Solucionar problemas del activador de Airflow

Cloud Composer 1 | Cloud Composer 2 | Cloud Composer 3

En esta página, se proporcionan pasos para solucionar problemas e información de problemas problemas con el activador de Airflow.

Operaciones de bloqueo en el activador

En ocasiones, es posible que las tareas asíncronas se bloqueen en los activadores. En la mayoría de los casos, los problemas provienen de recursos de activadores insuficientes o de problemas con el código del operador asíncrono personalizado.

Los registros del activador muestran los mensajes de advertencia te ayudan a identificar las causas raíz de la disminución del rendimiento de los activadores. Existen dos importantes que hay que tener en cuenta.

1. Se bloqueó el subproceso asíncrono

   Triggerer's async thread was blocked for 1.2 seconds, likely due to the highly utilized environment.
   

   Esta advertencia indica problemas con el rendimiento debido a un gran volumen de tareas asíncronas.

   Solución: Para abordar este problema, asignar más recursos a los activadores reducir la cantidad de tareas diferidas que se ejecutan al mismo tiempo, o aumentar la cantidad de activadores en tu entorno. Ten en cuenta que, aunque los activadores se encargan de las tareas diferibles, los trabajadores que son responsables de iniciar completar cada tarea. Si ajustas la cantidad de activadores, también considera escalar la cantidad de instancias de trabajador.

2. Una tarea específica bloqueó el subproceso asíncrono.

   WARNING - Executing <Task finished coro=<TriggerRunner.run_trigger() done, defined at /opt/***/***/jobs/my-custom-code.py:609> result=None> took 0.401 second
   

   Esta advertencia apunta a una parte específica del código de operador que ejecuta Cloud Composer De forma predeterminada, los activadores deben depender de la biblioteca asyncio para ejecutar operaciones en segundo plano. Una implementación personalizada de un activador no cumplen correctamente con los contratos de asyncio (por ejemplo, debido a errores de el uso de las palabras clave await y async en el código de Python).

   Solución: Inspecciona el código que informa la advertencia y comprueba si la operación asíncrona se haya implementado correctamente.

Hay demasiados activadores

La cantidad de tareas diferidas se puede ver en la métrica task_count, que se también se muestra en el panel de Monitoring de tu entorno. Cada activador crea algunos recursos, como conexiones a recursos externos, que consumen memoria.

Los gráficos de memoria y consumo de CPU indican que los recursos insuficientes causan se reinicia porque el sondeo de funcionamiento falla debido a que faltan latidos:

Solución: Para abordar este problema, asignar más recursos a los activadores reducir la cantidad de tareas diferidas que se ejecutan al mismo tiempo, o aumentar la cantidad de activadores en tu entorno.

Falla de un trabajador de Airflow durante la ejecución de la devolución de llamada

Cuando el activador finaliza la ejecución, el control vuelve a un flujo de Worker, que ejecuta un método de devolución de llamada con una ranura de ejecución. Esta fase está controlada por el ejecutor de Celery y, por lo tanto, se aplican los límites de configuración y recursos correspondientes (como parallelism o worker_concurrency).

Si el método de devolución de llamada falla en el trabajador de Airflow, el trabajador falla o trabajador que ejecuta el método se reinicia, la tarea se marca como FAILED. En En este caso, la operación de reintento vuelve a ejecutar la tarea completa, no solo de devolución de llamada.

Bucle infinito en un activador

Es posible implementar un operador de activador personalizado de tal manera que bloquea por completo el bucle del activador principal, para que solo se muestre un activador dañado ejecutado en ese momento. En este caso, una advertencia se genera en los registros del activador después de activador problemático haya finalizado.

No se encontró la clase de activador

Como la carpeta de los DAG no está sincronizada con el activador de Airflow, falta el código de activador intercalado cuando se ejecuta el activador. El error se genera en los registros de la tarea que falló:

ImportError: Module "PACKAGE_NAME" does not define a "CLASS_NAME" attribute/
class

Solución: Importa el código faltante de PyPI.

Mensaje de advertencia sobre el activador en la IU de Airflow

En algunos casos, después de inhabilitar el activador, es posible que veas lo siguiente: mensaje de advertencia en la IU de Airflow:

The triggerer does not appear to be running. Last heartbeat was received
4 hours ago. Triggers will not run, and any deferred operator will remain
deferred until it times out or fails.

Airflow puede mostrar este mensaje porque los activadores incompletos permanecen en Airflow en la base de datos. Por lo general, este mensaje indica que se inhabilitó el activador antes de que activadores se hayan completado en tu entorno.

Para ver todos los activadores que se ejecutan en el entorno, consulta la página Browse > Triggers en la IU de Airflow (se requiere el rol Admin).

Soluciones:

• Habilita el activador nuevamente y espera a que se completen las tareas diferidas.
• Accede a la base de datos de Airflow y bórrala activadores incompletos de forma manual.

Las tareas permanecen en el estado diferido después de que se inhabilita el activador

Cuando se inhabilita el activador, las tareas que ya están en el estado diferido permanecen en este estado hasta que se alcanza el tiempo de espera. Este tiempo de espera puede ser infinita, según la configuración de Airflow y DAG.

Utiliza una de las siguientes soluciones:

• Marca las tareas de forma manual como fallidas.
• Habilita el activador para completar las tareas.

Recomendamos inhabilitar el activador solo si tu entorno no ejecuta ninguno las tareas o los operadores diferidos y se completan todas las tareas diferidas.

¿Qué sigue?

• Métricas del activador de Airflow
• Registros del activador de Airflow