Pianificare e attivare i DAG di Airflow

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

Questa pagina spiega come funzionano la pianificazione e l'attivazione dei DAG in Airflow, come definire una pianificazione per un DAG e come attivare un DAG manualmente o metterlo in pausa.

Informazioni sui DAG di Airflow in Cloud Composer

I DAG di Airflow in Cloud Composer vengono eseguiti in uno o più ambienti Cloud Composer nel progetto. Carichi i file di origine dei DAG di Airflow in un bucket Cloud Storage associato a un ambiente. L'istanza di Airflow dell'ambiente analizza quindi questi file e pianifica le esecuzioni dei DAG, come definito dalla pianificazione di ciascun DAG. Durante l'esecuzione di un DAG, Airflow pianifica ed esegue le singole attività che compongono un DAG in una sequenza definita dal DAG.

Per saperne di più sui concetti di base di Airflow, come i DAG, le esecuzioni dei DAG, le attività o gli operatori di Airflow, consulta la pagina Concetti fondamentali nella documentazione di Airflow.

Informazioni sulla pianificazione dei DAG in Airflow

Airflow fornisce i seguenti concetti per il suo meccanismo di pianificazione:

Data logica

Rappresenta una data per la quale viene eseguita una determinata esecuzione del DAG.

Non si tratta della data effettiva in cui Airflow esegue un DAG, ma di un periodo di tempo che una determinata esecuzione del DAG deve elaborare. Ad esempio, per un DAG pianificato per l'esecuzione ogni giorno alle 12:00, la data logica sarà anche 12:00 in un giorno specifico. Poiché viene eseguito due volte al giorno, il periodo di tempo da elaborare è costituito dalle ultime 12 ore. Allo stesso tempo, la logica definita nel DAG stesso potrebbe non utilizzare affatto la data logica o l'intervallo di tempo. Ad esempio, un DAG potrebbe eseguire lo stesso script una volta al giorno senza utilizzare il valore della data logica.

Nelle versioni di Airflow precedenti alla 2.2, questa data è chiamata data di esecuzione.

Data esecuzione

Rappresenta una data in cui viene eseguita una determinata esecuzione del DAG.

Ad esempio, per un DAG pianificato per l'esecuzione ogni giorno alle 12:00, l'esecuzione effettiva del DAG potrebbe avvenire alle 12:05, un po' di tempo dopo la data logica.

Intervallo pianificazione

Rappresenta quando e con quale frequenza deve essere eseguito un DAG, in termini di date logiche.

Ad esempio, una pianificazione giornaliera indica che un DAG viene eseguito una volta al giorno e le date logiche per le relative esecuzioni hanno intervalli di 24 ore.

Data di inizio

Specifica quando vuoi che Airflow inizi a pianificare il DAG.

Le attività nel DAG possono avere date di inizio individuali oppure puoi specificare una singola data di inizio per tutte le attività. In base alla data di inizio minima per le attività nel DAG e all'intervallo di pianificazione, Airflow pianifica le esecuzioni dei DAG.

Aggiornamento, backfill e tentativi di nuovo invio

Meccanismi per eseguire le esecuzioni di DAG per date passate.

La funzionalità di aggiornamento esegue le esecuzioni del DAG che non sono state ancora eseguite, ad esempio se il DAG è stato messo in pausa per un lungo periodo di tempo e poi è stato riattivato. Puoi utilizzare il backfill per eseguire le esecuzioni DAG per un determinato intervallo di date. I tentativi specificano il numero di tentativi che Airflow deve eseguire durante l'esecuzione delle attività da un DAG.

La pianificazione funziona nel seguente modo:

  1. Una volta trascorsa la data di inizio, Airflow attende la successiva occorrenza dell'intervallo di pianificazione.

  2. Airflow pianifica la prima esecuzione del DAG alla fine di questo intervallo di pianificazione.

    Ad esempio, se un DAG è pianificato per l'esecuzione ogni ora e la data di inizio è alle 12:00 di oggi, la prima esecuzione del DAG avviene alle 13:00 di oggi.

La sezione Pianificare un DAG Airflow di questo documento descrive come configurare la pianificazione per i DAG utilizzando questi concetti. Per ulteriori informazioni su esecuzioni e pianificazione dei DAG, consulta Esecuzioni DAG nella documentazione di Airflow.

Informazioni sui modi per attivare un DAG

Airflow offre i seguenti modi per attivare un DAG:

  • Attivazione in base a una pianificazione. Airflow attiva il DAG automaticamente in base alla pianificazione specificata nel file DAG.

  • Attiva manualmente. Puoi attivare un DAG manualmente dalla console Google Cloud, dall'interfaccia utente di Airflow o eseguendo un comando Airflow CLI da Google Cloud CLI.

  • Attivarsi in risposta agli eventi. Il modo standard per attivare un DAG in risposta agli eventi è utilizzare un sensore.

Altri modi per attivare i DAG:

Prima di iniziare

  • Assicurati che il tuo account abbia un ruolo che possa gestire gli oggetti nei bucket dell'ambiente e visualizzare e attivare i DAG. Per ulteriori informazioni, consulta Controllo dell'accesso.

Pianificare un DAG Airflow

Devi definire una pianificazione per un DAG nel file DAG. Modifica la definizione del DAG nel seguente modo:

  1. Individua e modifica il file DAG sul computer. Se non hai il file DAG, puoi scaricare una copia dal bucket dell'ambiente. Per un nuovo DAG, puoi definire tutti i parametri quando crei il file DAG.

  2. Nel parametro schedule_interval, definisci la pianificazione. Puoi utilizzare un'espressione CRON, ad esempio 0 0 * * *, o un valore preimpostato, ad esempio @daily. Per maggiori informazioni, consulta la sezione Cron e intervalli di tempo nella documentazione di Airflow.

    Airflow determina le date logiche per le esecuzioni dei DAG in base alla pianificazione impostata.

  3. Nel parametro start_date, definisci la data di inizio.

    Airflow determina la data logica della prima esecuzione del DAG utilizzando questo parametro.

  4. (Facoltativo) Nel parametro catchup, definisci se Airflow deve eseguire tutte le esecuzioni precedenti di questo DAG dalla data di inizio alla data corrente che non sono state ancora eseguite.

    Le esecuzioni del DAG eseguite durante il recupero avranno una data logica nel passato e la data di esecuzione rifletterà il momento in cui l'esecuzione del DAG è stata effettivamente eseguita.

  5. (Facoltativo) Nel parametro retries, definisci quante volte Airflow deve riprovare le attività non riuscite (ogni DAG è costituito da una o più attività individuali). Per impostazione predefinita, le attività in Cloud Composer vengono ripetute due volte.

  6. Carica la nuova versione del DAG nel bucket dell'ambiente.

  7. Attendi che Airflow analizzi correttamente il DAG. Ad esempio, puoi controllare l'elenco dei DAG nel tuo ambiente nella console Google Cloud o nell'interfaccia utente di Airflow.

La definizione di DAG di esempio seguente viene eseguita due volte al giorno alle 00:00 e alle 12:00. La data di inizio è impostata su 1° gennaio 2024, ma Airflow non la esegue per le date passate dopo il caricamento o la messa in pausa perché il recupero è disattivato.

Il DAG contiene un'attività denominata insert_query_job, che inserisce una riga in una tabella con l'operatore BigQueryInsertJobOperator. Questo operatore è uno dei Google Cloud operatori BigQuery, che puoi utilizzare per gestire set di dati e tabelle, eseguire query e convalidare i dati. Se una determinata esecuzione di questa attività non va a buon fine, Airflow la riprova altre quattro volte con l'intervallo di nuovo tentativo predefinito. La data logica per questi tentativi rimane invariata.

La query SQL per questa riga utilizza modelli Airflow per scrivere nella riga la data e il nome logici del DAG.

import datetime

from airflow.models.dag import DAG
from airflow.providers.google.cloud.operators.bigquery import BigQueryInsertJobOperator

with DAG(
  "bq_example_scheduling_dag",
  start_date=datetime.datetime(2024, 1, 1),
  schedule_interval='0 */12 * * *',
  catchup=False
  ) as dag:

  insert_query_job = BigQueryInsertJobOperator(
    task_id="insert_query_job",
    retries=4,
    configuration={
        "query": {
            # schema: date (string), description (string)
            # example row: "20240101T120000", "DAG run: <DAG: bq_example_scheduling_dag>"
            "query": "INSERT example_dataset.example_table VALUES ('{{ ts_nodash }}', 'DAG run: {{ dag }}' )",
            "useLegacySql": False,
            "priority": "BATCH",
        }
    },
    location="us-central1"
  )

  insert_query_job

Per testare questo DAG, puoi attivarlo manualmente e poi visualizzare i log di esecuzione delle attività.

Altri esempi di parametri di pianificazione

I seguenti esempi di parametri di pianificazione illustrano il funzionamento della pianificazione con diverse combinazioni di parametri:

  • Se start_date è datetime(2024, 4, 4, 16, 25) e schedule_interval è 30 16 * * *, la prima esecuzione del DAG avviene alle 16:30 del 5 aprile 2024.

  • Se start_date è datetime(2024, 4, 4, 16, 35) e schedule_interval è 30 16 * * *, la prima esecuzione del DAG avviene alle 16:30 del 6 aprile 2024. Poiché la data di inizio è successiva all'intervallo di pianificazione del 4 aprile 2024, la relativa esecuzione non avviene il 5 aprile 2024. Tuttavia, l'intervallo di pianificazione termina alle 16:35 del 5 aprile 2024, pertanto l'esecuzione successiva del DAG è pianificata per le 16:30 del giorno successivo.

  • Se start_date è datetime(2024, 4, 4) e schedule_interval è @daily, la prima esecuzione del DAG è pianificata per le 00:00 del 5 aprile 2024.

  • Se start_date è datetime(2024, 4, 4, 16, 30) e schedule_interval è 0 * * * *, la prima esecuzione del DAG è prevista per le 18:00 del 4 aprile 2024. Una volta trascorsi la data e l'ora specificati, Airflow pianifica un'esecuzione del DAG al minuto 0 di ogni ora. Il momento più vicino in cui si verifica è alle 17:00. A questo punto, Airflow pianifica un'esecuzione del DAG alla fine dell'intervallo pianificato, ovvero alle 18:00.

Attivare manualmente un DAG

Quando attivi manualmente un DAG di Airflow, Airflow esegue il DAG una volta, indipendentemente dalla pianificazione specificata nel file DAG.

Console

Per attivare un DAG dalla console Google Cloud:

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

    Vai ad Ambienti

  2. Seleziona un ambiente per visualizzarne i dettagli.

  3. Nella pagina Dettagli dell'ambiente, vai alla scheda DAG.

  4. Fai clic sul nome di un DAG.

  5. Nella pagina Dettagli DAG, fai clic su Attiva DAG. Viene creata una nuova esecuzione del DAG.

UI di Airflow

Per attivare un DAG dall'interfaccia utente di Airflow:

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

    Vai ad Ambienti

  2. Nella colonna Server web Airflow, segui il link Airflow per il tuo ambiente.

  3. Accedi con l'Account Google che dispone delle autorizzazioni appropriate.

  4. Nell'interfaccia web di Airflow, nella pagina DAG, nella colonna Collegamenti per il DAG, fai clic sul pulsante Attiva DAG.

  5. (Facoltativo) Specifica la configurazione dell'esecuzione del DAG.

  6. Fai clic su Attiva.

gcloud

Esegui il comando dags trigger dell'interfaccia a riga di comando Airflow:

  gcloud composer environments run ENVIRONMENT_NAME \
    --location LOCATION \
    dags trigger -- DAG_ID

Sostituisci quanto segue:

  • ENVIRONMENT_NAME: il nome del tuo ambiente.
  • LOCATION: la regione in cui si trova l'ambiente.
  • DAG_ID: il nome del DAG.

Per ulteriori informazioni sull'esecuzione dei comandi dell'interfaccia a riga di comando di Airflow negli ambienti Cloud Composer, consulta Eseguire i comandi dell'interfaccia a riga di comando di Airflow.

Per ulteriori informazioni sui comandi dell'interfaccia a riga di comando di Airflow disponibili, consulta il riferimento ai comandi gcloud composer environments run.

Visualizzare i log e i dettagli delle esecuzioni di DAG

Nella console Google Cloud puoi:

Inoltre, Cloud Composer fornisce l'accesso all'interfaccia utente di Airflow, ovvero l'interfaccia web di Airflow.

Mettere in pausa un DAG

Console

Per mettere in pausa un DAG dalla console Google Cloud:

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

    Vai ad Ambienti

  2. Seleziona un ambiente per visualizzarne i dettagli.

  3. Nella pagina Dettagli dell'ambiente, vai alla scheda DAG.

  4. Fai clic sul nome di un DAG.

  5. Nella pagina Dettagli DAG, fai clic su Metti in pausa il DAG.

UI di Airflow

Per mettere in pausa un DAG dall'interfaccia utente di Airflow:

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

Vai ad Ambienti

  1. Nella colonna Server web Airflow, segui il link Airflow per il tuo ambiente.

  2. Accedi con l'Account Google che dispone delle autorizzazioni appropriate.

  3. Nell'interfaccia web di Airflow, nella pagina DAG, fai clic sul pulsante di attivazione/disattivazione accanto al nome del DAG.

gcloud

Esegui il comando dags pause dell'interfaccia a riga di comando Airflow:

  gcloud composer environments run ENVIRONMENT_NAME \
    --location LOCATION \
    dags pause -- DAG_ID

Sostituisci quanto segue:

  • ENVIRONMENT_NAME: il nome del tuo ambiente.
  • LOCATION: la regione in cui si trova l'ambiente.
  • DAG_ID: il nome del DAG.

Per ulteriori informazioni sull'esecuzione dei comandi dell'interfaccia a riga di comando di Airflow negli ambienti Cloud Composer, consulta Eseguire i comandi dell'interfaccia a riga di comando di Airflow.

Per ulteriori informazioni sui comandi dell'interfaccia a riga di comando di Airflow disponibili, consulta il riferimento ai comandi gcloud composer environments run.

Passaggi successivi