airflow + CeleryExecutor 环境搭建

airflow整合环境搭建

1. 整体结构

mysql -> 后端数据库

redis -> 用于broker

CeleryExecutor -> 执行器

2. 环境安装

2.1，安装python anaconda环境

添加py用户
# useradd py
设置密码
# passwd py
创建anaconda安装路径
# mkdir /anaconda
赋权
# chown -R py:py /anaconda

上传anaconda安装包并用py用户运行安装程序
$ chmod +x Anaconda3-5.1.0-Linux-x86_64.sh
$ ./Anaconda3-5.1.0-Linux-x86_64.sh
Welcome to Anaconda3 5.1.0
In order to continue the installation process, please review the license
......
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
[/home/py/anaconda3] >>> /anaconda/anaconda3      输入自定义安装路径,如果用默认的话回车跳过
然后将anaconda加入环境变量，并使其生效

$ vi .bash_profile 
在最后一行加上如下配置:
export PATH=/anaconda/anaconda3/bin:$PATH
然后使其生效:
$source .bash_profile

检测一下安装结果,出现以下结果说明安装成功:
$ python -V
Python 3.6.4 :: Anaconda, Inc.

配置pipy源:
$ mkdir ~/.pip
$ touch ~/.pip/pip.conf
$ echo '[global]' >> ~/.pip/pip.conf
$ echo 'trusted-host=mirrors.aliyun.com' >> ~/.pip/pip.conf
$ echo 'index-url=http://mirrors.aliyun.com/pypi/simple/' >> ~/.pip/pip.conf

2.2，安装mysql相关依赖

去mysql官网下载mysql-5.7.22-1.el6.x86_64.rpm-bundle.tar安装包并上传至服务器:
# tar xvf mysql-5.7.22-1.el6.x86_64.rpm-bundle.tar
检查服务器是否有旧版本依赖:
# rpm -qa|grep mysql-libs-5.1.73|wc -l
如果结果大于0则执行如下命令卸载旧依赖:
# rpm -e --nodeps mysql-libs-5.1.73-5.el6_6.x86_64
如果等于0则不需要此操作.
然后依次安装以下依赖:
# rpm -ivh mysql-community-common-5.7.22-1.el6.x86_64.rpm
# rpm -ivh mysql-community-libs-5.7.22-1.el6.x86_64.rpm
# rpm -ivh mysql-community-devel-5.7.22-1.el6.x86_64.rpm

2.3，安装airflow相关模块

$ pip install apache-airflow[celery]
$ pip install apache-airflow[redis]
$ pip install apache-airflow[mysql]
检测一下安装结果:
$ airflow -h
如果显示正常则表示安装成功，并且用户根目录会出现airflow文件夹

2.4，安装mysql

上传mysql-5.7.22-1.el6.x86_64.rpm-bundle.tar至需要安装mysql的服务器上:
# tar xvf mysql-5.7.22-1.el6.x86_64.rpm-bundle.tar
检查服务器是否有旧版本依赖:
# rpm -qa|grep mysql-libs-5.1.73|wc -l
如果结果大于0则执行如下命令卸载旧依赖:
# rpm -e --nodeps mysql-libs-5.1.73-5.el6_6.x86_64
如果等于0则不需要此操作.
然后依次安装以下安装:
# rpm -ivh mysql-community-common-5.7.22-1.el6.x86_64.rpm 
# rpm -ivh mysql-community-libs-5.7.22-1.el6.x86_64.rpm 
# rpm -ivh mysql-community-devel-5.7.22-1.el6.x86_64.rpm 
# rpm -ivh mysql-community-client-5.7.22-1.el6.x86_64.rpm
# rpm -ivh mysql-community-server-5.7.22-1.el6.x86_64.rpm 

# vi /etc/my.cnf
尾部添加：
#关闭TIMESTAMP列自动生成值
explicit_defaults_for_timestamp=1
#跳过权限认证
skip-grant-tables

# service mysqld start
# mysql -u root
用于测试话剧所以密码设置的比较简单,仅供测试:
mysql> use mysql
mysql> update user set password_expired='N' where user='root';    
mysql> update user set authentication_string=password('123456') where user='root'; 

编辑/etc/my.cnf去掉skip-grant-tables 并重启mysql:
# service mysqld restart
# mysql -u root -p
使用密码123456登陆
#降低密码复杂度要求仅仅用于测试
mysql> set global validate_password_policy=0; 
mysql> set global validate_password_length=4;
mysql> SET PASSWORD = PASSWORD('123456');
mysql> flush privileges;
针对airflow使用创建数据库,添加用户并授权
mysql> CREATE DATABASE airflow;
mysql> CREATE USER 'af'@'localhost' IDENTIFIED BY '123456';
mysql> GRANT all privileges on airflow.* TO 'af'@'localhost' IDENTIFIED BY '123456';
mysql> GRANT all privileges on airflow.* TO 'af'@'%' IDENTIFIED BY '123456';
mysql> flush privileges;
账户测试:
# mysql -u af -p
使用123456登陆

2.5，安装redis(使用redis作为broker)[方案一]

• 安装redis:

redis官网下载redis-4.0.9.tar.gz安装包,并上传至需要安装redis的服务器:
$ tar zxvf redis-4.0.9.tar.gz
$ cd redis-4.0.9
$ make
$ cp redis.conf src/
$ cd src
编辑配置文件redis.conf将bind属性改为bind 0.0.0.0
启动redis
$ nohup ./redis-server redis.conf > output.log 2>&1 &

• airflow对应配置:

如果执行过airflow -h命令后，则用户目录下面会出现一个airflow文件夹, airflow文件夹下面有个airflow.cfg
的文件，这个就是airflow的配置文件；
编辑airflow.cfg文件，修改一下内容，具体情况根据实际情况填写[ip和端口]:
[core] 
#sql_alchemy_conn = mysql://[username]:[password]@[host]:[port]/airflow
sql_alchemy_conn = mysql://af:123456@localhost/airflow
executor = CeleryExecutor 
[celery] 
broker_url = redis://localhost:6379/0
celery_result_backend =  redis://localhost:6379/0

配置完成之后即可进行数据库初始化:
$ airflow initdb

2.6，安装rabbitmq(使用rabbitmq作为broker)[方案二]

• yum安装:

安装centos扩展源
# yum -y install epel-release
安装erlang运行环境以及rabbitmq
# yum install erlang
# yum install rabbitmq-server

• rpm手动安装:

一般yum源安装的erlang版本太低，可以从erlang官网下载打包好的rpm包手动安装，避免源码编译安装:

# wget https://packages.erlang-solutions.com/erlang/esl-erlang/FLAVOUR_1_general/esl-erlang_21.0-1~centos~6_amd64.rpm

# rpm -ivh esl-erlang_21.0-1~centos~6_amd64.rpm

# wget http://www.rabbitmq.com/releases/erlang/esl-erlang-compat-18.1-1.noarch.rpm

# rpm -ivh esl-erlang-compat-18.1-1.noarch.rpm

• rabbitmq配置:

添加用户并开启远程访问:

相关格式如下:

#下面创建用户密码的过程以该url为示例
broker_url = 'pyamqp://myuser:mypassword@localhost:5672/myvhost'

以下过程为创建用户myuser设置密码为mypassword 添加一个virtual host并允许用户访问该virtual host

$ sudo rabbitmqctl add_user myuser mypassword

$ sudo rabbitmqctl add_vhost myvhost

$ sudo rabbitmqctl set_user_tags myuser mytag

$ sudo rabbitmqctl set_permissions -p myvhost myuser ".*" ".*" ".*"

示例:

$ rabbitmqctl add_user cord 123456
$ rabbitmqctl set_user_tags cord administrator  #这里指定为管理员用户
$ rabbitmqctl set_permissions -p / cord ".*" ".*" ".*"

• airflow对应配置:

先安装rabbitmq模块：

$ pip install apache-airflow[rabbitmq]

然后修改配置文件：

编辑airflow.cfg文件，修改一下内容，具体情况根据实际情况填写[ip和端口]:
[core] 
#sql_alchemy_conn = mysql://[username]:[password]@[host]:[port]/airflow
sql_alchemy_conn = mysql://af:123456@localhost/airflow
executor = CeleryExecutor 
[celery] 
注意:这里使用pyamqp协议,而不是amqp协议,amqp使用的是librabbitmq2.0.0,这个和celery4.x集成有各种问题
broker_url = pyamqp://cord:123456@localhost:5672//
#celery_result_backend = rpc:// 使用rabbitmq作为结果存储
#这里是使用mysql作为结果存储
celery_result_backend = db+mysql://af:123456@localhost/airflow

配置完成之后即可进行数据库初始化:
$ airflow initdb

2.7，启动airflow

关于启动，这个要分应用节点和作业节点:
1) 应用节点:
$ airflow webserver -D
$ airflow scheduler -D
$ airflow worker -D （应用节点可不运行woker）
2) 作业节点：（作业节点只需要运行worker就行）
$ airflow worker -D

3.增加定时任务

1. 在airflow文件夹下面新建dags文件夹用于存储定时任务文件
2. 创建如下的定时任务文件helloworld.py

from datetime import timedelta, datetime

import airflow
from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from airflow.operators.dummy_operator import DummyOperator

default_args = {
    'owner': 'jifeng.si',
    'depends_on_past': False,
    # 'depends_on_past': True,
    #'start_date': airflow.utils.dates.days_ago(2),
    'start_date': datetime(2018, 5, 2),
    'email': ['1219957063@qq.com'],
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': timedelta(minutes=5),
}

dag = DAG(
    'example_hello_world_dag',
    default_args=default_args,
    description='my first DAG',
    schedule_interval='*/25 * * * *',
    start_date=datetime(2018, 5, 28)
)

dummy_operator = DummyOperator(task_id='dummy_task', dag=dag)

hello_operator = BashOperator(
    task_id='sleep_task',
    depends_on_past=False,
    bash_command='echo `date` >> /home/py/test.txt',
    dag=dag
)

dummy_operator >> hello_operator

3. 测试一下代码的正确性:

$ python helloworld.py

如果没出现异常则说明代码无错误, 并且airflow环境正常.

将helloworld.py 放在 /home/py/airflow/dags下.

测试一下任务看任务是否能正常运行:

$ touch ~/test.txt 创建用于测试的文件
$ airflow run -A example_hello_world_dag sleep_task 20180528

如果运行正常,则可以启用该定时任务,启用任务有两种方式:

1. 通过命令启动:

$ airflow unpause example_hello_world_dag

2. 通过界面启动:
   在airflow的web管理界面，将左边的off按钮改为on

然后观察用户路径下的test.txt文件，如果运行正常的话会不断增加时间信息:

$ cat test.txt
....
Thu May 31 15:55:10 CST 2018
Thu May 31 15:56:10 CST 2018
Thu May 31 15:57:09 CST 2018
Thu May 31 16:04:10 CST 2018
....

4.注意事项

• airflow的cron定时器只能精确到分钟，而不能精确到秒
• airflow使用的是utc时区,正式使用的时候需要进行时区转换

附录：

附上一个环境初始化shell脚本:

#!/bin/sh

#拷贝mysql依赖
#scp命令必须手工输入密码确认过一次之后才可保证sshpass能正常运行
sshpass -p '123456' scp -q root@127.0.0.1:/root/mysql-community-devel-5.7.22-1.el6.x86_64.rpm  /root/  &&
sshpass -p '123456' scp -q root@127.0.0.1:/root/mysql-community-libs-5.7.22-1.el6.x86_64.rpm  /root/  &&
sshpass -p '123456' scp -q root@127.0.0.1:/root/mysql-community-common-5.7.22-1.el6.x86_64.rpm  /root/ &&

#添加py用户
password="py@123"
username="py"
pass=$(perl -e 'print crypt($ARGV[0], "password")' $password)
useradd -m -p $pass $username  &&

#添加anaconda安装路径
mkdir -p /anaconda  &&
chown -R py:py /anaconda &&

#设置pipy源信息
su - py -c  "mkdir ~/.pip && touch ~/.pip/pip.conf"
su - py -c  "echo '[global]' >> ~/.pip/pip.conf"
su - py -c  "echo 'trusted-host=pypi.douban.com/simple' >> ~/.pip/pip.conf"
su - py -c  "echo 'index-url=http://pypi.douban.com/simple' >> ~/.pip/pip.conf"

#安装mysql依赖
old=$(rpm -qa|grep mysql-libs-5.1.73|wc -l)
if [ $old -gt 0 ]; then
    rpm -e --nodeps mysql-libs-5.1.73-5.el6_6.x86_64
fi
rpm -ivh mysql-community-common-5.7.22-1.el6.x86_64.rpm  &&
rpm -ivh mysql-community-libs-5.7.22-1.el6.x86_64.rpm &&
rpm -ivh mysql-community-devel-5.7.22-1.el6.x86_64.rpm &&

参考链接:

http://doc.okbase.net/permike/archive/245749.html

http://bubuko.com/infodetail-2284634.html

http://celery.readthedocs.io/en/latest/userguide/configuration.html#conf-rpc-result-backend