Migrar entornos a Airflow 2

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

En esta página, se explica cómo transferir DAG, datos y configuración de tus entornos existentes de Airflow 1.10.* a entornos con Airflow 2 y versiones posteriores de Airflow.

Nota: Cloud Composer admite transferencias manuales de entornos de Airflow 1.10.* a entornos de Airflow 2. No es posible actualizar los entornos de Airflow 1.10.* a Airflow 2. Puedes actualizar los entornos con Airflow 2 a versiones posteriores de Airflow como de costumbre.

Otras guías de migración

Desde	Hasta	Método	Guía
Cloud Composer 1, Airflow 2	Cloud Composer 2, Airflow 2	En paralelo, con instantáneas	Guía de migración (instantáneas)
Cloud Composer 1 y Airflow 1	Cloud Composer 2, Airflow 2	Comparación en paralelo con instantáneas	Guía de migración (instantáneas)
Cloud Composer 1, Airflow 2	Cloud Composer 2, Airflow 2	Transferencia manual en paralelo	Guía de migración manual
Cloud Composer 1, Airflow 1	Cloud Composer 2, Airflow 2	Transferencia manual en paralelo	Guía de migración manual
Airflow 1	Airflow 2	Transferencia manual en paralelo	Esta guía (migración manual)

Actualizaciones en paralelo

Cloud Composer proporciona la secuencia de comandos de transferencia de bases de datos de Cloud Composer para migrar la base de datos de metadatos, los DAG, los datos y los complementos de los entornos de Cloud Composer con Airflow 1.10.14 y Airflow 1.10.15 a entornos de Cloud Composer existentes con Airflow 2.0.1 y versiones posteriores de Airflow.

Esta es una ruta alternativa a la que se describe en esta guía. Algunos partes de esta guía aún se aplican cuando se usa la secuencia de comandos proporcionada. Por ejemplo, es posible que desees comprobar la compatibilidad de tus DAG con Airflow 2 antes de migrarlos, o bien asegurarte de que no se produzcan ejecuciones de DAG simultáneas y de que no haya ejecuciones de DAG extras o faltantes.

Antes de comenzar

Antes de comenzar a usar los entornos de Cloud Composer con Airflow 2, considera los cambios que Airflow 2 aporta a los entornos de Cloud Composer.

Alta disponibilidad del programador

Puedes usar más de un programador de Airflow en tu entorno. Puedes establecer la cantidad de programadores cuando creas un entorno o actualizas un entorno existente.

Nota: Puedes anular las opciones de configuración del programador de Airflow 2. Hacerlo, configura el comportamiento del programador, pero no habilita el programador de HA.

Ejecutor de Celery + Kubernetes

El ejecutor de Airflow 2 Celery+Kubernetes es compatible con Cloud Composer 3.

Cambios rotundos

Airflow 2 presenta muchos cambios importantes, algunos de los cuales son rotundos:

• No se garantiza que los DAG existentes de Airflow 1.10.* funcionen con Airflow 2. Es necesario probarlos y, posiblemente, ajustarse.
• Operadores, transferencias, hooks migrados a paquetes de proveedores. Las declaraciones de importación en los DAG deben usar nuevos paquetes de proveedores. Es posible que las sentencias de importación anteriores ya no funcionen en Airflow 2.
• Es posible que algunas opciones de configuración de Airflow 1.10.* ya no sean compatibles porque Airflow 2 ya no admite ciertas opciones de configuración.
• Es posible que algunos paquetes de PyPI personalizados no sean compatibles con la nueva versión de Airflow o Python.
• La IU de Airflow con control de acceso es la IU predeterminada de Airflow 2. Airflow 2 no admite otros tipos de IU de Airflow.
• La API de REST experimental se reemplaza por la API estable de Airflow. La API de REST experimental está inhabilitada de forma predeterminada en Airflow 2.
• Otros cambios importantes en Airflow 2.0.0
• Otros cambios importantes en Airflow 2.0.1

Diferencias entre los entornos con Airflow 2 y Airflow 1.10*

Principales diferencias entre los entornos de Cloud Composer con Airflow 1.10.* y los entornos con Airflow 2:

• Los entornos con Airflow 2 usan Python 3.8. Esta es una versión más reciente que la que se usa en los entornos de Airflow 1.10.*. Python 2, Python 3.6, Python 3.7 no son compatibles.
• Airflow 2 usa un formato de CLI diferente. Cloud Composer admite el nuevo formato en entornos con Airflow 2 a través del comando gcloud composer environments run.
• Los paquetes de PyPI preinstalados son diferentes en los entornos de Airflow 2. Para obtener una lista de paquetes de PyPI preinstalados, consulta la lista de versiones de Cloud Composer.
• La serialización de DAG siempre está habilitada en Airflow 2. Como resultado, ya no se necesita la carga asíncrona de DAG y no es compatible con Airflow 2. Como resultado, no se admite la configuración de los parámetros [core]store_serialized_dags y [core]store_dag_code en Airflow 2, y los intentos de configuración se informarán como errores.
• Los complementos del servidor web de Airflow no son compatibles. Esto no afecta a los complementos de trabajador o programador, incluidos los sensores y operadores de Airflow.
• En los entornos de Airflow 2, el rol de usuario predeterminado de Airflow es Op. Para entornos con Airflow 1.10.*, la función predeterminada es Admin.

Paso 1: Verifica la compatibilidad con Airflow 2

Para verificar si hay posibles conflictos con Airflow 2, consulta la guía de actualización a Airflow 2.0 y versiones posteriores, en la sección sobre cómo actualizar los DAG.

Un problema habitual que puedes encontrar está relacionado con las rutas de importación incompatibles. Para obtener más información sobre cómo resolver este problema de compatibilidad, consulta la sección sobre proveedores de portabilidad a versiones anteriores en la guía de actualización a Airflow 2.0 y versiones posteriores.

Paso 2: Crea un entorno de Airflow 2, transfiere anulaciones de configuración y variables de entorno

Crear un entorno de Airflow 2 y transferir las anulaciones de configuración y variables de entorno:

1. Sigue los pasos para crear un entorno. Antes de crear un entorno, también especifica las anulaciones de configuración y las variables de entorno, como se explica a continuación.

2. Cuando selecciones una imagen, elige una imagen con Airflow 2.

3. Transfiere manualmente los parámetros de configuración de tu entorno de Airflow 1.10.* al nuevo entorno de Airflow 2.

   Console

   1. Cuando crees un entorno, expande la Herramientas de redes, anulaciones de configuración de Airflow y funciones adicionales sección.

   2. En Anulaciones de configuración de Airflow, haz clic en Agregar anulación de configuración de Airflow.

   3. Copia todas las anulaciones de configuración de tu entorno de Airflow 1.10.*.

      Algunas opciones de configuración usan un nombre y una sección diferentes en Airflow 2. Para obtener más información, consulta Cambios de configuración.

   4. En Variables de entorno, haz clic en Agregar variable de entorno.

   5. Copia todas las variables de entorno de tu entorno de Airflow 1.10.*.

   6. Haz clic en Crear para crear un entorno.

Paso 3: Instala paquetes de PyPI en el entorno de Airflow 2

Después de crear tu entorno de Airflow 2, instálale paquetes de PyPI:

Console

1. En la consola de Google Cloud, ve a la página Entornos.

   Ir a Entornos

2. Selecciona tu entorno de Airflow 2.

3. Ve a la pestaña Paquetes de PyPI y haz clic en Editar.

4. Copia los requisitos del paquete de PyPI de tu entorno de Airflow 1.10.*. Haz clic en Guardar y espera a que se actualice el entorno.

   Debido a que los entornos de Airflow 2 usan un conjunto distinto de paquetes preinstalados y una versión distinta de Python, es posible que experimentes conflictos de paquetes de PyPI que son difíciles de resolver. Una forma de diagnosticar problemas de dependencia de paquetes es comprobar si hay errores de paquetes de PyPI. Para ello, instala paquetes en un Pod trabajador de Airflow.

Paso 4: Transfiere las variables y los grupos a Airflow 2

Airflow 1.10.* admite la exportación de variables y grupos a archivos JSON. Puedes y, luego, importarlos a tu entorno de Airflow 2.

Solo necesitas transferir grupos si tienes grupos personalizados que no sean default_pool De lo contrario, omite los comandos que importan y exportan grupos.

Nota: Los comandos de la CLI de Airflow que se usan en este paso operan en archivos locales en los trabajadores de Airflow. Para subir o descargar los archivos, usa la carpeta /data en el bucket de Cloud Storage de tu entorno. Esta carpeta se sincroniza con el Directorio /home/airflow/gcs/data/ en los trabajadores de Airflow. En la CLI de Airflow , especifica /home/airflow/gcs/data/ en el parámetro FILEPATH.

gcloud

1. Exporta variables de tu entorno de Airflow 1.10.*:

   gcloud composer environments run AIRFLOW_1_ENV \
       --location AIRFLOW_1_LOCATION \
        variables -- -e /home/airflow/gcs/data/variables.json
   

   Reemplaza lo siguiente:

   • AIRFLOW_1_ENV por el nombre de tu entorno de Airflow 1.10.*
   • AIRFLOW_1_LOCATION por la región en la que se encuentra el entorno.

2. Exporta grupos de tu entorno de Airflow 1.10.*:

   gcloud composer environments run AIRFLOW_1_ENV \
       --location AIRFLOW_1_LOCATION \
        pool -- -e /home/airflow/gcs/data/pools.json
   

3. Obtén el URI del bucket de entorno de Airflow 2.

   1. Ejecuta el siguiente comando:

      gcloud composer environments describe AIRFLOW_2_ENV \
          --location AIRFLOW_2_LOCATION \
           --format="value(config.dagGcsPrefix)"
      

      Reemplaza lo siguiente:

      • AIRFLOW_2_ENV por el nombre de tu entorno de Airflow 2
      • AIRFLOW_2_LOCATION por la región en la que se encuentra el entorno ubicado.

   2. En el resultado, quita la carpeta /dags. El resultado es el URI del bucket de tu entorno de Airflow 2.

      Por ejemplo, cambia gs://us-central1-example-916807e1-bucket/dags a gs://us-central1-example-916807e1-bucket.

4. Transfiere archivos JSON con variables y grupos a Airflow 2 entorno:

   gcloud composer environments storage data export \
       --destination=AIRFLOW_2_BUCKET/data \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION \
       --source=variables.json
   
   gcloud composer environments storage data export \
       --destination=AIRFLOW_2_BUCKET/data \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION \
       --source=pools.json
   

   Reemplaza AIRFLOW_2_BUCKET por el URI de tu entorno de Airflow 2. bucket se obtuvo en el paso anterior.

5. Importa variables y grupos a Airflow 2:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       variables import \
       -- /home/airflow/gcs/data/variables.json
   
   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       pools import \
       -- /home/airflow/gcs/data/pools.json
   

6. Verifica que se importen las variables y los grupos:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       variables list
   
   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       pools list
   

7. Quita los archivos JSON de los buckets:

   gcloud composer environments storage data delete \
       variables.json \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   
   gcloud composer environments storage data delete \
       pools.json \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   
   gcloud composer environments storage data delete \
       variables.json \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION
   
   gcloud composer environments storage data delete \
       pools.json \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION
   

Paso 5: Transfiere otros datos desde tu bucket de entorno de Airflow 1.10.*

gcloud

1. Transfiere complementos a tu entorno de Airflow 2. Para hacerlo, exporta los complementos desde Airflow 1.10.* bucket de entorno a la carpeta /plugins de Airflow 2 bucket de entorno:

   gcloud composer environments storage plugins export \
       --destination=AIRFLOW_2_BUCKET/plugins \
       --environment=AIRFLOW_1_ENV \
       --location=AIRFLOW_1_LOCATION
   

2. Verifica que la carpeta /plugins se haya importado correctamente:

   gcloud composer environments storage plugins list \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   

3. Exporta la carpeta /data de tu entorno de Airflow 1.10.* al Entorno de Airflow 2:

       gcloud composer environments storage data export \
           --destination=AIRFLOW_2_BUCKET/data \
           --environment=AIRFLOW_1_ENV \
           --location=AIRFLOW_1_LOCATION
   

4. Verifica que la carpeta /data se haya importado correctamente:

   gcloud composer environments storage data list \
       --environment=AIRFLOW_2_ENV \
       --location=AIRFLOW_2_LOCATION
   

Paso 6: Transfiere las conexiones y los usuarios

Airflow 1.10.* no admite la exportación de usuarios y conexiones. Para realizar la transferencia usuarios y conexiones, crear nuevas cuentas de usuario y conexiones de forma manual en tu entorno de Airflow 2.

Importante: Los entornos de Cloud Composer tienen muchas conexiones predeterminadas. No transfieras estas conexiones porque los entornos de Airflow 2 ya tienen con ellos.

gcloud

1. Para obtener una lista de conexiones en tu entorno de Airflow 1.10.*, ejecuta el siguiente comando:

   gcloud composer environments run AIRFLOW_1_ENV \
       --location AIRFLOW_1_LOCATION \
        connections -- --list
   

2. Para crear una conexión nueva en tu entorno de Airflow 2, ejecuta el comando connections de la CLI de Airflow a través de gcloud. Por ejemplo:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       connections add \
       -- --conn-host postgres.example.com \
       --conn-port 5432 \
       --conn-type postgres \
       --conn-login example_user \
       --conn-password example_password \
       --conn-description "Example connection" \
       example_connection
   

3. Para ver una lista de usuarios en tu entorno de Airflow 1.10.*, haz lo siguiente:

   1. Abre la interfaz web de Airflow para tu entorno de Airflow 1.10.*.

   2. Ve a Administrador > Usuarios.

4. Para crear una cuenta de usuario nueva en tu entorno de Airflow 2, ejecuta el comando users create de la CLI de Airflow a través de gcloud. Por ejemplo:

   gcloud composer environments run \
       AIRFLOW_2_ENV \
       --location AIRFLOW_2_LOCATION \
       users create \
       -- --username example_username \
       --firstname Example-Name \
       --lastname Example-Surname \
       --email [e-mail] \
       --use-random-password \
       --role Admin
   

Paso 7: Asegúrate de que tus DAG estén listos para Airflow 2

Antes de transferir DAG a tu entorno de Airflow 2, asegúrate de lo siguiente:

1. Tus DAG se ejecutan correctamente y no hay problemas de compatibilidad restantes.

2. Tus DAG usan sentencias de importación correctas.

   Por ejemplo, la nueva sentencia de importación para BigQueryCreateDataTransferOperator puede verse así:

   from airflow.providers.google.cloud.operators.bigquery_dts \
       import BigQueryCreateDataTransferOperator
   

3. Tus DAG son se actualizó para Airflow 2. Este cambio es compatible con Airflow 1.10.14 y versiones posteriores.

Paso 8: Transfiere los DAG al entorno de Airflow 2

Advertencia: En este paso, se explica cómo evitar problemas potenciales con ejecuciones de DAG duplicadas, faltantes, erróneas o no válidas al transferir tus DAG entre entornos.

Los siguientes problemas podrían ocurrir cuando transfieres DAG entre entornos:

• Si un DAG está habilitado (no pausado) en ambos entornos, cada uno se ejecutará su propia copia del DAG, según lo programado. Esto podría generar ejecuciones simultáneas de DAG para los mismos datos y el mismo tiempo de ejecución.

• Debido a la recuperación de DAG, Airflow programa ejecuciones de DAG adicionales, a partir de la fecha de inicio especificada en tus DAG. Esto sucede porque la nueva instancia de Airflow no tarda en cuenta el historial de ejecuciones de DAG desde el entorno 1.10.*. Esta podría generar una gran cantidad de ejecuciones de DAG programadas a partir del fecha de inicio especificada.

Evita ejecuciones simultáneas de DAG

En tu entorno de Airflow 2, anular dags_are_paused_at_creation Opción de configuración de Airflow. Después de hacer este cambio, todos los DAG nuevos pausada de forma predeterminada.

Sección	Clave	Valor
core	dags_are_paused_at_creation	True

Nota: Puedes quitar esta anulación después de transferir todos tus DAG al entorno de Airflow 2.

Evita las ejecuciones de DAG adicionales o faltantes

Especifica una nueva fecha de inicio estática en los DAG que transfieras a tu entorno de Airflow 2.

Para evitar brechas y superposiciones en fechas de ejecución, la primera ejecución de DAG deberá ocurrir en el entorno de Airflow 2 en la próxima caso del intervalo de programación. Para ello, establece la nueva fecha de inicio en tu DAG para que sea anterior a la fecha de la última ejecución en el entorno de Airflow 1.10.*.

A modo de ejemplo, si tu DAG se ejecuta a las 15:00, 17:00 y 21:00 todos los días en el entorno de Airflow 1.10.*, la última ejecución de DAG ocurrió a las 15:00 y planeas transferir el DAG a las 15:15, la fecha de inicio del entorno de Airflow 2 puede ser hoy a las 14:45. Después de habilitar el DAG en el entorno de Airflow 2, Airflow programa una ejecución del DAG para las 17:00.

Como otro ejemplo, si tu DAG se ejecuta a las 00:00 todos los días en el entorno de Airflow 1.10.*, la última ejecución de DAG ocurre a las 20:00 el 26 de abril de 2021 y planeas transferir el DAG a las 13:00 del 26 de abril de 2021, la fecha de inicio del entorno de Airflow 2 puede ser a las 23:45 del 25 de abril de 2021. Después de habilitar el DAG en el entorno de Airflow 2, Airflow programa una ejecución del DAG para las 00:00 el 27 de abril de 2021.

Transfiere tus DAG uno por uno al entorno de Airflow 2

En cada DAG, sigue este procedimiento para transferirlo:

1. Asegúrate de que la nueva fecha de inicio en el DAG esté configurada como se describe en la sección anterior.

2. Sube el DAG actualizado al entorno de Airflow 2. Este DAG se pausa en la versión 2 de Airflow debido a la anulación de la configuración, por lo que ninguna ejecución de DAG programado aún.

3. En la interfaz web de Airflow, ve a DAGs y comprueba si hay errores de sintaxis de DAG informados.

   Nota: La interfaz web de Airflow no muestra correctamente los DAG ubicados en archivos ZIP. Este comportamiento es una limitación conocida de Airflow.

4. Cuando planees transferir el DAG, haz lo siguiente:

   1. Pausa el DAG en tu entorno de Airflow 1.10.*.

   2. Reanuda el DAG en tu entorno de Airflow 2.

   3. Verifica que la nueva ejecución de DAG esté programada a la hora correcta.

   4. Espera a que se ejecute el DAG en el entorno de Airflow 2 y verifica si la ejecución se realiza correctamente.

5. Según si la ejecución del DAG se realiza de forma correcta o no:

   • Si la ejecución del DAG se realiza correctamente, puedes continuar y usar el DAG desde tu entorno de Airflow 2. Con el tiempo, considera borrar el Airflow versión 1.10.* del DAG.

   • Si la ejecución del DAG falló, intenta solucionar problemas relacionados con el DAG hasta que se ejecute correctamente en Airflow 2.

     Si es necesario, siempre puedes recurrir a la versión 1.10.* de Airflow del DAG:

     1. Pausa el DAG en tu entorno de Airflow 2.

     2. Reanuda el DAG en tu entorno de Airflow 1.10.*. Esta programación una nueva ejecución de DAG para la misma fecha y hora que la con errores.

     3. Cuando tengas todo listo para continuar con la versión de Airflow 2 del DAG, ajusta la fecha de inicio, sube la nueva versión del DAG a tu entorno de Airflow 2 y repite el procedimiento.

Paso 9: Supervisa tu entorno de Airflow 2

Después de transferir todos los DAG y la configuración al entorno de Airflow 2, supervísala en busca de posibles problemas, ejecuciones fallidas de DAG y para el entorno en general. y la salud general. Si el entorno de Airflow 2 se ejecuta sin problemas durante una cantidad suficiente puedes quitar el entorno de Airflow 1.10.*.

¿Qué sigue?

• Soluciona problemas de los DAG
• Solución de problemas de creación de entornos
• Soluciona problemas de actualizaciones del entorno
• Cómo usar paquetes de portabilidad a versiones anteriores