189 8069 5689

AirFlow的安装部署

airflow 简介

Airflow 是一个 Airbnb 的 Workflow 开源项目，在Github 上已经有超过两千星。Airflow 使用 Python 写的，支持 Python 2/3 两个版本。 传统 Workflow 通常使用 Text Files (json, xml / etc) 来定义 DAG, 然后 Scheduler 解析这些 DAG 文件形成具体的 Task Object 执行；Airflow 没这么干，它直接用 Python 写 DAG definition, 一下子突破了文本文件表达能力的局限，定义 DAG 变得简单。 另外，Airflow 的权限设计、限流设计、以及 Hook/Plugin 的设计都挺有意思，功能性、扩展性良好。当然，项目里的代码质量感觉比较一般，很多地方函数名和实现不太一致，造成理解障碍；也有很多 Flag 和重复出现的定义，显然是当初没有设计好、后面没有精力 Refactor 转而 Hack 的结果。但总体上，可读性中上，系统的扩展性非常好。 

创新互联建站专注为客户提供全方位的互联网综合服务，包含不限于网站设计、网站建设、金寨网络推广、微信小程序定制开发、金寨网络营销、金寨企业策划、金寨品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；创新互联建站为所有大学生创业者提供金寨建站搭建服务，24小时服务热线：13518219792，官方网址：www.cdcxhl.com

airflow 相关软件安装

python 3.6.5 安装

  1. 安装依赖程序 ；

    [root@node01 ~]# yum -y install zlib zlib-devel bzip2 bzip2-devel  ncurses ncurses-devel  readline readline-devel  openssl openssl-devel openssl-static  xz lzma xz-devel  sqlite sqlite-devel  gdbm gdbm-devel  tk tk-devel  gcc

  2. 下载python ；
    可以前往 https://www.python.org/ftp/python/查看Python各个版本，这里，我们选择安装Python-3.6.5.tgz版本。通过如下命令下载Python源码压缩包：

    [root@node01 ~]# wget https://www.python.org/ftp/python/3.6.5/Python-3.6.5.tgz

  3. 解压Python源码压缩包 ；

    [root@node01 ~]# tar -zxvf Python-3.6.5.tgz
[root@node01 ~]# cd Python-3.6.5

  4. 安装python ；

    [root@node01 Python-3.6.5]# ./configure prefix=/usr/local/python3
[root@node01 Python-3.6.5]# make 
[root@node01 Python-3.6.5]# make install
[root@node01 Python-3.6.5]# mv /usr/bin/python /usr/bin/python2    #将原来的执行脚本改名备份
[root@node01 Python-3.6.5]# ln -s /usr/local/python3/bin/python3  /usr/bin/python  #将新的python执行脚本链接到命令路径内
[root@node01 Python-3.6.5]# ln -s /usr/local/python3/bin/pip3  /usr/bin/pip  #将pip3链接到命令路径内

  5. 查看版本信息 ；
    AirFlow的安装部署

  6. 修改yum相关配置文件 ；
    将以下两个文件的开头 #!/usr/bin/python 改成  #!/usr/bin/python2.7
    [root@node01 Python-3.6.5]# vim /usr/bin/yum  
[root@node01 Python-3.6.5]# vim  /usr/libexec/urlgrabber-ext-down

    AirFlow的安装部署
    AirFlow的安装部署

pip3 安装

默认python 3.6.5 已经自带pip3 ，不需要再额外进行安装。
如果是python2.x 就需要进行安装pip 。

MySQL 5.7.28 安装

  1. 解压MySQL软件（文件大小六百多兆，官网直接下载免安装）

    [root@node01 ~]# tar zxvf mysql-5.7.28-linux-glibc2.12-x86_64.tar.gz
[root@node01 ~]# mv mysql-5.7.28-linux-glibc2.12-x86_64  /opt/mysql
[root@node01 ~]# cd /opt/mysql/

  2. 创建MySQL运行需要的用户跟组

    [root@node01 mysql]# groupadd  mysql
[root@node01 mysql]# useradd  -M -s /sbin/nologin  -g mysql  mysql

  3. 创建存放数据的目录

    [root@node01 mysql]# mkdir data
[root@node01 mysql]# chown  -R mysql:mysql *

  4. 编写配置文件
    vim   /etc/my.cnf

    [client]
port = 3306
socket = /opt/mysql/data/mysql.sock
[mysqld]
port = 3306
socket = /opt/mysql/data/mysql.sock
basedir = /opt/mysql
datadir = /opt/mysql/data
user = mysql
bind-address = 0.0.0.0
server-id = 1
init-connect = 'SET NAMES utf8'
character-set-server = utf8

  5. 初始化数据库

    [root@node01 mysql]# bin/mysqld --initialize --basedir=/opt/mysql --datadir=/opt/mysql/data --user=mysql

  6. 将数据库添加到服务内

    [root@node01 mysql]# cp support-files/mysql.server /etc/init.d/mysqld
[root@node01 mysql]# cp   /opt/mysql/bin/*  /usr/sbin/
[root@node01 mysql]# chmod +x /etc/init.d/mysqld
  7. 添加开机自启
    [root@node01 mysql]# chkconfig --add mysqld
[root@node01 mysql]# service mysqld start

  8. 登陆 MySQL， 密码在之前初始化时有提示的

    [root@mysql_node01 mysql]# mysql -uroot -p

  9. 修改root密码，否则什么都做不了

    mysql> alter user root@"localhost" identified by "123456";
Query OK, 0 rows affected (0.00 sec)
  10. 测试账号是否可以增删
    mysql> create database abctest;
Query OK, 1 row affected (0.00 sec)

mysql> use abctest;
Database changed

mysql> drop database abctest;
Query OK, 0 rows affected (0.00 sec)

> 12. 授权airflow用户可被访问 ；
```bash
mysql> grant all on *.* to 'airflow'@'%' identified by '123456a';
Query OK, 0 rows affected, 1 warning (0.00 sec)

mysql> flush privileges;
Query OK, 0 rows affected (0.00 sec)

  1. 创建airflow 要用的数据库，库名 airflow ；

    mysql> create database airflow ;
Query OK, 1 row affected (0.00 sec)
  2. 开启timestamp ，数据更新时添加上当前时间 ；
    mysql> set @@global.explicit_defaults_for_timestamp=on;
Query OK, 0 rows affected (0.00 sec)
redis 安装

  1. 解压redis （如需下载请直接到官网进行下载）；

    [root@node01 ~]# tar zxvf redis-5.0.0.tar.gz
[root@node01 ~]# cd redis-5.0.0/

  2. 安装redis ；

    [root@node01 redis-5.0.0]# make && make test 
[root@node01 redis-5.0.0]# mkdir  /usr/local/redis    #创建redis运行的目录
[root@node01 redis-5.0.0]# cp redis.conf  /usr/local/redis/    #复制配置文件到redis运行目录
[root@node01 redis-5.0.0]# cp src/redis-server  /usr/sbin/    #复制redis-server程序
[root@node01 redis-5.0.0]# cp src/redis-cli  /usr/sbin/   #复制redis-cli程序
[root@node01 redis-5.0.0]# cp src/redis-sentinel  /usr/sbin/   #复制redis-sentinel 程序

  3. 编辑redis 配置文件

    [root@node01 redis-5.0.0]# vim  /usr/local/redis/redis.conf 
bind 0.0.0.0    #对外的绑定地址
daemonize yes   #守护进程
pidfile /usr/local/redis/redis_6379.pid   #指定pid
logfile "/usr/local/redis/redis.log"   #指定log
dir "/usr/local/redis"    #指定家目录
appendonly yes     #开启持久化

  4. 启动redis ；

    [root@node01 redis-5.0.0]# redis-server  /usr/local/redis/redis.conf
  5. 连接redis 进行测试
    [root@node01 ~]# redis-cli  
127.0.0.1:6379> keys *
(empty list or set)
RabbitMQ 安装

  1. 安装rabbitmq跟erlang （程序直接到官网下载即可）；

    [root@node01 ~]# yum localinstall erlang-20.3-1.el7.centos.x86_64.rpm  rabbitmq-server-3.7.5-1.el7.noarch.rpm  -y

  2. 拷贝配置文件模板，然后修改配置文件（开启默认登录用户）；

    [root@node01 ~]# cp /usr/share/doc/rabbitmq-server-3.7.5/rabbitmq.config.example  /etc/rabbitmq/rabbitmq.config
[root@node01 ~]# vim /etc/rabbitmq/rabbitmq.config

    AirFlow的安装部署

  3. 开启管理插件，启动程序 ；
    [root@node01 ~]# rabbitmq-plugins enable rabbitmq_management  #开启管理插件
[root@node01 ~]# chown  rabbitmq:rabbitmq  /var/lib/rabbitmq/.erlang.cookie  #设置cookie 文件权限（否则无法启动）
[root@node01 ~]# systemctl  start rabbitmq-server.service    #启动rabbitmq
[root@node01 ~]# systemctl  enable rabbitmq-server.service  #添加开机自启

  4. 打开管理页面 http://ip:15672  ，使用默认用户guest ，密码guest 进入 ；
    AirFlow的安装部署

  5. 点击admin -->> add a user ，添加用户密码并设置administrator 权限 ；

AirFlow的安装部署

  1. 为admin用户添加 虚拟目录 /  ；
    单击用户admin

AirFlow的安装部署

选择对应的Virtual Host ，单击 Set permission 进行设置 ；
AirFlow的安装部署

重新查看，发现已经设置成功 ；

AirFlow的安装部署

airflow 单节点部署

将所有守护进程运行在同一台机器上即可完成 airflow 的单结点部署，架构如下图所示

架构图

AirFlow的安装部署

步骤
  1. 安装依赖（ airflow[mysql] 需要用到 ）；
    [root@node01 ~]# yum install mariadb-devel  MySQL-python -y
[root@node01 ~]# mkdir /usr/local/mysql  #创建目录

[root@node01 ~]# find / -name mysql.h    #查看mysql.h 发现有两个，因为node01有安装MySQL，所以有两个文件，在安装airflow[mysql]时会调用/usr/local/mysql/include/mysql.h 文件
/usr/include/mysql/mysql.h
/opt/mysql/include/mysql.h
[root@node01 ~]# ln -s /opt/mysql /usr/local/mysql  # 将MySQL安装目录链接到/usr/local/mysql
[root@node01 airflow]# ln -s /opt/mysql/lib/libmysqlclient.so.20  /usr/lib64/libmysqlclient.so.20

>  2. 添加环境变量

vim  /etc/profile
export PATH=$PATH:/usr/local/python3/bin/
export AIRFLOW_HOME=~/airflow

>  3. 安装airflow 及相关应用 ；

[root@node01 ~]# pip install --upgrade pip   #更新pip
[root@node01 ~]# pip install --upgrade  setuptools   #更新setuptools
[root@node01 ~]# pip install apache-airflow     #安装airflow 主程序
[root@node01 ~]# pip install apache-airflow[mysql]    #安装mysql连接器
[root@node01 ~]# pip install apache-airflow[celery]    #安装celery 连接器
[root@node01 ~]# pip install redis   #安装redis连接器
[root@node01 ~]# pip install --upgrade  kombu    #更新kombu （celery 需要最新的版本）

>  4. 初始化airflow 数据库 ；

[root@node01 ~]# airflow initdb   #或者可以只使用airflow 命令加载配置文件

>  5. 初始化完之后会产生airflow相关的一些文件，查看airflow目录的内容 ；

![在这里插入图片描述](/upload/otherpic50/20191227093123311.png)

>  6. 修改配置文件 ;
vim  /root/airflow/airflow.cfg

时区设置
default_timezone = Asia/Shanghai

不加载案例
load_examples = False

执行webserver默认启动端口
web_server_port = 8080

使用的执行器
executor = CeleryExecutor

设置消息的中间代理
broker_url = redis://192.168.255.16:6379/0

设定结果存储后端 backend
当然也可以使用 Redis :result_backend =redis://redis:Kingsoftcom_123@172.19.131.108:6379/1
result_backend = db+mysql://airflow:123456a@192.168.255.16:3306/airflow

数据库连接
sql_alchemy_conn = mysql://airflow:123456a@192.168.255.16:3306/airflow

>  7. 开启timestamp ，数据更新时添加上当前时间 ；

mysql  -uairflow   -p  
mysql> set @@global.explicit_defaults_for_timestamp=on;
Query OK, 0 rows affected (0.00 sec)

> 8. 重新生成数据库文件 ；

airflow  initdb

>  9. 启动

[root@node01 airflow]# airflow  webserver -p 8080 -D
[root@node01 airflow]# airflow scheduler -D
[root@node01 airflow]# airflow flower -D
[root@node01 airflow]# airflow worker -D  #默认启动会报错，因为worker不允许被ROOT用户启动

>  10. 设置worker 可以被root用户启动 
>  在 /etc/profile 文件内添加 export C_FORCE_ROOT=True 内容 ，source  /etc/profile 重新加载即可

>  11. 查看单节点是否已经搭建好
>  分别打开http://192.168.255.11:8080 跟 http://192.168.255.11:5050 查看是否ok

![在这里插入图片描述](/upload/otherpic50/20191227093149183.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dxajU0MDgyMTYx,size_16,color_FFFFFF,t_70)

![在这里插入图片描述](/upload/otherpic50/20191227093156143.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dxajU0MDgyMTYx,size_16,color_FFFFFF,t_70)

### airflow 多节点（集群）部署
>    在稳定性要求较高的场景，如金融交易系统中，一般采用集群、高可用的方式来部署。Apache Airflow 同样支持集群、高可用的部署，airflow 的守护进程可分布在多台机器上运行，架构如下图所示：

#### 架构图
![在这里插入图片描述](/upload/otherpic50/20191227093258334.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dxajU0MDgyMTYx,size_16,color_FFFFFF,t_70)

##### 多节点好处
>  高可用
>    如果一个 worker 节点崩溃或离线时，集群仍可以被控制的，其他 worker 节点的任务仍会被执行。

>  分布式
>    处理如果你的工作流中有一些内存密集型的任务，任务最好是分布在多台机器上运行以便得到更快的执行。

#### 扩展 worker 节点
##### 水平扩展
>    你可以通过向集群中添加更多 worker 节点来水平地扩展集群，并使这些新节点指向同一个元数据库，从而分发处理过程。由于 worker 不需要在任何守护进程注册即可执行任务，因此所以 worker 节点可以在不停机，不重启服务下的情况进行扩展，也就是说可以随时扩展。

##### 垂直扩展
>    你可以通过增加单个 worker 节点的守护进程数来垂直扩展集群。可以通过修改 airflow 的配置文件-{AIRFLOW_HOME}/airflow.cfg 中 celeryd_concurrency 的值来实现，例如：

celeryd_concurrency = 30

>  您可以根据实际情况，如集群上运行的任务性质，CPU 的内核数量等，增加并发进程的数量以满足实际需求。

#### 扩展 Master 节点（高可用）
>    您还可以向集群中添加更多主节点，以扩展主节点上运行的服务。您可以扩展 webserver 守护进程，以防止太多的 HTTP 请求出现在一台机器上，或者您想为 webserver 的服务提供更高的可用性。需要注意的一点是，每次只能运行一个 scheduler 守护进程。如果您有多个 scheduler 运行，那么就有可能一个任务被执行多次。这可能会导致您的工作流因重复运行而出现一些问题。
>    下图为扩展 Master 节点的架构图：

![在这里插入图片描述](/upload/otherpic50/20191227093318702.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dxajU0MDgyMTYx,size_16,color_FFFFFF,t_70)

>    看到这里，可能有人会问，scheduler 不能同时运行两个，那么运行 scheduler 的节点一旦出了问题，任务不就完全不运行了吗？
>  
>    答案： 这是个非常好的问题，不过已经有解决方案了，我们可以在两台机器上部署 scheduler ，只运行一台机器上的 scheduler 守护进程 ，一旦运行 scheduler 守护进程的机器出现故障，立刻启动另一台机器上的 scheduler 即可。我们可以借助第三方组件 airflow-scheduler-failover-controller 实现 scheduler 的高可用。
>  
>    两台master 都安装并运行 failover ，这样才能实现真正的高可用
>  具体步骤如下所示：
>  1. 下载 failover

git clone https://github.com/teamclairvoyant/airflow-scheduler-failover-controller

>  2. 使用 pip 进行安装

cd  airflow-scheduler-failover-controller
pip install -e .

>  3. 初始化 failover

scheduler_failover_controller init

>  注：初始化时，会向airflow.cfg中追加内容，因此需要先安装 airflow 并初始化。

>  4. 更改 failover 配置

scheduler_nodes_in_cluster= host1,host2

>  注:host name 可以通过scheduler_failover_controller get_current_host命令获得

>  5. 配置安装 failover 的机器之间的免密登录，配置完成后，可以使用如下命令进行验证：

scheduler_failover_controller  test_connection

>  6. 启动 failover

scheduler_failover_controller start

>  注意：在failover 监控scheduler 时会出现无法启动的情况，此时应该修改  /root/airflow/airflow.cfg 的

airflow_scheduler_start_command = export AIRFLOW_HOME=/root/airflow;;nohup airflow scheduler >> ~/airflow/logs/scheduler.logs &
改为 airflow_scheduler_start_command = airflow scheduler -D

>  因此更健壮的架构图如下所示：

![在这里插入图片描述](/upload/otherpic50/20191227093337590.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dxajU0MDgyMTYx,size_16,color_FFFFFF,t_70)

##### 队列服务及元数据库(Metestore)的高可用。
>  队列服务取决于使用的消息队列是否可以高用可部署，如 RabbitMQ 和 Redis。
>    RabbitMQ 集群并配置Mirrored模式见：http://blog.csdn.net/u010353408/article/details/77964190

>  元数据库(Metestore) 取决于所使用的数据库，如 Mysql 等。
>    Mysql 做主从备份见：http://blog.csdn.net/u010353408/article/details/77964157

#### airflow 集群部署的具体步骤

##### 前提条件
>  节点运行的守护进程如下:

* master1 运行: webserver, scheduler
* master2运行：webserver
* worker1运行：worker
* worker2运行：worker

>  队列服务处于运行中. (RabbitMQ, Redis, etc)

* 安装 RabbitMQ 方法参见: http://site.clairvoyantsoft.com/installing-rabbitmq/
* 如果正在使用 RabbitMQ, 推荐 RabbitMQ 也做成高可用的集群部署，并为 RabbitMQ 实例配置负载均衡。

##### 步骤
>  1、 在所有需要运行守护进程的机器上安装 Apache Airflow。

>  2、修改 {AIRFLOW_HOME}/airflow.cfg 文件，确保所有机器使用同一份配置文件。
>  1. 修改 Executor 为 CeleryExecutor

executor = CeleryExecutor

>  2. 指定元数据库（metestore)

sql_alchemy_conn = mysql://{USERNAME}:{PASSWORD}@{MYSQL_HOST}:3306/airflow

>  3. 设置中间人（broker)

>    如果使用 RabbitMQ

broker_url = amqp://guest:guest@{RABBITMQ_HOST}:5672/

>    如果使用 Redis

broker_url = redis://{REDIS_HOST}:6379/0  #使用数据库 0

>  4. 设定结果存储后端 backend

celery_result_backend = db+mysql://{USERNAME}:{PASSWORD}@{MYSQL_HOST}:3306/airflow
#当然您也可以使用 Redis :celery_result_backend =redis://{REDIS_HOST}:6379/1

>  3、在 master1 和 master2 上部署您的工作流（DAGs）。
>  4、在 master 1，初始 airflow 的元数据库

$ airflow initdb

>  5、在 master1, 启动相应的守护进程

$ airflow webserver

$ airflow scheduler

>  6、在 master2，启动 Web Server

$ airflow webserver

>  7、在 worker1 和 worker2 启动 worker

$ airflow worker

>  8、使用负载均衡处理 webserver
>  可以使用 nginx，AWS 等服务器处理 webserver 的负载均衡，所有均已集群或高可用部署，apache-airflow 系统已坚不可摧。

当前名称：AirFlow的安装部署
标题网址：http://cdxtjz.com/article/gdpcdc.html

其他资讯