大数据调度 Apache Airflow 安装部署

Airflow单机搭建

Airflow是基于Python的，就是Python中的一个包。安装要求Python3.6版本之上，Metadata DataBase支持PostgreSQL9.6+，MySQL5.7+，SQLLite3.15.0+。
安装Anconda及python3.7

1.官网下载Anconda ,选择linux版本，并安装

下载官网地址：https://www.anaconda.com/products/individual#macos

2.将下载好的anconda安装包上传至mynode4节点，进行安装

sh Anaconda3-2020.02-Linux-x86_64.sh  【一路回车即可】
Do you accept the license terms? [yes|no]
Yes【继续回车】
... ...
Anaconda3 will now be installed into this location:
/root/anaconda3

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below

[/root/anaconda3] >>> 【回车即可，安装到/root/anaconda3路径下】
... ...
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
[no] >>>yes【输入yes,回车即可】
... ...
【安装完成】

3.配置Anconda的环境变量

在 /etc/profile中加入以下语句：

export PATH=$PATH:/root/anaconda3/bin

#使环境变量生效

source /etc/profile

4.安装python3.7 python环境

conda create -n python37 python=3.7

5.激活使用python37 python环境

 conda activate python37

【激活使用python37环境，需要先执行下source activate】
相关命令如下：

source activate 【初始化conda,必须执行，执行之后可以使用conda命令激活环境】
conda deactivate 【退出当前base环境】
conda activate python37【激活使用python37环境】
conda deactivate 【退出当前使用python37环境】
conda remove -n python37 --all 【删除python37环境】

单机安装Airflow

单节点部署airflow时，所有airflow 进程都运行在一台机器上

1.安装Airflow必须需要的系统依赖

Airflow正常使用必须需要一些系统依赖，在node04节点上安装以下依赖：

yum -y install mysql-devel gcc gcc-devel python-devel gcc-c++ cyrus-sasl cyrus-sasl-devel cyrus-sasl-lib 

2.在MySQL中创建对应的库并设置参数

aiflow使用的Metadata database我们这里使用mysql,在node2节点的mysql中创建airflow使用的库及表信息。

CREATE DATABASE airflow CHARACTER SET utf8;
create user 'airflow'@'%' identified by '123456';
grant all privileges on airflow.* to 'airflow'@'%';
flush privileges;

在mysql安装节点node2上修改”/etc/my.cnf”，在[mysqld]下添加如下内容：

[mysqld]
explicit_defaults_for_timestamp=1

在Airflow中需要对应mysql这个参数设置为1。以上修改完成“my.cnf”值后，重启Mysql即可，重启之后，可以查询对应的参数是否生效：
#重启mysql

[root@node2 ~]# service mysqld restart

#重新登录mysql查询

mysql> show variables like 'explicit_defaults_for_timestamp';

3.安装Airflow

在node4上切换python37环境，安装airflow，指定版本为2.1.3

(python37) [root@node4 ~]# conda activate python37
(python37) [root@node4 ~]# pip install apache-airflow==2.1.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

默认Airflow安装在$ANCONDA_HOME/envs/python37/lib/python3.7/site-packages/airflow目录下。Airflow文件存储目录默认在/root/airflow目录下，但是这个目录需要执行下“airflow version”后自动创建，查看安装Airflow版本信息：
(python37) [root@node4 ~]# airflow version
2.1.3

4.配置Airflow使用的数据库为MySQL

打开配置的airflow文件存储目录，默认在$AIRFLOW_HOME目录“/root/airflow”中，会有“airflow.cfg”配置文件，修改配置如下：

[core]
dags_folder = /root/airflow/dags

#修改时区
default_timezone = Asia/Shanghai

# 配置数据库
sql_alchemy_conn=mysql+mysqldb://airflow:123456@node2:3306/airflow?use_unicode=true&charset=utf8

[webserver]
#设置时区
default_ui_timezone = Asia/Shanghai

#设置DAG显示方式
# Default DAG view. Valid values are: ``tree``, ``graph``, ``duration``, ``gantt``, ``landing_times``
dag_default_view = graph

[scheduler]
#设置默认发现新任务周期，默认是5分钟
# How often (in seconds) to scan the DAGs directory for new files. Default to 5 minutes.
dag_dir_list_interval = 30

5.安装需要的python依赖包

初始化Airflow数据库时需要使用到连接mysql的包，执行如下命令来安装mysql对应的python包。

(python37) [root@node4 ~]# pip install mysqlclient -i https://pypi.tuna.tsinghua.edu.cn/simple

6.初始化Airflow 数据库

(python37) [root@node4 airflow]# airflow db init
初始化之后在MySQL airflow库下会生成对应的表。

7.创建管理员用户信息

在node4节点上执行如下命令，创建操作Airflow的用户信息:

airflow users create \
    --username airflow \
    --firstname airflow \
    --lastname airflow \
    --role Admin \
    --email abc@qq.com

执行完成之后，设置密码为“123456”并确认，完成Airflow管理员信息创建。

启动Airflow

1.启动webserver

#前台方式启动webserver
(python37) [root@node4 airflow]# airflow webserver --port 8080

#以守护进程方式运行webserver,端口默认8080。 ps aux|grep webserver查看后台进程
airflow webserver --port 8080 -D

2.启动scheduler

新开窗口，切换python37环境，启动Schduler：

#前台方式启动scheduler
(python37) [root@node4 ~]# airflow scheduler

#以守护进程方式运行Scheduler,ps aux|grep scheduler 查看后台进程
 airflow scheduler -D

3.访问Airflow web

浏览器访问：http://node4:8080 

输入前面创建的
			用户名：airflow
 			密码：123456