Managed Airflow (3ª gen.) | Managed Airflow (2ª gen.) | Managed Airflow (1ª gen. heredada)
En esta página, se describe la arquitectura de los entornos de Airflow administrado.
Configuración de la arquitectura del entorno
Los entornos de Managed Airflow (2ª gen.) pueden tener las siguientes opciones de configuración de la arquitectura:
- Arquitectura de IP pública
- Arquitectura de IP privada
- Arquitectura de IP privada de alta resiliencia
Proyectos del cliente y el usuario
Cuando creas un entorno, Managed Airflow distribuye los recursos del entorno entre un usuario y un proyecto del cliente:
El proyecto del cliente es un Google Cloud proyecto en el que creas tus entornos. Puedes crear más de un entorno en un solo proyecto de cliente.
El proyecto de usuario es un proyecto de usuario administrado por Google y pertenece a la organización Google.com. El proyecto de usuario proporciona un control de acceso unificado y una capa adicional de seguridad de los datos para tu entorno. Cada entorno de Managed Airflow tiene su propio proyecto de usuario.
Componentes del entorno
Un entorno de Managed Airflow consta de componentes de entorno.
Un componente del entorno es un elemento de una infraestructura administrada de Airflow que se ejecuta en Google Cloud Google Cloud, como parte de tu entorno. Los componentes del entorno se ejecutan en el proyecto del usuario o del cliente de tu entorno.
Clúster del entorno
El clúster del entorno es un clúster de Google Kubernetes Engine nativo de la VPC de modo Autopilot de tu entorno:
De forma predeterminada, Managed Airflow habilita las actualizaciones automáticas de nodos y la reparación automática de nodos para proteger el clúster de tu entorno de las vulnerabilidades de seguridad. Estas operaciones ocurren durante los períodos de mantenimiento que especificas para tu entorno.
Bucket del entorno
El bucket del entorno es un bucket de Cloud Storage que almacena DAG, complementos, dependencias de datos y registros de Airflow. El bucket del entorno se encuentra en el proyecto del cliente.
Cuando subes tus archivos DAG a la carpeta /dags en el bucket de tu entorno, Managed Airflow sincroniza los DAG con los componentes de Airflow de tu entorno.
Servidor web de Airflow
El servidor web de Airflow ejecuta la IU de Airflow de tu entorno.
Managed Airflow proporciona acceso a la interfaz en función de las identidades de los usuarios y las vinculaciones de políticas de IAM definidas para los usuarios.
Base de datos de Airflow
La base de datos de Airflow es una instancia de Cloud SQL que se ejecuta en el proyecto de usuario de tu entorno. Aloja la base de datos de metadatos de Airflow.
Para proteger la información sensible del flujo de trabajo y la conexión, Managed Airflow permite el acceso a la base de datos solo a la cuenta de servicio de tu entorno.
Otros componentes de Airflow
Otros componentes de Airflow que se ejecutan en tu entorno son los siguientes:
Los programadores de Airflow analizan los archivos de definición del DAG, programan las ejecuciones de DAG según el intervalo de programación y ponen en cola las tareas para que los trabajadores de Airflow las ejecuten. En Managed Airflow (2ª gen.), los procesadores de DAG de Airflow se ejecutan como parte de los componentes del programador.
Los supervisores asincrónicos de Airflow supervisan todas las tareas diferidas en tu entorno de manera asincrónica. Si estableces la cantidad de supervisores asincrónicos en tu entorno por encima de cero, puedes usar operadores diferibles en tus DAG.
Los trabajadores de Airflow ejecutan tareas programadas por los programadores de Airflow. La cantidad mínima y máxima de trabajadores en tu entorno cambia de forma dinámica según la cantidad de tareas en la cola.
Arquitectura del entorno de IP pública
En una arquitectura del entorno de IP pública para Managed Airflow (2ª gen.), haz lo siguiente:
- El proyecto de usuario aloja una instancia de Cloud SQL y el almacenamiento de Cloud SQL.
- El proyecto del cliente aloja todos los demás componentes del entorno.
- Los programadores y los trabajadores de Airflow en el proyecto del cliente se comunican con la base de datos de Airflow a través de una instancia del proxy de Cloud SQL ubicada en el proyecto del cliente.
Arquitectura del entorno de IP privada
De forma predeterminada, Managed Airflow (2ª gen.) usa Private Service Connect, de modo que tus entornos de IP privada se comuniquen internamente sin el uso de intercambios de tráfico entre VPC . También es posible usar intercambios de tráfico entre VPC en lugar de Private Service Connect en tu entorno. Esta es una opción no predeterminada.
En la arquitectura del entorno de IP privada, haz lo siguiente:
- El proyecto de usuario aloja una instancia de Cloud SQL y el almacenamiento de Cloud SQL.
- El proyecto del cliente aloja todos los demás componentes del entorno.
- Los programadores y trabajadores de Airflow se conectan a la base de datos de Airflow a través del extremo de PSC configurado.
Arquitectura de IP privada de alta resiliencia
Los entornos de Managed Airflow de alta resiliencia (alta disponibilidad) son entornos multizonales que usan mecanismos integrados de redundancia y conmutación por error que reducen la susceptibilidad del entorno a las fallas zonales y las interrupciones de un solo punto de fallo.
En este tipo de entorno de IP privada, haz lo siguiente:
- Un componente de Cloud SQL de tu entorno tiene una instancia principal y una instancia en espera que se distribuyen entre las zonas.
- Tu entorno ejecuta dos programadores de Airflow, dos servidores web y, si se usan supervisores asincrónicos, un mínimo de dos (hasta diez en total). Estos pares de componentes se ejecutan en dos zonas separadas.
- La cantidad mínima de trabajadores se establece en dos, y el clúster de tu entorno distribuye instancias de trabajador entre las zonas. En caso de una interrupción zonal, las instancias de trabajador afectadas se reprograman en una zona diferente.
Integración en Cloud Logging y Cloud Monitoring
Managed Airflow se integra en Cloud Logging y Cloud Monitoring de tu Google Cloud proyecto para que tengas un lugar central en el que consultar los registros de Airflow y DAG.
Cloud Monitoring recopila y transfiere métricas, eventos y metadatos de Managed Airflow para generar estadísticas a través de paneles y gráficos.
Debido a la naturaleza de transmisión de Cloud Logging, puedes ver los registros que emiten los componentes de Airflow inmediatamente en lugar de esperar a que los registros de Airflow aparezcan en el bucket de Cloud Storage de tu entorno.
Para limitar la cantidad de registros en tu Google Cloud proyecto, puedes detener la transferencia de todos los registros. No inhabilites Logging.