0.数仓持续发布整体流程
开发在特性分支完成开发,合并代码到各个环境的分支 feat -> sit/prd
在 sit可以不设置权限控制,让开发自行合并,prd环境需要设置权限控制,需要进行code review后才能进行合并。
经过代码审核后,审核人员在gitlab上点击merge request 按钮,随即触发gitlab webhook发出http请求,然后通过 airflow-gitlab-webhook 插件触发 代码同步的dag, 在该dag中使用git pull命令拉去代码,即可实现代码持续发布的功能。
1.前置信息
airflow已经在以下三台机器上安装好,节点角色信息如下
airflow_webserver:webserver
airflow_worker1:worker
airflow_worker2:worker
三个节点已经配置好hosts(在/etc/hosts 文件中添加)信息及ssh 互信 (每个节点都要配置 且需要配置自己的 使用 ssh-keygen -t rsa , ok 后 再 ssh-copy-id ${host_name})
2.安装配置airflow-gitlab-webhook
在airflow_webserver节点安装 airflow-gitlab-webhook
pip install airflow-gitlab-webhook
cd /opt/airflow
vim airflow.cfg
再最后面加上下面的配置 ()
[gitlab_plugin]
repository_url = ssh://git@git_host:port/data_warehouse.git # git地址为示例,需要根据自己的实际情况进行修改
dag = data_warehouse_sync # webhook 触发的 dag的 dag_id
3.重启webserver
ps -ef|egrep 'airflow-webserver'|grep -v grep|awk '{print $2}'|xargs kill -9
rm /opt/airflow/airflow-webserver.pid
airflow webserver -D
4.在gitlab上配置 webhook信息
选择自己的输出仓库,如 data_warehouse
a.点击Integrations进入 webhook配置页面
b.添加 airflow webhook的url链接
示例 http://airflow_webserver:8080/webhooks/gitlab/push
c.选择push events添加仓库分支信息,执行需要发布的分支
d.点击webhook即可 添加成功
e.完成后可以点击Test -> Push events
若成功会返回200
5.创建airflow 代码同步dag
mkdir -p /opt/airflow/dags/ops
vim data_warehouse_sync.py
from datetime import timedelta
# The DAG object; we'll need this to instantiate a DAG
from airflow import DAG
# Operators; we need this to operate!
from airflow.operators.bash_operator import BashOperator
from airflow.utils.dates import days_ago
default_args = {
'owner': 'airflow',
'start_date': days_ago(2),
'depends_on_past': False,
'email': ['airflow@example.com'],
'retries': 1,
'retry_delay': timedelta(minutes=5),
'queue': 'default',
'pool': 'default',
}
dag = DAG(
'data_warehouse_sync',
default_args=default_args,
description='data warehouse codes sync',
schedule_interval=None,
concurrency=3,
max_active_runs=1,
catchup=False
)
worker1_code_sync = BashOperator(
task_id='worker1_code_sync',
bash_command="ssh airflow@airflow_worker1 'cd /opt/airflow/dags/data_warehouse; git pull'",
dag=dag,
)
worker2_code_sync = BashOperator(
task_id='worker2_code_sync',
bash_command="ssh airflow@airflow_worker2 'cd /opt/airflow/dags/data_warehouse; git pull'",
dag=dag,
)
webserver_code_sync = BashOperator(
task_id='webserver_code_sync',
bash_command="ssh airflow@airflow_webserver 'cd /opt/airflow/dags/data_warehouse; git pull'",
dag=dag,
)
[worker1_code_sync,worker2_code_sync,webserver_code_sync]
ssh airflow@airflow_worker1 'mkdir -p /opt/airflow/dags/ops'
ssh airflow@airflow_worker2 'mkdir -p /opt/airflow/dags/ops'
scp data_warehouse_sync.py airflow@airflow_worker1:/opt/airflow/dags/ops/.
scp data_warehouse_sync.py airflow@airflow_worker2:/opt/airflow/dags/ops/.
6.小结
通过上面的一系列安装及配置,完成了整个数仓持续发布流程的配置,配置好之后,每次合并到各个环境分支的时候,整个流程就会自动的更新代码,减少人工操作,让整个发布流程变得顺畅,极大的提高了生产效率。
欢迎加入Apache Airflow技术交流群
或者加入QQ群 704721809。