Attiva i DAG di Cloud Composer con Cloud Functions e l'API REST Airflow

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

Questa pagina descrive come utilizzare Cloud Functions per attivare i DAG di Cloud Composer in risposta agli eventi.

Apache Airflow è progettato per eseguire i DAG su una pianificazione regolare, ma puoi anche attivare i DAG in risposta agli eventi. Un modo per farlo è utilizzare Cloud Functions per attivare I DAG di Cloud Composer quando si verifica un evento specificato.

L'esempio in questa guida esegue un DAG ogni volta che si verifica una modifica in un nel bucket Cloud Storage. Modifiche a qualsiasi oggetto in un trigger di bucket una funzione. Questa funzione invia una richiesta all'API REST Airflow del tuo nell'ambiente Cloud Composer. Airflow elabora questa richiesta esegue un DAG. Il DAG restituisce le informazioni sulla modifica.

Prima di iniziare

Controlla la configurazione di rete del tuo ambiente

Questa soluzione non funziona nelle configurazioni di IP privato e Controlli di servizio VPC poiché non è possibile configurare la connettività da Cloud Functions al server web Airflow in queste configurazioni.

In Cloud Composer 2, puoi utilizzare un altro approccio: Attiva i DAG utilizzando Cloud Functions e i messaggi Pub/Sub

Abilita le API per il progetto

Console

Abilita le API Cloud Composer and Cloud Functions.

Abilita le API

gcloud

Abilita le API Cloud Composer and Cloud Functions. 

gcloud services enable cloudfunctions.googleapis.com composer.googleapis.com

Abilita l'API REST Airflow

A seconda della versione di Airflow:

Consenti le chiamate API all'API REST di Airflow utilizzando il controllo dell'accesso del server web

Cloud Functions può contattare l'API REST Airflow utilizzando IPv4 o IPv6.

Se non sai con certezza quale sarà l'intervallo IP chiamante, utilizza un intervallo IP predefinito di configurazione del controllo dell'accesso al server web, che è All IP addresses have access (default) per non bloccare accidentalmente le tue funzioni Cloud Functions.

Crea un bucket Cloud Storage

Questo esempio attiva un DAG in risposta alle modifiche in in un bucket Cloud Storage. crea un nuovo bucket da usare in questo esempio.

Recupera l'URL del server web Airflow

In questo esempio vengono effettuate richieste API REST all'endpoint del server web di Airflow. Utilizza la parte dell'URL dell'interfaccia web di Airflow prima di .appspot.com nella il codice della Cloud Function.

Console

  1. Nella console Google Cloud, vai alla pagina Ambienti.

    Vai ad Ambienti

  2. Fai clic sul nome dell'ambiente.

  3. Nella pagina Dettagli ambiente, vai alla Scheda Configurazione dell'ambiente.

  4. L'URL del server web Airflow è elencato nella UI web di Airflow molto utile.

gcloud

Esegui questo comando:

gcloud composer environments describe ENVIRONMENT_NAME \
    --location LOCATION \
    --format='value(config.airflowUri)'

Sostituisci:

  • ENVIRONMENT_NAME con il nome dell'ambiente.
  • LOCATION con la regione in cui si trova l'ambiente.

Ottieni client_id del proxy IAM

Per effettuare una richiesta all'endpoint API REST di Airflow, la funzione richiede l'ID client del proxy Identity and Access Management che protegge il server web di Airflow.

Cloud Composer non fornisce direttamente queste informazioni. Invece, effettuare una richiesta non autenticata al server web Airflow e acquisire ID client dell'URL di reindirizzamento:

cURL 

curl -v AIRFLOW_URL 2>&1 >/dev/null | grep -o "client_id\=[A-Za-z0-9-]*\.apps\.googleusercontent\.com"

Sostituisci AIRFLOW_URL con l'URL dell'interfaccia web di Airflow.

Nell'output, cerca la stringa che segue client_id. Ad esempio:

client_id=836436932391-16q2c5f5dcsfnel77va9bvf4j280t35c.apps.googleusercontent.com

Python

Salva il seguente codice in un file denominato get_client_id.py. Inserisci valori per project_id, location e composer_environment, poi esegui il codice in Cloud Shell o nell'ambiente locale. 

# This script is intended to be used with Composer 1 environments
# In Composer 2, the Airflow Webserver is not in the tenant project
# so there is no tenant client ID
# See https://cloud.google.com/composer/docs/composer-2/environment-architecture
# for more details
import google.auth
import google.auth.transport.requests
import requests
import six.moves.urllib.parse

# Authenticate with Google Cloud.
# See: https://cloud.google.com/docs/authentication/getting-started
credentials, _ = google.auth.default(
    scopes=["https://www.googleapis.com/auth/cloud-platform"]
)
authed_session = google.auth.transport.requests.AuthorizedSession(credentials)

# project_id = 'YOUR_PROJECT_ID'
# location = 'us-central1'
# composer_environment = 'YOUR_COMPOSER_ENVIRONMENT_NAME'

environment_url = (
    "https://composer.googleapis.com/v1beta1/projects/{}/locations/{}"
    "/environments/{}"
).format(project_id, location, composer_environment)
composer_response = authed_session.request("GET", environment_url)
environment_data = composer_response.json()
composer_version = environment_data["config"]["softwareConfig"]["imageVersion"]
if "composer-1" not in composer_version:
    version_error = (
        "This script is intended to be used with Composer 1 environments. "
        "In Composer 2, the Airflow Webserver is not in the tenant project, "
        "so there is no tenant client ID. "
        "See https://cloud.google.com/composer/docs/composer-2/environment-architecture for more details."
    )
    raise (RuntimeError(version_error))
airflow_uri = environment_data["config"]["airflowUri"]

# The Composer environment response does not include the IAP client ID.
# Make a second, unauthenticated HTTP request to the web server to get the
# redirect URI.
redirect_response = requests.get(airflow_uri, allow_redirects=False)
redirect_location = redirect_response.headers["location"]

# Extract the client_id query parameter from the redirect.
parsed = six.moves.urllib.parse.urlparse(redirect_location)
query_string = six.moves.urllib.parse.parse_qs(parsed.query)
print(query_string["client_id"][0])

Carica un DAG nel tuo ambiente

Carica un DAG nel tuo ambiente. Il DAG di esempio seguente restituisce la configurazione dell'esecuzione del DAG ricevuta. Tu attivare questo DAG da una funzione, che creerai più avanti in questa guida.

import datetime

import airflow
from airflow.operators.bash import BashOperator


with airflow.DAG(
    "composer_sample_trigger_response_dag",
    start_date=datetime.datetime(2021, 1, 1),
    # Not scheduled, trigger only
    schedule_interval=None,
) as dag:
    # Print the dag_run's configuration, which includes information about the
    # Cloud Storage object change.
    print_gcs_info = BashOperator(
        task_id="print_gcs_info", bash_command="echo {{ dag_run.conf }}"
    )

Esegui il deployment di una Cloud Function che attiva il DAG

Puoi eseguire il deployment di una Cloud Function utilizzando il linguaggio che preferisci, supportato da Cloud Functions o Cloud Run. Questo tutorial dimostra la funzione Cloud Function implementata in Python e Java.

Specifica i parametri di configurazione della funzione Cloud Functions

  • Attiva. Per questo esempio, seleziona un trigger che funzioni quando un nuovo oggetto viene creato in un bucket, oppure un oggetto esistente viene sovrascritto.

    • Tipo di trigger. di archiviazione ideale in Cloud Storage.

    • Tipo di evento. Finalizza / crea.

    • Bucket. Seleziona un bucket che deve attivare questa funzione.

    • Riprova in caso di errore. Ti consigliamo di disabilitare questa opzione per gli scopi di questo esempio. Se utilizzi la tua funzione in un ambiente di produzione, abilita questa opzione per gestire gli errori temporanei.

  • Account di servizio di runtime, nel Sezione Impostazioni di runtime, build, connessioni e sicurezza. Utilizza una delle seguenti opzioni le seguenti opzioni, a seconda delle tue preferenze:

    • Seleziona Account di servizio predefinito Compute Engine. Con impostazione predefinita autorizzazioni IAM, questo account può eseguire funzioni per accedere agli ambienti Cloud Composer.

    • Crea un account di servizio personalizzato che ha il ruolo Utente Composer e lo specifichi come runtime l'account di servizio per questa funzione. Questa opzione rispetta le regole minime del privilegio.

  • Runtime e punto di ingresso, nel passaggio Codice. Quando aggiungi codice per questo esempio, seleziona il runtime Python 3.7 o versioni successive e specifica trigger_dag come punto di accesso.

Aggiungi requisiti

Specifica le dipendenze nel file requirements.txt:

requests-toolbelt==1.0.0
google-auth==2.19.1
google-cloud-pubsub==2.21.5

Inserisci il codice seguente nel file main.py e procedi come segue sostituzioni:

  • Sostituisci il valore della variabile client_id con il valore client_id che hai ottenuto in precedenza.

  • Sostituisci il valore della variabile webserver_id con il tuo progetto tenant che fa parte dell'URL dell'interfaccia web di Airflow prima .appspot.com. In precedenza hai ottenuto l'URL dell'interfaccia web di Airflow.

  • Specifica la versione dell'API REST Airflow che utilizzi:

    • Se utilizzi l'API REST Airflow stabile, imposta USE_EXPERIMENTAL_API su False.
    • Se utilizzi l'API REST Airflow sperimentale, non sono necessarie modifiche. La La variabile USE_EXPERIMENTAL_API è già impostata su True.


from google.auth.transport.requests import Request
from google.oauth2 import id_token
import requests


IAM_SCOPE = "https://www.googleapis.com/auth/iam"
OAUTH_TOKEN_URI = "https://www.googleapis.com/oauth2/v4/token"
# If you are using the stable API, set this value to False
# For more info about Airflow APIs see https://cloud.google.com/composer/docs/access-airflow-api
USE_EXPERIMENTAL_API = True


def trigger_dag(data, context=None):
    """Makes a POST request to the Composer DAG Trigger API

    When called via Google Cloud Functions (GCF),
    data and context are Background function parameters.

    For more info, refer to
    https://cloud.google.com/functions/docs/writing/background#functions_background_parameters-python

    To call this function from a Python script, omit the ``context`` argument
    and pass in a non-null value for the ``data`` argument.

    This function is currently only compatible with Composer v1 environments.
    """

    # Fill in with your Composer info here
    # Navigate to your webserver's login page and get this from the URL
    # Or use the script found at
    # https://github.com/GoogleCloudPlatform/python-docs-samples/blob/main/composer/rest/get_client_id.py
    client_id = "YOUR-CLIENT-ID"
    # This should be part of your webserver's URL:
    # {tenant-project-id}.appspot.com
    webserver_id = "YOUR-TENANT-PROJECT"
    # The name of the DAG you wish to trigger
    dag_name = "composer_sample_trigger_response_dag"

    if USE_EXPERIMENTAL_API:
        endpoint = f"api/experimental/dags/{dag_name}/dag_runs"
        json_data = {"conf": data, "replace_microseconds": "false"}
    else:
        endpoint = f"api/v1/dags/{dag_name}/dagRuns"
        json_data = {"conf": data}
    webserver_url = "https://" + webserver_id + ".appspot.com/" + endpoint
    # Make a POST request to IAP which then Triggers the DAG
    make_iap_request(webserver_url, client_id, method="POST", json=json_data)


# This code is copied from
# https://github.com/GoogleCloudPlatform/python-docs-samples/blob/main/iap/make_iap_request.py
# START COPIED IAP CODE
def make_iap_request(url, client_id, method="GET", **kwargs):
    """Makes a request to an application protected by Identity-Aware Proxy.
    Args:
      url: The Identity-Aware Proxy-protected URL to fetch.
      client_id: The client ID used by Identity-Aware Proxy.
      method: The request method to use
              ('GET', 'OPTIONS', 'HEAD', 'POST', 'PUT', 'PATCH', 'DELETE')
      **kwargs: Any of the parameters defined for the request function:
                https://github.com/requests/requests/blob/master/requests/api.py
                If no timeout is provided, it is set to 90 by default.
    Returns:
      The page body, or raises an exception if the page couldn't be retrieved.
    """
    # Set the default timeout, if missing
    if "timeout" not in kwargs:
        kwargs["timeout"] = 90

    # Obtain an OpenID Connect (OIDC) token from metadata server or using service
    # account.
    google_open_id_connect_token = id_token.fetch_id_token(Request(), client_id)

    # Fetch the Identity-Aware Proxy-protected URL, including an
    # Authorization header containing "Bearer " followed by a
    # Google-issued OpenID Connect token for the service account.
    resp = requests.request(
        method,
        url,
        headers={"Authorization": "Bearer {}".format(google_open_id_connect_token)},
        **kwargs,
    )
    if resp.status_code == 403:
        raise Exception(
            "Service account does not have permission to "
            "access the IAP-protected application."
        )
    elif resp.status_code != 200:
        raise Exception(
            "Bad response from application: {!r} / {!r} / {!r}".format(
                resp.status_code, resp.headers, resp.text
            )
        )
    else:
        return resp.text


# END COPIED IAP CODE

Testa la funzione

Per verificare che la funzione e il DAG funzionino come previsto:

  1. Attendi il deployment della funzione.
  2. Carica un file nel bucket Cloud Storage. In alternativa, puoi può attivare la funzione manualmente selezionando il pulsante Testa la funzione nella console Google Cloud.
  3. Controlla la pagina DAG nell'interfaccia web di Airflow. Il DAG deve avere un'esecuzione del DAG attiva o già completata.
  4. Nella UI di Airflow, controlla i log delle attività per questa esecuzione. Dovresti vedere che l'attività print_gcs_info restituisca i dati ricevuti dalla funzione ai log:
[2021-04-04 18:25:44,778] {bash_operator.py:154} INFO - Output:
[2021-04-04 18:25:44,781] {bash_operator.py:158} INFO - Triggered from GCF:
    {bucket: example-storage-for-gcf-triggers, contentType: text/plain,
    crc32c: dldNmg==, etag: COW+26Sb5e8CEAE=, generation: 1617560727904101,
    ... }
[2021-04-04 18:25:44,781] {bash_operator.py:162} INFO - Command exited with
    return code 0h

Passaggi successivi