Airflow[v1.10]任務調度平臺的安裝教程

0.背景

真的是想不通，Airflow不論社區活躍度仍是Github的star數都是遠勝於Azkaban還有EasyScheduler的，可是爲什麼卻連一個完備的安裝教程都沒有呢？是個人需求過高？真的是心累不已，整整把搜索引擎還有youtube翻來覆去也沒讓我感到知足……不過好在，一步一坑一腳印的最終搭建連通好了環境以及Operator。好了，廢話很少說，開始Airflow今日份安裝教程。

1.安裝前準備工做

• 安裝版本說明

安裝工具	版本	用途
Python	3.6.5	安裝airflow及其依賴包、開發airflow的dag使用
MySQL	5.7	做爲airflow的元數據庫
Airflow	1.10.0	任務調度平臺

請選擇一臺乾淨的物理機或者雲主機。否則，產生任何多餘影響或者後果，本人概不負責！

• 請確保你熟悉Linux環境及基本操做命令，順便會一些Python基礎命令，若是不熟悉，請出門左轉充完電再來

2.安裝Python3

Python3的安裝能夠參考我以前的文章，在此再也不敖述

3.安裝MySQL

3年前也寫過一個關於Centos安裝MySQL的教程，可是雖然實用，可是內容過久，在此咱們用最簡方式快速安裝MySQL並配置用戶（固然，若是你用現成的 RDS 也能夠，省去了安裝過程，可直接跳轉至爲Airflow建庫建用戶步驟了）。

• 老規矩，卸載mariadb

rpm -qa | grep mariadb

rpm -e --nodeps mariadb-libs-5.5.52-1.el7.x86_64

sudo rpm -e --nodeps mariadb-libs-5.5.52-1.el7.x86_64

rpm -qa | grep mariadb

• 下載mysql的repo源

wget http://repo.mysql.com/mysql-community-release-el7-5.noarch.rpm

• 經過rpm安裝

sudo rpm -ivh mysql-community-release-el7-5.noarch.rpm

• 安裝mysql並受權

sudo yum install mysql-server
sudo chown -R mysql:mysql /var/lib/mysql

• 啓動mysql

sudo service mysqld start

__

如下操做均在mysql客戶端上進行操做，首先須要鏈接並登陸mysql。

用root用戶鏈接登陸mysql:

mysql -uroot

• 重置mysql密碼

use mysql;

update user set password=password('root') where user='root';

flush privileges;

• 爲Airflow建庫、建用戶

建庫:

create database airflow;

建用戶:

create user 'airflow'@'%' identified by 'airflow';

create user 'airflow'@'localhost' identified by 'airflow';

爲用戶受權:

grant all on airflow.* to 'airflow'@'%';

flush privileges;

exit;

__

4.安裝Airflow

萬事既已具有，讓咱們開始進入今天的主題！

4.1基礎篇

• 1）經過pip安裝airflow腳手架

安裝以前須要設置一下臨時環境變量 SLUGIFY_USES_TEXT_UNIDECODE ，否則，會致使安裝失敗，命令以下：

export SLUGIFY_USES_TEXT_UNIDECODE=yes

安裝airflow腳手架:

sudo pip install apache-airflow===1.10.0

airflow會被安裝到python3下的site-packages目錄下，完整目錄爲: ${PYTHON_HOME}/lib/python3.6/site-packages/airflow ，個人airflow目錄以下所示：

• 2) 正式安裝airflow

安裝airflow前，咱們須要先配置一下airflow的安裝目錄 AIRFLOW_HOME ，同時爲了方便使用airflow的相關命令，咱們也把airflow配置到環境變量中，一勞永逸。

編輯 /etc/profile 系統環境變量文件：

sudo vim /etc/profile

作以下修改（固然，具體目錄須要修改爲你本身對應的目錄，不要照搬不動哦）：

使修改後的環境變量當即生效:

sudo source /etc/profile

• 3）執行 airflow 命令作初始化操做

由於配置過airflow的環境變量 SITE_AIRFLOW_HOME ，咱們在哪裏執行以下命令均可：

airflow

到此，airflow會在剛剛的 AIRFLOW_HOME 目錄下生成一些文件。固然，執行該命令時可能會報一些錯誤，能夠不用理會！生成的文件列表以下所示：

• 4) 爲airflow安裝mysql模塊

sudo pip install 'apache-airflow[mysql]'

airflow的包依賴安裝都可採用該方式進行安裝，具體可參考airflow官方文檔

---

[敲黑板，劃重點]

安裝mysql模塊時可能會報以下錯誤：

mysql_config not found

解決步驟以下：

(1)先查看下是否已經存在mysql_config文件:

find / -name mysql_config

(2)若是沒有的話，安裝mysql-devel:

sudo yum install mysql-devel

(3)安裝完成以後，再次驗證是否有mysql_config文件：

---

• 5) 採用mysql做爲airflow的元數據庫

修改airflow.cfg文件，配置mysql做爲airflow元數據庫:

_
這裏就巨坑無比了，不少人的教程裏面都是這麼直接寫的，而後就完蛋了！！！不信你試試看，等下初始化數據庫必死無疑！並且尚未任何有效的解決方案能夠供你搜索！！！其次也不要相信什麼改爲<span style="color:green;"> pymysql </span>配合pymysql包實現，這樣更慘，會有數據類型解析問題，讓你毫無頭緒！！！切記切記！！！

sql_alchemy_conn = mysql://airflow:airflow@localhost:3306/airflow

或

sql_alchemy_conn = mysql+pymysql://airflow:airflow@localhost:3306/airflow

_
那既然這種方式不可行，該怎麼辦呢？辦法總比困難多的！由於Python3再也不支持MySQLdb了，只有Python2才支持。可是呢，也只有MySQLdb纔是最佳結果。

首先，咱們經過pip安裝一下mysqlclient:

sudo pip install mysqlclient

而後，再經過pip安裝一下MySQLdb:

sudo pip install MySQLdb

最後，咱們修改airflow.cfg文件中的sql_alchemy_conn配置:

sql_alchemy_conn = mysql+mysqldb://airflow:airflow@localhost:3306/airflow

到此，咱們已經爲airflow配置好元數據庫信息且準備好依賴包。

• 6) 初始化元數據庫信息（其實也就是新建airflow依賴的表）

airflow initdb

此時，咱們的mysql元數據庫（庫名爲airflow）中已經新建好了airflow的依賴表：

---

[敲黑板，劃重點]

此時初始化數據庫時，可能會報以下錯誤：

Global variable explicit_defaults_for_timestamp needs to be on (1) for mysql

該問題的解決方案在Airflow官方文檔中有說明，連接爲：http://airflow.apache.org/faq.html。須要經過修改MySQL配置文件my.cnf進行處理，步驟以下：

(1)查找my.cnf位置：

mysql --help | grep my.cnf

(2)修改my.cnf文件：

在[mysqld]下面（必定不要寫錯地方）添加以下配置:

explicit_defaults_for_timestamp=true

(3))重啓MySQL使配置生效：

sudo service mysqld restart

(4)查看修改的配置是否生效：

(5)從新執行 airflow initdb 便可

---

• 7) 應用的基礎命令

  • airflow組件：webserver, scheduler, worker, flower
  • 後臺啓動各組件命令： airflow xxx -D
  • 查看dag列表： airflow list_dags
  • 查看某個dag的任務列表： airflow list_tasks dag_id
  • 掛起/恢復某個dag： airflow pause/unpause dag_id
  • 測試某個dag任務： airflow test dag_id task_id execution_date

---

[敲黑板，劃重點]

啓動webserver組件時可能會報以下錯誤：

錯誤1：

Error: 'python:airflow.www.gunicorn_config' doesn‘t exist

安裝指定版本的gunicorn便可：

(1) Airflow1.10版本對應gunicorn的19.4.0版本：

sudo pip install gunicorn==19.4.0

(2) Airflow1.8版本安裝gunicorn的19.3.0版本：

sudo pip install gunicorn==19.3.0

錯誤2：

FileNotFoundError: [Errno 2] No such file or directory: 'gunicorn': 'gunicorn'

只須要配置好Python的bin目錄環境變量便可（也能夠參照http://www.javashuo.com/article/p-ryjiscca-p.html）：

sudo vim /etc/profile

source /etc/profile

---

4.2進階篇

• 1) 初識executor（須要重啓生效）

這裏爲何要修改呢？由於SequentialExecutor是單進程順序執行任務，默認執行器，一般只用於測試，LocalExecutor是多進程本地執行任務使用的，CeleryExecutor是分佈式調度使用（固然也能夠單機），生產環境經常使用，DaskExecutor則用於動態任務調度，經常使用於數據分析。

• 2）如何修改時區爲東八區（須要重啓生效）

爲何要修改時區呢？由於Airflow默認的時間是GMT時間，雖然能夠在Airflow集羣分佈在不一樣時區時仍可保證時間相同，不會出現時間不一樣步的問題，可是這個時間比北京早8小時，不太符合咱們的閱讀習慣，也不夠簡潔直觀。鑑於咱們一般狀況下，咱們要麼爲單節點服務，要麼即便擴展也是在同一個時區的，因此將時區修改成東八區，即北京時間，這樣更便於咱們使用。

Come on!

(1) 修改airflow.cfg文件:

default_timezone = Asia/Shanghai

這裏修改的是scheduler的調度時間，也就是說在編寫調度時間是能夠直接寫北京時間。

(2) 修改webserver頁面上右上角展現的時間:

須要修改 ${PATHON_HOME}/lib/python3.6/site-packages/airflow/www/templates/admin/master.html 文件。

修改後效果如圖所示：

(3) 修改webserver lastRun時間:

第1處修改 ${PATHON_HOME}/lib/python3.6/site-packages/airflow/models.py 文件。

def utc2local(self,utc):
       import time
       epoch = time.mktime(utc.timetuple())
       offset = datetime.fromtimestamp(epoch) - datetime.utcfromtimestamp(epoch)
       return utc + offset

效果以下：

第2處修改 ${PATHON_HOME}/lib/python3.6/site-packages/airflow/www/templates/airflow/dags.html 文件。

dag.utc2local(last_run.execution_date).strftime("%Y-%m-%d %H:%M")
dag.utc2local(last_run.start_date).strftime("%Y-%m-%d %H:%M")

效果以下：

修改完畢，此時能夠經過重啓webserver查看效果！

• 3) 添加用戶認證

在這裏咱們採用簡單的password認證方式足矣！

（1）安裝password組件:

sudo pip install apache-airflow[password]

（2）修改airflow.cfg配置文件:

[webserver]
authenticate = True
auth_backend = airflow.contrib.auth.backends.password_auth

（3）編寫python腳本用於添加用戶帳號:

編寫 add_account.py 文件：

import airflow
from airflow import models, settings
from airflow.contrib.auth.backends.password_auth import PasswordUser

user = PasswordUser(models.User())
user.username = 'airflow'
user.email = 'test_airflow@wps.cn'
user.password = 'airflow'

session = settings.Session()
session.add(user)
session.commit()
session.close()
exit()

執行 add_account.py 文件：

python add_account.py

你會發現mysql元數據庫表user中會多出來一條記錄的。

固然，你也能夠藉助於第三方插件方式對用戶帳號還有可視化UI創建/修改DAG代碼。連接爲：https://github.com/lattebank/airflow-dag-creation-manager-plugin，惋惜只支持到Python2.x。不事後續我會對其作升級處理。

• 4) 修改webserver地址（須要重啓生效）

• 5) 如何修改檢測新DAG間隔（須要重啓生效）

若是scheduler檢測DAG過於頻繁，會致使CPU負載很是高。而默認scheduler檢測時間爲0，也就是沒有時間間隔。

能夠經過修改airflow.cfg文件中的 min_file_process_interval 設置時間間隔，以下，我是修改成了5秒檢測一次：

• 6) 如何修改scheduler線程數控制併發量（須要重啓生效）

能夠經過修改airflow.cfg文件中的 parallelism 來控制scheduler的併發量：

4.3高級篇

• 1) 配置Airflow分佈式集羣

(未完待續...)