Airflow安装与使用

# Airflow 1.10+安装本次安装Airflow版本为1.10+，其须要依赖Python和DB，本次选择的DB为Mysql。本次安装组件及版本以下：Airflow == 1.10.0Python == 3.6.5Mysql == 5.7# 总体流程1. 建表2. 安装3. 配置4. 运行5. 配置任务```启动scheduleairflow scheduler -D启动webserverairflow webserver -Dps -ef|grep -Ei '(airflow-webserver)'| grep master | awk '{print $2}'|xargs -i kill {}ps -ef | grep -Ei 'airflow' | grep -v 'grep' | awk '{print $2}' | xargs -i kill {}## 建库、建用户```库名为airflow'create database airflow;'建用户用户名为airflow，而且设置全部ip都可以访问。create user 'airflow'@'%' identified by 'airflow';create user 'airflow'@'localhost' identified by 'airflow';用户受权这里为新建的airflow用户授予airflow库的全部权限grant all on airflow.* to 'airflow'@'%';flush privileges```## Airflow安装```这里经过 virtualenv 进行安装。----- 经过virtualenv安装$ mkdir /usr/local/virtual_env && cd /usr/local/virtual_env # 建立目录$ virtualenv --no-site-packages airflow --python=python  # 建立虚拟环境$ source /usr/local/virtual_env/airflow/bin/activate # 激活虚拟环境----- 安装指定版本或者默认$ pip install apache-airflow -i https://pypi.douban.com/simple在安装完一堆的依赖后，就须要配置 AIRFLOW_HOME 环境变量，后续的 DAG 和 Plugin 都将以该目录做为根目录查找，如上，能够直接设置为 /tmp/project 。报错ERROR: flask 1.1.1 has requirement Jinja2>=2.10.1, but you'll have jinja2 2.10 which is incompatible.ERROR: flask 1.1.1 has requirement Werkzeug>=0.15, but you'll have werkzeug 0.14.1 which is incompatible.执行：pip3 install -U Flask==1.0.4执行：pip3 install -U pika==0.13.1从新执行 ：pip install apache-airflow -i https://pypi.douban.com/simple----- 设置环境变量(airflow) $ export AIRFLOW_HOME=/tmp/airflow----- 查看其版本信息(airflow) $ airflow version  ____________       _____________ ____    |__( )_________  __/__  /________      ______  /| |_  /__  ___/_  /_ __  /_  __ \_ | /| / /___  ___ |  / _  /   _  __/ _  / / /_/ /_ |/ |/ / _/_/  |_/_/  /_/    /_/    /_/  \____/____/|__/   v1.8.0执行了上述的命令后，会生成 airflow.cfg 和 unittests.cfg 两个文件，其中前者是一个配置文件 。## airflow 配置----- 修改Airflow DB配置### 1. 安装Mysql模块pip install "apache-airflow[mysql]"这里能够简单说下，airflow依赖的其余组件都可以此方式安装。在以后安装password组件一样是经过此方式。修改Airflow DB配置修改${AIRFLOW_HOME}/airflow.cfgsql_alchemy_conn = mysql+mysqldb://airflow:airflow@localhost:3306/airflow参数的格式为mysql://账号:密码@ip:port/db初始化db新建airflow依赖的表。airflow initdb如报错 Can't connect to local MySQL server through socket '/var/lib/mysql/mysql.sock' (2)需改sql_alchemy_conn = mysql+mysqldb://airflow:airflow@127.0.0.1:3306/airflow```### 2. 用户认证```本文采用的用户认证方式为password方式，其余方式如LDAP一样支持可是本文不会介绍。笔者在安装时实验过LDAP方式可是未成功过。安装passsword组件pip install "apache-airflow[password]"2. 修改 airflow.cfg[webserver]authenticate = Trueauth_backend = airflow.contrib.auth.backends.password_auth3. 在python环境中执行以下代码以添加帐户：import airflow  from airflow import models, settings  from airflow.contrib.auth.backends.password_auth import PasswordUser  user = PasswordUser(models.User())  user.username = 'admin'  # 用户名user.email = 'emailExample@163.com' # 用户邮箱  user.password = 'password'   # 用户密码session = settings.Session()  session.add(user)  session.commit()  session.close()  exit() ```### 3. 配置邮件服务此配置设置的是dag的task失败或者重试时发送邮件的发送者。配置以下：```[smtp]# If you want airflow to send emails on retries, failure, and you want to use# the airflow.utils.email.send_email_smtp function, you have to configure ansmtp_host = smtp.163.comsmtp_starttls = Truesmtp_ssl = False# Uncomment and set the user/pass settings if you want to use SMTP AUTHsmtp_user = mailExample@163.comsmtp_password = passwordsmtp_port = 25smtp_mail_from = mailExample@163.com接下来简单把dag的Python代码列出来，以供参考：default_args = {  'owner': 'ownerExample',  'start_date': datetime(2018, 9, 18),  'email': ['mailReceiver@163.com'], # 出问题时，发送报警Email的地址，能够填多个，用逗号隔开。  'email_on_failure': ['mailReceiver@163.com'], # 任务失败且重试次数用完时发送Email。  'email_on_retry': True, # 任务重试时是否发送Email  'depends_on_past': False, # 是否依赖于过去。若是为True，那么必需要昨天的DAG执行成功了，今天的DAG才能执行。  'retries': 3,  'retry_delay': timedelta(minutes=3),}```### 四、配置Executor```设置Executor修改：airflow.cfgexecutor = LocalExecutor本文中因为只有单节点因此使用的是LocalExecutor模式。```### 5. 修改log地址```[core]base_log_folder = /servers/logs/airflow[scheduler]child_process_log_directory = servers/logs/airflow/scheduler```### 6. 修改webserver地址```修改webserver地址[webserver]base_url = http://host:port能够经过上面配置的地址访问webserver。```### 7. 可选配置```（可选）修改Scheduler线程数若是调度任务很少的话能够把线程数调小，默认为32。参数为：parallelism（可选）不加载example dag若是不想加载示例dag能够把load_examples配置改成False，默认为True。这个配置只有在第一次启动airflow以前设置才有效。若是此方法不生效，能够删除${PYTHON_HOME}/site-packages/airflow/example_dags目录，也是一样的效果。（可选）修改检测新dag间隔修改min_file_process_interval参数为10，每10s识别一次新的dag。默认为0，没有时间间隔。```## 运行airflow```启动scheduleairflow scheduler 启动webserverairflow webserver ```## 安装问题汇总```1. Global variable explicit_defaults_for_timestamp needs to be on (1) for mysql修改Mysql配置文件my.cnf，具体步骤以下：查找my.cnf文件位置mysql --help | grep my.cnf下图红框处为my.cnf文件所在位置：修改文件explicit_defaults_for_timestamp=true注意：必须写在【mysqld】下重启Mysqlsudo systemctl restart mysqld.service查看修改是否生效。执行以下SQL，若是值为1则为生效。2. pip install "apache-airflow[mysql]"报错：mysql_config not found安装mysql-devel:首先查看是否有mysql_config文件。find / -name mysql_config若是没有安装mysql-develyum install mysql-devel安装以后再次查找，结果如图：3. 其余问题找我```## 配置任务在 AirFlow 中，每一个节点都是一个任务，能够是一条命令行 (BashOperator)，能够是一段 Python 脚本 (PythonOperator) 等等，而后这些节点根据依赖关系构成了一条流程，一个图，称为一个 DAG 。默认会到 ${AIRFLOW_HOME}/dags 目录下查找，能够直接在该目录下建立相应的文件。以下是一个简单的示例。```import airflowfrom airflow import DAGfrom airflow.operators.bash_operator import BashOperatorfrom airflow.operators.python_operator import PythonOperatorfrom datetime import timedelta, datetimeimport pytz# -------------------------------------------------------------------------------# these args will get passed on to each operator# you can override them on a per-task basis during operator initializationdefault_args = {    'owner': 'qxy',    'depends_on_past': False,    'email_on_failure': False,    'email_on_retry': False,    'retries': 1,    'retry_delay': timedelta(minutes=5),}tz = pytz.timezone('Asia/Shanghai')# naive = datetime.strptime("2018-06-13 17:40:00", "%Y-%m-%d %H:%M:%S")# local_dt = tz.localize(naive, is_dst=None)# utc_dt = local_dt.astimezone(pytz.utc).replace(tzinfo=None)dt = datetime(2019, 7, 16, 16, 30, tzinfo=tz)utc_dt = dt.astimezone(pytz.utc).replace(tzinfo=None)dag = DAG(    'airflow_interval_test',    default_args=default_args,    description='airflow_interval_test',    schedule_interval='35 17 * * *',    start_date=utc_dt)t1 = BashOperator(    task_id='sleep',    bash_command='sleep 5',    dag=dag)t2 = BashOperator(    task_id='print_date',    bash_command='date',    dag=dag)t1 >> t2```该文件建立一个简单的 DAG，只有三个运算符，两个 BaseOperator ，也就是执行 Bash 命令分别打印日期以及休眠 5 秒；另外一个为 PythonOperator 在执行任务时调用 print_hello() 函数。文件建立好后，放置到 ${AIRFLOW_HOME}/dags，airflow 自动读取该DAG。----- 测试是否正常，若是无报错那么就说明正常$ python /tmp/project/dags/hello_world.py