文章目录
airflow 安装配置
airflow 相关软件安装
python 3.6.5 安装
- 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
- 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
- 解压Python源码压缩包 ;
[root@node01 ~]# tar -zxvf Python-3.6.5.tgz
[root@node01 ~]# cd Python-3.6.5
- 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
- 查看版本信息 ;
- 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
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
- 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/
- 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
- 创建存放数据的目录
[root@node01 mysql]# mkdir data
[root@node01 mysql]# chown -R mysql:mysql *
- 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
- 初始化数据库
[root@node01 mysql]# bin/mysqld --initialize --basedir=/opt/mysql --datadir=/opt/mysql/data --user=mysql
- 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
- 添加开机自启
[root@node01 mysql]# chkconfig --add mysqld
[root@node01 mysql]# service mysqld start
- 登陆 MySQL, 密码在之前初始化时有提示的
[root@mysql_node01 mysql]# mysql -uroot -p
- 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)
- 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)
- 授权airflow用户可被访问 ;
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)
- 创建airflow 要用的数据库,库名 airflow ;
mysql> create database airflow ;
Query OK, 1 row affected (0.00 sec)
- 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
- 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/
- 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
- 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
- 启动redis ;
[root@node01 redis-5.0.0]# redis-server /usr/local/redis/redis.conf
- 连接redis 进行测试
[root@node01 ~]# redis-cli
127.0.0.1:6379> keys *
(empty list or set)
RabbitMQ 安装
- 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
- 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
- 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
- 打开管理页面 http://ip:15672 ,使用默认用户guest ,密码guest 进入 ;
- 点击admin -->> add a user ,添加用户密码并设置administrator 权限 ;
- 为admin用户添加 虚拟目录 / ;
单击用户admin
选择对应的Virtual Host ,单击 Set permission 进行设置 ;
重新查看,发现已经设置成功 ;
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
步骤
- 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
- 添加环境变量
vim /etc/profile
export PATH=$PATH:/usr/local/python3/bin/
export AIRFLOW_HOME=~/airflow
- 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)
- 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
- 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 ;
- 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
- 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)
- 重新生成数据库文件 ;
airflow initdb
- 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
- 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
- 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
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
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:
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:
- 下载 failover
git clone https://github.com/teamclairvoyant/airflow-scheduler-failover-controller
- 使用 pip 进行安装
cd airflow-scheduler-failover-controller
pip install -e .
- 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。
- 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
- 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
- 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:
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。
- 修改 Executor 为 CeleryExecutor
executor = CeleryExecutor
- 指定元数据库(metestore)
sql_alchemy_conn = mysql://{USERNAME}:{PASSWORD}@{MYSQL_HOST}:3306/airflow
- 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
- 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。