在 Cloud Composer 1 中运行 Apache Airflow DAG

在 Cloud Composer 1 中运行 Apache Airflow DAG

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

本快速入门指南介绍了如何在 Cloud Composer 1 中创建 Cloud Composer 环境并运行 Apache Airflow DAG。

• 如果您刚接触 Airflow，请参阅 Apache Airflow 文档中的 Airflow 概念教程，详细了解 Airflow 的概念、对象及其用法。

• 如果您想改用 Google Cloud CLI，请参阅在 Cloud Composer 中运行 Apache Airflow DAG (Google Cloud CLI)。

• 如果您想使用 Terraform 创建环境，请参阅创建环境 (Terraform)。

准备工作

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

5. Make sure that billing is enabled for your Google Cloud project.

6. Enable the Cloud Composer API.

   Enable the API

7. 如需获得完成本快速入门所需的权限，请让您的管理员为您授予项目的以下 IAM 角色：

   • 如需查看、创建和管理 Cloud Composer 环境，请执行以下操作：
     • Environment and Storage Object Administrator (roles/composer.environmentAndStorageObjectAdmin)
     • Service Account User (roles/iam.serviceAccountUser)
   • 如需查看日志，请使用以下角色： Logs Viewer (roles/logging.viewer)

   如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

   您也可以通过自定义角色或其他预定义角色来获取所需的权限。

创建环境的服务账号

创建环境时，您需要指定服务账号。此服务账号称为“环境的服务账号”。您的环境会使用此服务账号执行大多数操作。

您的环境的服务账号不是用户账号。服务账号是由应用或虚拟机 (VM) 实例（而非单个用户）使用的特殊账号。

如需为您的环境创建服务账号，请执行以下操作：

1. 按照 Identity and Access Management 文档中的说明创建新的服务账号。

2. 向该服务授予角色，如 Identity and Access Management 文档中所述。所需的角色为 Composer Worker (composer.worker)。

创建环境

1. 在 Google Cloud 控制台中，前往创建环境页面。

   转到“创建环境”

2. 在名称字段中，输入 example-environment。

3. 在位置下拉列表中，为 Cloud Composer 环境选择一个区域。本指南使用 us-central1 区域。

4. 对于其他环境配置选项，请使用提供的默认值。

5. 点击创建，然后等待环境创建完成。

   注意 ：Cloud Composer 大约需要 25 分钟才能创建您的环境。

6. 完成后，相应环境名称旁边会显示一个绿色对勾标记。

创建 DAG 文件

Airflow DAG 是您要安排和运行的有序任务的集合。DAG 在标准 Python 文件中定义。

本指南使用 quickstart.py 文件中定义的 Airflow DAG 示例。此文件中的 Python 代码会执行以下操作：

1. 创建一个 DAG composer_sample_dag。此 DAG 每天运行一次。
2. 执行一项 print_dag_run_conf 任务。该任务使用 bash 运算符输出 DAG 运行的配置。

将 quickstart.py 文件的副本保存在本地机器上：

import datetime

from airflow import models
from airflow.operators import bash

# If you are running Airflow in more than one time zone
# see https://airflow.apache.org/docs/apache-airflow/stable/timezone.html
# for best practices
YESTERDAY = datetime.datetime.now() - datetime.timedelta(days=1)

default_args = {
    "owner": "Composer Example",
    "depends_on_past": False,
    "email": [""],
    "email_on_failure": False,
    "email_on_retry": False,
    "retries": 1,
    "retry_delay": datetime.timedelta(minutes=5),
    "start_date": YESTERDAY,
}

with models.DAG(
    "composer_quickstart",
    catchup=False,
    default_args=default_args,
    schedule_interval=datetime.timedelta(days=1),
) as dag:
    # Print the dag_run id from the Airflow logs
    print_dag_run_conf = bash.BashOperator(
        task_id="print_dag_run_conf", bash_command="echo {{ dag_run.id }}"
    )

将 DAG 文件上传到环境的存储分区

每个 Cloud Composer 环境都有一个关联的 Cloud Storage 存储分区。Cloud Composer 中的 Airflow 只会安排位于此存储分区的 /dags 文件夹中的 DAG。

如需安排 DAG，请将 quickstart.py 从本地机器上传到您的环境的 /dags 文件夹：

1. 在 Google Cloud 控制台中，前往环境页面。

   转到“环境”

2. 在环境列表中，点击您的环境名称 example-environment。环境详情页面随即打开。

3. 点击打开 DAG 文件夹。系统随即会打开存储分区详情页面。

4. 点击上传文件，然后选择 quickstart.py 的副本。

5. 如需上传该文件，请点击打开。

查看 DAG

上传 DAG 文件后，Airflow 会执行以下操作：

1. 解析您上传的 DAG 文件。DAG 可能需要几分钟才能供 Airflow 使用。
2. 将 DAG 添加到可用 DAG 列表中。
3. 根据您在 DAG 文件中提供的时间表执行 DAG。

在 DAG 界面中查看 DAG，检查 DAG 是否已处理完毕且是否可在 Airflow 中使用。DAG 界面是 Cloud Composer 界面，用于在 Google Cloud 控制台中查看 DAG 信息。Cloud Composer 还提供对 Airflow 界面的访问权限，该界面是原生 Airflow Web 界面。

1. 请等待大约五分钟，以便 Airflow 处理您之前上传的 DAG 文件，并完成首次 DAG 运行（稍后会加以说明）。

2. 在 Google Cloud 控制台中，前往环境页面。

   转到“环境”

3. 在环境列表中，点击您的环境名称 example-environment。环境详情页面随即打开。

4. 前往 DAG 标签页。

5. 检查 composer_quickstart DAG 是否在 DAG 列表中。

   

   图 1. DAG 列表显示 composer_quickstart DAG（点击可放大）

   注意： Cloud Composer 使用 airflow_monitoring DAG 来监控环境的运行状况。

查看 DAG 运行作业详情

DAG 的单次执行称为 DAG 运行。由于 DAG 文件中的开始日期设置为昨天，因此 Airflow 会立即为示例 DAG 执行 DAG 运行。这样，Airflow 就可以赶上指定 DAG 的时间安排。

示例 DAG 包含一个任务 print_dag_run_conf，该任务会在控制台中运行 echo 命令。此命令会输出有关 DAG 的元信息（DAG 运行的数字标识符）。

1. 在 DAG 标签页中，点击 composer_quickstart。系统会打开 DAG 的运行标签页。

2. 在 DAG 运行列表中，点击第一个条目。

   

   图 2. composer_quickstart DAG 的 DAG 运行列表（点击可放大）

3. 系统会显示 DAG 运行详情，其中详细介绍了示例 DAG 的各个任务的相关信息。

   

   图 3. DAG 运行期间执行的任务列表（点击可放大）

4. DAG 运行的日志部分会列出 DAG 运行中的所有任务的日志。您可以在日志中看到 echo 命令的输出。

   

   图 4. print_dag_run_conf 任务的日志（点击可放大）

清理

为避免因本页中使用的资源导致您的 Google Cloud 账号产生费用，请按照以下步骤操作。

删除本教程中使用的资源：

1. 删除 Cloud Composer 环境：

   1. 在 Google Cloud 控制台中，前往环境页面。

      转到“环境”

   2. 选择 example-environment，并点击删除。

   3. 等待环境删除完成。

2. 删除环境的存储桶。删除 Cloud Composer 环境不会删除其存储分区。

   1. 在 Google Cloud 控制台中，依次前往存储 > 浏览器页面。

      转到“存储”>“浏览器”

   2. 选择环境的存储桶，然后点击删除。例如，此存储桶可以命名为 us-central1-example-environ-c1616fe8-bucket。

后续步骤

• 添加和更新 DAG
• 编写 DAG
• 替换 Airflow 配置
• 访问 Airflow 界面