airflow 安装,部署,填坑

阅读本文大约需要 8 分钟。

上一篇文章已经介绍过 airflow ,相信需要的人早已上网搜索相关资料,已经开始动手干了,没错,就是干,喜欢一件事件,请立即付诸行动,不要拖,时间一长,就凉了。

Python 的包管理工具 pip 是一个非常优秀的工具,Python 相关的库都可以使用 pip 安装,airflow 也不例外。废话不多说,直接上操作步骤。

截止目前 2018年8月14日 ,airflow 最新稳定版本为1.8 ,apache-airflow 的最新稳定版本为1.9,其实都是 airflow,使用起来是一样的,只是版本本区别而已,官方指导的安装也是 apache-airflow。
airflow 1.8 使用本地时区。
airflow 1.9 使用 UTC 时区。(后面会介绍如何修改)
以 ubuntu 16.04为例,其他 linux 操作系统类似。

前提条件

python 环境下 执行 导入 ssl,sqlite3不报错,如下所示:


image.png

按照经验,出现 import ssl 报错的可能性大一些,如果导入 ssl 报错,则执行以下命令安装 libssl-dev,并重新安装 python 即可。

$sudo apt-get install libssl-dev
$sudo apt-get install libssl-dev
$./configure --prefix=yourpath && make test && make && make install

在线安装

联网环境下,安装软件变更非常简单,无需考虑依赖包,pip 会自动为你解决。

  1. 安装airflow 1.8
pip install airflow
  1. 安装airflow 1.9
pip install apache-airflow[all]

这里说明一下,也可以直接 pip install apache-airflow,后面加上 all 的话,所有关于 airflow 的包都会安装,现在谁的电脑也不缺那几十 M 的存储,建议都安装,省得想用某些功能时再次安装。
上述第 2 种安装 airflow 1.9的过程中有可能出现以下错误:

  1. mysqlclient 安装错误
Traceback (most recent call last):
      File "<string>", line 1, in <module>
      File "/tmp/pip-install-2meuvf5n/mysqlclient/setup.py", line 18, in <module>
        metadata, options = get_config()
      File "/tmp/pip-install-2meuvf5n/mysqlclient/setup_posix.py", line 53, in get_config
        libs = mysql_config("libs_r")
      File "/tmp/pip-install-2meuvf5n/mysqlclient/setup_posix.py", line 28, in mysql_config
        raise EnvironmentError("%s not found" % (mysql_config.path,))
    OSError: mysql_config not found

此时需要安装 libmysqlclient-dev 即可

sudo apt install libmysqlclient-dev
  1. pymssql 安装错误
Traceback (most recent call last):
      File "<string>", line 1, in <module>
      File "/tmp/pip-download-qa2zmm8z/pymssql/setup.py", line 477, in <module>
        ext_modules = ext_modules(),
      File "/home/aaron/projectA_env/lib/python3.6/site-packages/setuptools/__init__.py", line 128, in setup
        _install_setup_requires(attrs)
      File "/home/aaron/projectA_env/lib/python3.6/site-packages/setuptools/__init__.py", line 123, in _install_setup_requires
        dist.fetch_build_eggs(dist.setup_requires)
   ......
        return cmd.easy_install(req)
      File "/home/aaron/projectA_env/lib/python3.6/site-packages/setuptools/command/easy_install.py", line 667, in easy_install
        raise DistutilsError(msg)
    distutils.errors.DistutilsError: Could not find suitable distribution for Requirement.parse('setuptools_git')
    setup.py: platform.system() => 'Linux'
    setup.py: platform.architecture() => ('64bit', 'ELF')
    setup.py: platform.linux_distribution() => ('debian', 'stretch/sid', '')
    setup.py: platform.libc_ver() => ('glibc', '2.9')
    setup.py: Using bundled FreeTDS in /tmp/pip-download-qa2zmm8z/pymssql/freetds/nix_64
    setup.py: include_dirs = ['/tmp/pip-download-qa2zmm8z/pymssql/freetds/nix_64/include', '/usr/local/include']
    setup.py: library_dirs = ['/tmp/pip-download-qa2zmm8z/pymssql/freetds/nix_64/lib', '/usr/local/lib']

解决方法:设置环境变量,手工安装pymssql

pip install setuptools_git
pip download pymssql
 tar -zxvf pymssql-2.1.3.tar.gz
cd  pymssql-2.1.3
export PYMSSQL_BUILD_WITH_BUNDLED_FREETDS=1
python setup.py install

以上步骤可确保 pymssql 成功安装,再执行 pip install apache-airflow[all] 即可完成剩余部分安装。

问题来了,现在的任务大多跑在生产环境,生产环境与外网都是物理隔离的,不能直接联网怎么办?别急,pip 都为你想好了。

离线安装

以 airflow 1.9 版本为例,其他版本的操作也是一致的。

  1. 先在联网环境下载安装包,联网的计算机操作系统与 Python 版本最好与生产环境一致,如果不一致,需要为 pip 指定操作系统和 Python 版本。
$ mkdir airflow1.9
$ cd airflow1.9
$ pip download apache-airflow[all] 

请等待下载完成。
然后将上述文件打包传输至生产环境解压后,进行 airflow1.9 目录,执行:

$cd airflow1.9
$ pip install apache-airflow[all] --no-index -f ./

以上过程如有报错,请参考在线安装时的错误解决方法即可。

部署与配置

  1. 设置 $AIRFLOW_HOME 的环境变量并初始化数据库
echo "export AIRFLOW_HOME=~/airflow" >> ~/.bashrc
source ~/.bashrc
airflow initdb

这一步会创建 airflow 的知识库
运行结果如下图所示


image.png

报错的原因是 Failed to import: /home/aaron/projectA_env/lib/python3.6/site-packages/airflow/example_dags/example_http_operator.py。
原因是我们安装了apache-airflow[all] ,可能的原因是 hdfshook 与 Python3 不兼容,不过些错误并不影响我们使用 airflow,完全可以忽略,如果不想看到此错误,完全可以删除 :

rm /home/aaron/projectA_env/lib/python3.6/site-packages/airflow/example_dags/example_http_operator.py
  1. 默认的配置
    如果不修改airflow 配置文件 $AIRFLOW_HOME/airflow.cfg,直接启动 webserver 和 scheduler
    一个基于 sqilte 数据库的 airflow 服务已经启动,且可以添加任务运行,执行器为 SequentialExecutor,常用于测试环境。


    image.png
  2. 配置 mysql + LocalExecutor
    首先新建 mysql 的数据库 airflowdb
    配置数据库 airflowdb 的权限
    修改 airflow.cfg 中的数据库连接 url
    重新初始化 ,执行步骤如下图所示:

mysql 数据库操作如下图

image.png

airflow.cfg 修改如下图

image.png

重新初始化数据库

image.png

接着启动 webserver 和 scheduler ,配置 mysql + LocalExecutor 已经成功完成。该配置完全可以在生产环境运行,相当稳定。

今天先到这里,下一篇文章会介绍 CeleryExecutor + redis 的配置,敬请期待。

欢迎关注微信公众号 somenzz ,在 学习使用 Python 的路上,希望为你节省时间。
扫下方二维码关注


2018081414365759.jpg

推荐阅读更多精彩内容