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 desde 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 el	Hasta el	Método	Guía
Cloud Composer 1, Airflow 2	Cloud Composer 2, Airflow 2	En paralelo, con instantáneas	Guía de migración (instantáneas)
Cloud Composer 1, Airflow 1	Cloud Composer 2, Airflow 2	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 existentes de Cloud Composer con Airflow 2.0.1 y versiones posteriores.

Esta es una ruta alternativa a la que se describe en esta guía. Algunas partes de esta guía aún se aplican cuando se usa la secuencia de comandos proporcionada. Por ejemplo, es posible que desees verificar la compatibilidad de tus DAG con Airflow 2 antes de migrarlos, o para asegurarte de que no se realicen ejecuciones simultáneas de DAG y no haya ejecuciones de DAG adicionales 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. Si lo haces, se configurará el comportamiento del programador, pero no se habilitará el programador con alta disponibilidad.

Ejecutor de Celery y Kubernetes

El ejecutor de Celery y Kubernetes de Airflow 2 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 es compatible con 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 formato nuevo en entornos con Airflow 2 mediante el comando gcloud composer environments run.
• Los paquetes de PyPI preinstalados son diferentes en los entornos de Airflow 2. Para obtener una lista de los 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. Por lo tanto, la configuración de los parámetros [core]store_serialized_dags y [core]store_dag_code no es compatible con Airflow 2, y los intentos de configurarlos 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 predeterminado del usuario 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 posibles conflictos con Airflow 2, usa las secuencias de comandos de verificación de actualización que proporciona Airflow en tu entorno existente de Airflow 1.10.*.

Nota: Airflow no realiza verificaciones de actualización en los DAG ubicados en archivos ZIP. Este comportamiento es una limitación conocida en Airflow.

gcloud

1. Si tu entorno usa Airflow 1.10.14 y versiones anteriores, actualízalo a una versión de Cloud Composer que use Airflow 1.10.15 o una versión posterior. Cloud Composer admite comandos de verificación de actualización a partir de Airflow 1.10.15.

2. Ejecuta verificaciones de actualización a través del comando gcloud composer environments run. Algunas verificaciones de actualización que son relevantes para Airflow independiente 1.10.15 no lo son para Cloud Composer. El siguiente comando excluye estas verificaciones.

   gcloud composer environments run \
       AIRFLOW_1_ENV  \
       --location=AIRFLOW_1_LOCATION \
       upgrade_check \
       -- --ignore VersionCheckRule --ignore LoggingConfigurationRule \
       --ignore PodTemplateFileRule --ignore SendGridEmailerMovedRule
   

   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

3. Verifica el resultado del comando. Las secuencias de comandos de verificación de actualizaciones informan posibles problemas de compatibilidad en los entornos existentes.

   Nota: Un problema común que puedes encontrar se relaciona con rutas de importación incompatibles. Si deseas obtener más información para resolver este problema de compatibilidad, en la guía de actualización a Airflow 2.0+, consulta la sección sobre proveedores de portabilidad a versiones anteriores.

4. Implementa otros cambios en los DAG, como se describe en la guía Actualización a Airflow 2.0+, en la sección sobre cómo actualizar DAG.

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

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

1. Sigue los pasos para crear un entorno. Antes de crear un entorno, especifica también anulaciones de configuración y variables de entorno, como se explica con más detalle.

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

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

   Consola

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

   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 el entorno de Airflow 2, instala los paquetes de PyPI en él:

Consola

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 hasta 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 encuentres 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, debes instalar 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. Luego, puedes importar estos archivos 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 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 los comandos de la CLI de Airflow, especifica /home/airflow/gcs/data/ en el parámetro FILEPATH.

gcloud

1. Exporta variables desde 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 desde 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

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

   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 del bucket de entorno de Airflow 2, que obtuviste 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 ello, exporta los complementos desde el bucket de entorno de Airflow 1.10.* a la carpeta /plugins en el bucket de entorno de Airflow 2:

   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 transferir usuarios y conexiones, crea cuentas de usuario y conexiones nuevas de forma manual en el 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 las tienen.

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 el 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. Las secuencias de comandos de verificaciones de actualización para tus DAG se ejecutan de forma correcta y no hay problemas de compatibilidad restantes.

2. Tus DAG usan declaraciones de importación correctas.

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

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

3. Tus DAG se actualizan 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 cuando se transfieren tus DAG entre entornos.

Los siguientes problemas potenciales pueden ocurrir cuando transfieres DAG entre entornos:

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

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

Evita las ejecuciones simultáneas de DAG

En tu entorno de Airflow 2, anula la opción dags_are_paused_at_creation de configuración de Airflow. Después de realizar este cambio, todos los DAG nuevos se pausarán 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 fecha de inicio estática nueva en los DAG que transfieras a tu entorno de Airflow 2.

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

Por 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 del DAG ocurrió a las 15:00 y planeas transferirlo a las 15:15, entonces 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 de DAG para las 17:00 p.m.

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

2. Sube el DAG actualizado al entorno de Airflow 2. Este DAG está en pausa en el entorno de Airflow 2 debido a la anulación de la configuración, por lo que aún no se programaron ejecuciones de DAG.

3. En la interfaz web de Airflow, ve a DAG y verifica si se informaron errores de sintaxis del DAG.

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

4. En el momento en que planeas 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. Comprueba que la nueva ejecución del DAG esté programada para el momento correcto.

   4. Espera a que la ejecución del DAG ocurra en el entorno de Airflow 2 y verifica si se realizó de forma correcta.

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

   • Si la ejecución del DAG se ejecuta de forma correcta, puedes continuar y usar el DAG de tu entorno de Airflow 2. Por último, considera borrar la versión 1.10.* de Airflow del DAG.

   • Si la ejecución del DAG falló, intenta solucionar problemas en 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.*. Esto programa una ejecución de DAG nuevo para la misma fecha y hora que la ejecución con errores.

     3. Cuando estés listo para continuar con la versión de Airflow 2 del DAG, ajusta la fecha de inicio, sube la versión nueva 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, supervísalo para detectar posibles problemas, ejecuciones de DAG con errores y el estado general del entorno. Si el entorno de Airflow 2 se ejecuta sin problemas durante un período 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