使用 Monitoring 信息中心

Cloud Composer 3 | Cloud Composer 2 | Cloud Composer 1

本页介绍了如何访问和使用 Cloud Composer 环境的监控信息中心。

• 如需有关监控关键环境指标的教程，请参阅使用关键指标监控环境健康状况和性能。

• 如需详细了解特定指标，请参阅使用 Cloud Monitoring 监控环境。

访问监控信息中心

该监控信息中心包含指标和图表，用于监控环境中运行的 DAG 的趋势，以及识别 Airflow 组件和 Cloud Composer 资源的问题。

如需访问环境的监控信息中心，请执行以下操作：

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。环境详情页面会打开。

3. 转到监控标签页。

为指标设置提醒

点击监控卡片角落的铃铛图标，即可为指标设置提醒。

在 Monitoring 中查看指标

您可以在 Monitoring 中查看指标的详细情况。

如需从 Cloud Composer 监控信息中心导航到该处，请点击指标卡片右上角的三个点，然后选择在 Metrics Explorer 中查看。

指标说明

每个 Cloud Composer 环境都有自己的监控信息中心。特定环境的监控信息中心上显示的指标仅跟踪此环境的 DAG 运行、Airflow 组件和环境详细信息。例如，如果您有两个环境，信息中心不会汇总这两个环境的指标。

环境概览

环境指标	说明
环境健康情况（Airflow 监控 DAG）	显示 Composer 部署的运行状况的时间轴。绿色状态仅反映 Composer 部署的状态。这并不意味着所有 Airflow 组件都正常工作并且 DAG 能够运行。
调度程序检测信号	显示 Airflow 调度程序的检测信号的时间轴。检查是否存在红色区域，以识别 Airflow 调度程序问题。如果您的环境有多个调度器，只要至少有一个调度器响应，则心跳状态为正常。
Web 服务器运行状况	显示 Airflow Web 服务器状态的时间轴。此状态是根据 Airflow Web 服务器返回的 HTTP 状态代码生成的。
数据库运行状况	显示与托管 Airflow 数据库的 Cloud SQL 实例的连接状态的时间轴。
环境操作	显示用于修改环境的操作（例如执行配置更新或加载环境快照）的时间轴。
维护操作	显示在环境的集群上执行维护操作的时间段的时间轴。
环境依赖项	一个时间轴，显示环境操作的可单手操作性和权限检查状态。

DAG 统计信息

环境指标	说明
成功的 DAG 运行	所选时间范围内环境中所有 DAG 的成功运行总次数。如果成功运行的 DAG 数量低于预期水平，则可能表示失败（请参阅失败的 DAG 运行）或出现时间安排问题。
失败的 DAG 运行 失败的任务	所选时间范围内环境中所有 DAG 的失败运行总次数。 所选时间范围内在环境中失败的任务总数。失败的任务并不一定会导致 DAG 运行失败，但它们可以作为有用的信号来排查 DAG 问题。
已完成的 DAG 运行	所选时间范围的间隔中 DAG 的成功次数和失败次数。这有助于识别 DAG 运行的暂时性问题，并将其与其他事件（例如工作器 pod 逐出）相关联。
已完成的任务	环境中完成的任务数量，以及成功和失败任务的明细。
DAG 运行时长中位数	DAG 运行时长中间值，此图表有助于识别 DAG 时长方面的性能问题和趋势。
Airflow 任务	在指定时间处于正在运行、排队或推迟状态的任务数量。Airflow 任务是指在 Airflow 中处于队列状态的任务，它们可以进入 Celery 或 Kubernetes Executor 代理队列。“Celery 队列中的任务数”是指已进入 Celery 代理队列的任务实例数。
已终止的僵尸任务	较小时间窗口内完成的僵尸任务数量。僵尸任务通常由 Airflow 进程的外部终止导致。Airflow 调度程序会定期终止僵尸任务，这些任务应反映在此图表中。
DAG 总数	在给定时间已部署到您环境的存储桶并且已由 Airflow 处理的 DAG 数量。这在分析性能瓶颈时很有用。例如，DAG 部署数量增加可能会因负载过多而导致性能降低。
DAG 处理器错误	处理 DAG 文件时遇到的每秒错误数和超时次数。该值表示 DAG 处理器报告错误的频率（不同于失败的 DAG 数量）。
所有 DAG 的总解析时间	显示 Airflow 处理环境中所有 DAG 所需总时间的图表。解析时间增加会影响调度效率。如需了解详情，请参阅 DAG 解析时间与 DAG 执行时间之间的差异。

调度器统计信息

环境指标	说明
调度器心跳	请参阅环境概览。
调度器的 CPU 总使用率	所有 Airflow 调度器 pod 中运行的容器所用的 vCPU 核心总数，以及所有调度器的总 vCPU 限制。
调度器内存总用量	所有 Airflow 调度器 pod 中运行的容器的内存总用量，以及所有调度器的总 vCPU 限制。
调度器的总磁盘使用量	在所有 Airflow 调度器 pod 中运行的容器的磁盘空间总用量，以及所有调度器的总磁盘空间限制。
调度器容器重启	各个调度器容器的重启总次数。
调度器 Pod 逐出	Airflow 调度器 Pod 逐出次数。当环境集群中的特定 pod 达到其资源限制时，可能会发生 pod 逐出。

工作器统计信息

环境指标	说明
工作器 CPU 总使用率	所有 Airflow 工作器 pod 中运行的容器所用的 vCPU 核心总数，以及所有工作器的总 vCPU 限制。
工作器内存总用量	所有 Airflow 工作器 pod 中运行的容器的内存总用量，以及所有工作器的总 vCPU 限制。
工作器磁盘总用量	所有 Airflow 工作器 pod 中运行的容器的磁盘空间总用量，以及所有工作器的总磁盘空间限制。
活跃工作器数	您环境中的当前工作器数量。在 Cloud Composer 2 中，您的环境会自动扩缩活跃工作器的数量。
工作器容器重启	各个工作器容器的重启总次数。
工作器 pod 逐出	Airflow 工作器 Pod 逐出次数。当环境集群中的特定 pod 达到其资源限制时，可能会发生 pod 逐出。如果 Airflow 工作器 pod 被逐出，则该 pod 上运行的所有任务实例都会中断，之后被 Airflow 标记为失败。
Airflow 任务	请参阅环境概览。
未确认的 Celery 任务	Celery 代理队列中未确认的任务数。未确认的任务包括处于 queued 和 running 任务状态的 Airflow 任务实例。这两种状态对于 Airflow 任务的执行都是正常的。在 Airflow 处理这些状态的任务时，“未确认的 Celery 任务”图表将输出这些状态的任务为未确认。如果 Airflow 任务实例异常中断（例如被检测为僵尸），则在达到 visibility_timeout 之前，系统也不会确认该实例。在这种情况下，图表会显示一项长时间一直处于未确认状态的任务。在 Cloud Composer 中，可见性超时值设为 7 天。此时间段过后，系统会重新提交任务，并且有可能收到确认。如果再次失败，系统可能会再等待 7 天才会确认。
Celery 代理发布超时	向 Celery 代理发布任务时出现的 AirflowTaskTimeout 错误总数。此指标对应于 celery.task_timeout_error Airflow 指标。
Celery 执行命令失败	Celery 任务中的非零退出代码总数。此指标对应于 celery.execute_command.failure Airflow 指标。
系统终止的任务	任务运行程序因 SIGKILL 而终止的工作流任务数（例如由于工作器内存或检测信号问题）。

触发器统计信息

环境指标	说明
推迟的任务	在指定时间处于推迟状态的任务数量。如需详细了解延迟任务，请参阅使用可延期运算符
已完成的触发器	所有触发器 pod 中已完成的触发器数量。
正在运行的触发器	每个触发器实例运行的触发器数量。此图表会为每个触发器显示单独的一行。
屏蔽型触发器	阻塞了主线程的触发器数量（可能是因为未完全异步）。
触发器的 CPU 用量总计	所有 Airflow 触发器 pod 中运行的容器所用的 vCPU 核心总数，以及所有触发器的总 vCPU 限制。
触发器的内存用量总计	在所有 Airflow 触发器 pod 中运行的容器的内存总用量，以及所有触发器的总 vCPU 限制。
触发器的磁盘使用量总计	所有 Airflow 触发器 pod 中运行的容器的磁盘空间总用量，以及所有触发器的磁盘空间总限制。
活跃触发器	活跃触发器实例的数量。
触发器容器重启	触发器容器重启次数。

Web 服务器统计信息

环境指标	说明
Web 服务器运行状况	请参阅环境概览。
网络服务器 CPU 使用率	在所有 Airflow Web 服务器 pod 中运行的容器所用的 vCPU 核心总数，以及所有 Web 服务器的总 vCPU 限制。
网络服务器内存用量	在所有 Airflow Web 服务器 pod 中运行的容器所用的内存总用量，以及所有 Web 服务器的总 vCPU 限制。
Web 服务器磁盘总用量	在所有 Airflow Web 服务器 pod 中运行的容器所使用的磁盘空间总用量，以及所有 Web 服务器的总磁盘空间限制。

SQL 数据库统计信息

环境指标	说明
数据库运行状况	请参阅环境概览。
数据库 CPU 使用率	您环境中的 Cloud SQL 数据库实例使用的 CPU 核心数。
数据库内存用量	您环境中的 Cloud SQL 数据库实例使用的内存总量。
数据库磁盘使用量	您环境中的 Cloud SQL 数据库实例使用的磁盘空间总量。此指标适用于 Cloud SQL 数据库实例本身，因此在缩减 Airflow 数据库大小后，该指标不会减少。如需查看显示 Airflow 数据库内容大小的指标，请参阅 Airflow 元数据数据库大小。
Airflow 元数据数据库大小	Airflow 元数据数据库的大小。此指标适用于环境的 Airflow 组件，用于显示 Cloud SQL 数据库实例上的 Airflow 元数据数据库占用的磁盘空间量。当 Airflow 元数据数据库大小减小（例如在执行 Airflow 数据库维护后）时，此指标会减小，并用于确定是否可以创建快照和升级环境。此指标不同于“数据库磁盘用量”指标，后者显示 Cloud SQL 数据库实例使用的磁盘空间量。
数据库连接	与数据库建立的活跃连接总数和连接总数上限。

DAG 解析时间与 DAG 执行时间之间的差异

环境的监控信息中心会显示解析 Cloud Composer 环境中所有 DAG 所需的总时间，以及执行 DAG 的平均时间。

解析 DAG 和调度来自 DAG 的任务以执行是 Airflow 调度器执行的两个独立操作。

DAG 解析时间是 Airflow 调度器读取和解析 DAG 文件所需的时间。

在 Airflow 调度器能够调度 DAG 中的任何任务之前，必须解析 DAG 文件，以发现 DAG 和定义的任务的结构。解析 DAG 文件后，调度器可以开始调度 DAG 中的任务。

DAG 执行时间是 DAG 的所有任务执行时间之和。

如需查看从 DAG 执行特定 Airflow 任务所需的时间，请在 Airflow 网页界面中选择一个 DAG，然后打开任务时长标签页。此标签页会显示最近指定次数的 DAG 运行的任务执行时间。