE_INTERVAL, DAG_OWNER_NAME,
ALERT_EMAIL_ADDRESSES and ENABLE_DELETE) in the DAG with the desired values
2. Modify the DATABASE_OBJECTS list to add/remove objects as needed. Each
dictionary in the list features the following parameters:
- airflow_db_model: Model imported from airflow.models corresponding to
a table in the airflow metadata database
- age_check_column: Column in the model/table to use for calculating max
date of data deletion
- keep_last: Boolean to specify whether to preserve last run instance
- keep_last_filters: List of filters to preserve data from deleting
during clean-up, such as DAG runs where the external trigger is set to 0.
- keep_last_group_by: Option to specify column by which to group the
database entries and perform aggregate functions.
3. Create and Set the following Variables in the Airflow Web Server
(Admin -> Variables)
- airflow_db_cleanup__max_db_entry_age_in_days - integer - Length to retain
the log files if not already provided in the conf. If this is set to 30,
the job will remove those files that are 30 days old or older.
4. Put the DAG in your gcs bucket.
"""
from datetime import datetime, timedelta
import logging
import os
import airflow
from airflow import settings
from airflow.configuration import conf
from airflow.jobs import BaseJob
from airflow.models import DAG, DagModel, DagRun, Log, SlaMiss, \
TaskInstance, Variable, XCom
from airflow.operators.python_operator import PythonOperator
import dateutil.parser
from sqlalchemy import and_, func
from sqlalchemy.exc import ProgrammingError
from sqlalchemy.orm import load_only
try:
# airflow.utils.timezone is available from v1.10 onwards
from airflow.utils import timezone
now = timezone.utcnow
except ImportError:
now = datetime.utcnow
# airflow-db-cleanup
DAG_ID = os.path.basename(__file__).replace(".pyc", "").replace(".py", "")
START_DATE = airflow.utils.dates.days_ago(1)
# How often to Run. @daily - Once a day at Midnight (UTC)
SCHEDULE_INTERVAL = "@daily"
# Who is listed as the owner of this DAG in the Airflow Web Server
DAG_OWNER_NAME = "operations"
# List of email address to send email alerts to if this job fails
ALERT_EMAIL_ADDRESSES = []
# Length to retain the log files if not already provided in the conf. If this
# is set to 30, the job will remove those files that arE 30 days old or older.
DEFAULT_MAX_DB_ENTRY_AGE_IN_DAYS = int(
Variable.get("airflow_db_cleanup__max_db_entry_age_in_days", 30))
# Prints the database entries which will be getting deleted; set to False
# to avoid printing large lists and slowdown process
PRINT_DELETES = False
# Whether the job should delete the db entries or not. Included if you want to
# temporarily avoid deleting the db entries.
ENABLE_DELETE = True
# List of all the objects that will be deleted. Comment out the DB objects you
# want to skip.
DATABASE_OBJECTS = [{
"airflow_db_model": BaseJob,
"age_check_column": BaseJob.latest_heartbeat,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}, {
"airflow_db_model": DagRun,
"age_check_column": DagRun.execution_date,
"keep_last": True,
"keep_last_filters": [DagRun.external_trigger.is_(False)],
"keep_last_group_by": DagRun.dag_id
}, {
"airflow_db_model": TaskInstance,
"age_check_column": TaskInstance.execution_date,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}, {
"airflow_db_model": Log,
"age_check_column": Log.dttm,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}, {
"airflow_db_model": XCom,
"age_check_column": XCom.execution_date,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}, {
"airflow_db_model": SlaMiss,
"age_check_column": SlaMiss.execution_date,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}, {
"airflow_db_model": DagModel,
"age_check_column": DagModel.last_scheduler_run,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}]
# Check for TaskReschedule model
try:
from airflow.models import TaskReschedule
DATABASE_OBJECTS.append({
"airflow_db_model": TaskReschedule,
"age_check_column": TaskReschedule.execution_date,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
})
except Exception as e:
logging.error(e)
# Check for TaskFail model
try:
from airflow.models import TaskFail
DATABASE_OBJECTS.append({
"airflow_db_model": TaskFail,
"age_check_column": TaskFail.execution_date,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
})
except Exception as e:
logging.error(e)
# Check for RenderedTaskInstanceFields model
try:
from airflow.models import RenderedTaskInstanceFields
DATABASE_OBJECTS.append({
"airflow_db_model": RenderedTaskInstanceFields,
"age_check_column": RenderedTaskInstanceFields.execution_date,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
})
except Exception as e:
logging.error(e)
# Check for ImportError model
try:
from airflow.models import ImportError
DATABASE_OBJECTS.append({
"airflow_db_model": ImportError,
"age_check_column": ImportError.timestamp,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
})
except Exception as e:
logging.error(e)
# Check for celery executor
airflow_executor = str(conf.get("core", "executor"))
logging.info("Airflow Executor: " + str(airflow_executor))
if (airflow_executor == "CeleryExecutor"):
logging.info("Including Celery Modules")
try:
from celery.backends.database.models import Task, TaskSet
DATABASE_OBJECTS.extend(({
"airflow_db_model": Task,
"age_check_column": Task.date_done,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}, {
"airflow_db_model": TaskSet,
"age_check_column": TaskSet.date_done,
"keep_last": False,
"keep_last_filters": None,
"keep_last_group_by": None
}))
except Exception as e:
logging.error(e)
session = settings.Session()
default_args = {
"owner": DAG_OWNER_NAME,
"depends_on_past": False,
"email": ALERT_EMAIL_ADDRESSES,
"email_on_failure": True,
"email_on_retry": False,
"start_date": START_DATE,
"retries": 1,
"retry_delay": timedelta(minutes=1)
}
dag = DAG(
DAG_ID,
default_args=default_args,
schedule_interval=SCHEDULE_INTERVAL,
start_date=START_DATE)
if hasattr(dag, "doc_md"):
dag.doc_md = __doc__
if hasattr(dag, "catchup"):
dag.catchup = False
def print_configuration_function(**context):
logging.info("Loading Configurations...")
dag_run_conf = context.get("dag_run").conf
logging.info("dag_run.conf: " + str(dag_run_conf))
max_db_entry_age_in_days = None
if dag_run_conf:
max_db_entry_age_in_days = dag_run_conf.get(
"maxDBEntryAgeInDays", None)
logging.info("maxDBEntryAgeInDays from dag_run.conf: " + str(dag_run_conf))
if (max_db_entry_age_in_days is None or max_db_entry_age_in_days < 1):
logging.info(
"maxDBEntryAgeInDays conf variable isn't included or Variable " +
"value is less than 1. Using Default '" +
str(DEFAULT_MAX_DB_ENTRY_AGE_IN_DAYS) + "'")
max_db_entry_age_in_days = DEFAULT_MAX_DB_ENTRY_AGE_IN_DAYS
max_date = now() + timedelta(-max_db_entry_age_in_days)
logging.info("Finished Loading Configurations")
logging.info("")
logging.info("Configurations:")
logging.info("max_db_entry_age_in_days: " + str(max_db_entry_age_in_days))
logging.info("max_date: " + str(max_date))
logging.info("enable_delete: " + str(ENABLE_DELETE))
logging.info("session: " + str(session))
logging.info("")
logging.info("Setting max_execution_date to XCom for Downstream Processes")
context["ti"].xcom_push(key="max_date", value=max_date.isoformat())
print_configuration = PythonOperator(
task_id="print_configuration",
python_callable=print_configuration_function,
provide_context=True,
dag=dag)
def cleanup_function(**context):
logging.info("Retrieving max_execution_date from XCom")
max_date = context["ti"].xcom_pull(
task_ids=print_configuration.task_id, key="max_date")
max_date = dateutil.parser.parse(max_date) # stored as iso8601 str in xcom
airflow_db_model = context["params"].get("airflow_db_model")
state = context["params"].get("state")
age_check_column = context["params"].get("age_check_column")
keep_last = context["params"].get("keep_last")
keep_last_filters = context["params"].get("keep_last_filters")
keep_last_group_by = context["params"].get("keep_last_group_by")
logging.info("Configurations:")
logging.info("max_date: " + str(max_date))
logging.info("enable_delete: " + str(ENABLE_DELETE))
logging.info("session: " + str(session))
logging.info("airflow_db_model: " + str(airflow_db_model))
logging.info("state: " + str(state))
logging.info("age_check_column: " + str(age_check_column))
logging.info("keep_last: " + str(keep_last))
logging.info("keep_last_filters: " + str(keep_last_filters))
logging.info("keep_last_group_by: " + str(keep_last_group_by))
logging.info("")
logging.info("Running Cleanup Process...")
try:
query = session.query(airflow_db_model).options(
load_only(age_check_column))
logging.info("INITIAL QUERY : " + str(query))
if keep_last:
subquery = session.query(func.max(DagRun.execution_date))
# workaround for MySQL "table specified twice" issue
# https://github.com/teamclairvoyant/airflow-maintenance-dags/issues/41
if keep_last_filters is not None:
for entry in keep_last_filters:
subquery = subquery.filter(entry)
logging.info("SUB QUERY [keep_last_filters]: " + str(subquery))
if keep_last_group_by is not None:
subquery = subquery.group_by(keep_last_group_by)
logging.info(
"SUB QUERY [keep_last_group_by]: " +
str(subquery))
subquery = subquery.from_self()
query = query.filter(
and_(age_check_column.notin_(subquery)),
and_(age_check_column <= max_date))
else:
query = query.filter(age_check_column <= max_date,)
if PRINT_DELETES:
entries_to_delete = query.all()
logging.info("Query: " + str(query))
logging.info("Process will be Deleting the following " +
str(airflow_db_model.__name__) + "(s):")
for entry in entries_to_delete:
date = str(entry.__dict__[str(age_check_column).split(".")[1]])
logging.info("\tEntry: " + str(entry) + ", Date: " + date)
logging.info("Process will be Deleting "
+ str(len(entries_to_delete)) + " "
+ str(airflow_db_model.__name__) + "(s)")
else:
logging.warn(
"You've opted to skip printing the db entries to be deleted. "
"Set PRINT_DELETES to True to show entries!!!")
if ENABLE_DELETE:
logging.info("Performing Delete...")
# using bulk delete
query.delete(synchronize_session=False)
session.commit()
logging.info("Finished Performing Delete")
else:
logging.warn("You've opted to skip deleting the db entries. "
"Set ENABLE_DELETE to True to delete entries!!!")
logging.info("Finished Running Cleanup Process")
except ProgrammingError as e:
logging.error(e)
logging.error(
str(airflow_db_model) + " is not present in the metadata."
"Skipping...")
for db_object in DATABASE_OBJECTS:
cleanup_op = PythonOperator(
task_id="cleanup_" + str(db_object["airflow_db_model"].__name__),
python_callable=cleanup_function,
params=db_object,
provide_context=True,
dag=dag)
print_configuration.set_downstream(cleanup_op)
Sie können auch Einträge zu nicht mehr benötigten DAGs entfernen, wie im Abschnitt DAG löschen beschrieben.
Beschränkungen
Ein Downgrade auf eine frühere Version von Cloud Composer oder Airflow ist nicht möglich.
Upgrades können nur auf die neueste Cloud Composer-Version innerhalb der gleichen Hauptversion ausgeführt werden, z. B. von composer-1.12.4-airflow-1.10.10 auf composer-1.13.0-airflow-1.10.10.
Ein Upgrade von composer-1.4.0-airflow-1.10.0 auf composer-2.0.0-airflow-1.10.0 ist nicht zulässig, da sich die Hauptversion von Cloud Composer von 1 zu 2 ändert.
Die Image-Version, auf die Sie upgraden, muss die aktuelle Python-Version Ihrer Umgebung unterstützen.
Upgrades können nicht ausgeführt werden, wenn die Airflow-Datenbank mehr als 16 GB Daten umfasst. Während des Upgrades wird eine Warnung angezeigt, wenn dies der Fall ist. Sie müssen dann eine Datenbankwartung machen, wie im Abschnitt zur Airflow-Datenbank-Wartung beschrieben.
Einstellungsnachrichten
Cloud Composer lehnt Warnungen ab, wenn das Umgebungs-Image das Enddatum der Unterstützung erreicht. Sie können diese Warnungen verwenden, um Ihre Umgebungen während des gesamten Supportzeitraums immer auf dem neuesten Stand zu halten.
Cloud Composer verfolgt die Cloud Composer-Image-Version, auf der Ihre Umgebung basiert. Wenn das Image das Enddatum der Unterstützung erreicht, wird in der Liste der Umgebungen und auf der Seite Umgebungsdetails eine Warnung angezeigt.
So prüfen Sie, ob Ihr Umgebungs-Image auf dem neuesten Stand ist:
Rufen Sie in der Google Cloud Console die Seite Umgebungen auf:
Zur Darstellung der verfügbaren Versionen mit der Cloud Composer REST API erstellen Sie eine imageVersions.list-API-Anfrage und geben das Projekt und den Standort im Format projects/{projectId}/locations/{locationId} an.
LOCATION ist die Compute Engine-Region, in der sich die Umgebung befindet.
VERSION ist die Cloud Composer-Version oder die Airflow-Version für die Umgebung im Format composer-a.b.c-airflow-x.y.z oder composer-a.b.c-airflow-x.y.
Wenn Sie den Airflow-Patch nicht angeben, wird die höchste verfügbare Patchversion für die angegebene Haupt- und Nebenversion verwendet.
Wenn in Ihrer Umgebung bereits die aktuelle Cloud Composer-Version ausgeführt wird, können Sie mit dem Cloud SDK nur die Airflow-Version aktualisieren, z. B. ein Upgrade von composer-1.6.1-airflow-1.9.0 auf composer-1.6.1-airflow-1.10.0.