Fehlerbehebung bei Umgebungsupdates und ‑upgrades

Managed Airflow (Gen 3) | Managed Airflow (Gen 2) | Managed Airflow (Legacy Gen 1)

Auf dieser Seite finden Sie Informationen zur Fehlerbehebung bei Problemen, die beim Aktualisieren oder Upgraden von Managed Service for Apache Airflow-Umgebungen auftreten können.

Informationen zur Fehlerbehebung beim Erstellen von Umgebungen finden Sie unter Fehlerbehebung beim Erstellen der Umgebung.

Wenn Managed Airflow-Umgebungen aktualisiert werden, treten die meisten Probleme aus den folgenden Gründen auf:

  • Probleme mit Dienstkontoberechtigungen
  • Probleme mit der PyPI-Abhängigkeit
  • Größe der Airflow-Datenbank

Unzureichende Berechtigungen zum Aktualisieren oder Upgraden einer Umgebung

Wenn Managed Airflow eine Umgebung aufgrund unzureichender Berechtigungen nicht aktualisieren oder upgraden kann, wird die folgende Fehlermeldung ausgegeben:

ERROR: (gcloud.composer.environments.update) PERMISSION_DENIED: The caller does not have permission

Lösung: Weisen Sie Ihrem Konto und dem Dienstkonto Ihrer Umgebung Rollen zu, wie unter Zugriffssteuerung beschrieben.

Das Dienstkonto der Umgebung hat nicht die erforderlichen Berechtigungen

Beim Erstellen einer Managed Airflow-Umgebung geben Sie ein Dienstkonto an, das die meisten Vorgänge der Umgebung ausführt. Wenn dieses Dienstkonto nicht genügend Berechtigungen für den angeforderten Vorgang hat, gibt Managed Airflow einen Fehler aus:

    UPDATE operation on this environment failed 3 minutes ago with the
    following error message:
    Composer Backend timed out. Currently running tasks are [stage:
    CP_COMPOSER_AGENT_RUNNING
    description: "No agent response published."
    response_timestamp {
      seconds: 1618203503
      nanos: 291000000
    }
    ].

Lösung: Weisen Sie Ihrem Google-Konto und dem Dienstkonto Ihrer Umgebung Rollen zu, wie unter Zugriffssteuerung beschrieben.

Die Airflow-Datenbank ist zu groß für den Vorgang durchzuführen

Ein Upgrade-Vorgang ist möglicherweise nicht erfolgreich, da die Größe der Airflow-Datenbank für einen erfolgreichen Upgrade zu groß ist.

Wenn die Größe der Airflow-Datenbank mehr als 16 GB beträgt, gibt Managed Airflow den folgenden Fehler aus:

Airflow database uses more than 16 GB. Please clean the database before upgrading.

Lösung: Führen Sie eine Airflow-Datenbankbereinigung durch, wie unter Airflow-Datenbank bereinigen beschrieben.

Ein Upgrade auf eine neue Managed Airflow-Version schlägt aufgrund von PyPI-Paketkonflikten fehl

Wenn Sie eine Umgebung mit installierten benutzerdefinierten PyPI-Paketenaktualisieren, können Fehler im Zusammenhang mit PyPI-Paketkonflikten auftreten. Dies kann daran liegen, dass das neue Managed Service for Apache Airflow-Image neuere Versionen vorinstallierter Pakete enthält. Dies kann zu Abhängigkeitskonflikten mit PyPI-Paketen führen, die Sie in Ihrer Umgebung installiert haben.

Lösung:

  • Führen Sie eine Upgradeprüfung durch, um detaillierte Informationen zu Paketkonflikten zu erhalten.
  • Lockern Sie Versionseinschränkungen für installierte benutzerdefinierte PyPI-Pakete. Geben Sie beispielsweise anstelle einer Version wie ==1.0.1 die Version >=1.0.1 an.
  • Weitere Informationen zum Ändern von Versionsanforderungen, um in Konflikt stehende Abhängigkeiten zu beheben, finden Sie in der Dokumentation zu pip.

Es ist nicht möglich, eine Umgebung auf eine Version zu upgraden, die noch unterstützt wird

Managed Airflow-Umgebungen können nur auf die neuesten und vorherigen Versionen aktualisiert werden.

Die Versionsbeschränkungen für das Erstellen neuer Umgebungen und das Upgraden vorhandener Umgebungen sind unterschiedlich. Die Managed Airflow-Version, die Sie beim Erstellen einer neuen Umgebung auswählen, ist möglicherweise nicht verfügbar, wenn Sie vorhandene Umgebungen upgraden.

Sie können den Upgrade-Vorgang mit der Google Cloud CLI, der API oder Terraform ausführen. In Google Cloud der Console sind nur die neuesten Versionen als Upgrade-Optionen verfügbar.

Umgebung ist nicht fehlerfrei (Liveness-Prüfung fehlgeschlagen)

Eine Umgebung kann nur aktualisiert werden, wenn ihr Status als fehlerfrei gemeldet wird.

Eine der häufigsten Ursachen für einen nicht fehlerfreien Status ist, dass die Komponenten der Umgebung sich den konfigurierten Ressourcenlimits nähern und ständig mit maximaler Last arbeiten. Da einige Umgebungskomponenten ihren Status nicht melden können, meldet der Liveness-Prüfungs-DAG den Status der Umgebung als nicht fehlerfrei.

Um dieses Problem zu beheben, empfehlen wir, die Ressourcenlimits zu erhöhen. Wir empfehlen, dass Ihre Umgebung die Limits nicht erreicht. Sie können dies aber auch nur für den Zeitraum tun, in dem Ihre Umgebung aktualisiert wird.

Fehlende Verbindung zu DNS kann Probleme beim Ausführen von Upgrades oder Updates verursachen

Solche Verbindungsprobleme können zu Logeinträgen wie diesem führen:

WARNING - Compute Engine Metadata server unavailable attempt 1 of 5. Reason: [Errno -3] Temporary failure in name resolution Error

Das bedeutet in der Regel, dass keine Route zu DNS vorhanden ist. Achten Sie darauf, dass der DNS-Name metadata.google.internal aus den Netzwerken von Clustern, Pods und Diensten in eine IP-Adresse aufgelöst werden kann. Prüfen Sie, ob der privater Google-Zugriff in der VPC (im Host- oder Dienstprojekt), in der Ihre Umgebung erstellt wurde, aktiviert ist.

Die Triggerer-CPU überschreitet das Limit von 1 vCPU

In Managed Airflow-Versionen 2.4.4 und höher wird eine andere Strategie für die Zuweisung von Triggerer-Ressourcen eingeführt, um die Leistungsskalierung zu verbessern. Wenn beim Aktualisieren einer Umgebung ein Fehler im Zusammenhang mit der Triggerer-CPU auftritt, sind Ihre aktuellen Triggerer so konfiguriert, dass sie mehr als 1 vCPU pro Triggerer verwenden.

Lösung:

Fehlgeschlagene Migrationswarnungen prüfen

Wenn Sie Airflow auf eine neuere Version aktualisieren, werden manchmal neue Einschränkungen auf die Airflow-Datenbank angewendet. Wenn diese Einschränkungen nicht angewendet werden können, erstellt Airflow neue Tabellen, um die Zeilen zu speichern, für die die Einschränkungen nicht angewendet werden konnten. In der Airflow-UI wird eine Warnmeldung angezeigt, bis die verschobenen Datentabellen umbenannt oder gelöscht werden.

Lösung:

Mit den folgenden beiden DAGs können Sie die verschobenen Daten prüfen und die Tabellen umbenennen.

Der DAG list_moved_tables_after_upgrade_dag listet Zeilen auf, die aus jeder Tabelle verschoben wurden, in der Einschränkungen nicht angewendet werden konnten. Prüfen Sie die Daten und entscheiden Sie, ob Sie sie behalten möchten. Wenn Sie sie behalten möchten, müssen Sie die Daten in der Airflow-Datenbank manuell korrigieren. Fügen Sie beispielsweise die Zeilen mit den richtigen Daten wieder hinzu.

Wenn Sie die Daten nicht benötigen oder sie bereits korrigiert haben, können Sie den DAG rename_moved_tables_after_upgrade_dag ausführen. Dieser DAG benennt die verschobenen Tabellen um. Die Tabellen und ihre Daten werden nicht gelöscht, sodass Sie die Daten später noch einmal prüfen können.

"""
When upgrading Airflow to a newer version,
it might happen that some data cannot be migrated,
often because of constraint changes in the metadata base.
This file contains 2 DAGs:

1. 'list_moved_tables_after_upgrade_dag'
  Prints the rows which failed to be migrated.
2. 'rename_moved_tables_after_upgrade_dag'
  Renames the table which contains the failed migrations. This will remove the
  warning message from airflow.
"""

import datetime
import logging

from airflow import DAG
from airflow.operators.python import PythonOperator
from airflow.providers.postgres.hooks.postgres import PostgresHook
from airflow.settings import AIRFLOW_MOVED_TABLE_PREFIX


def get_moved_tables():
    hook = PostgresHook(postgres_conn_id="airflow_db")
    return hook.get_records(
        "SELECT schemaname, tablename FROM pg_catalog.pg_tables WHERE tablename"
        f" LIKE '{AIRFLOW_MOVED_TABLE_PREFIX}_%'"
    )


def list_moved_records():
    tables = get_moved_tables()
    if not tables:
        logging.info("No moved tables found")
        return

    hook = PostgresHook(postgres_conn_id="airflow_db")
    for schema, table in tables:
        df = hook.get_pandas_df(f"SELECT * FROM {schema}.{table}")
        logging.info(df.to_markdown())


def rename_moved_tables():
    tables = get_moved_tables()
    if not tables:
        return

    hook = PostgresHook(postgres_conn_id="airflow_db")
    for schema, table in tables:
        hook.run(f"ALTER TABLE {schema}.{table} RENAME TO _abandoned_{table}")


with DAG(
    dag_id="list_moved_tables_after_upgrade_dag",
    start_date=datetime.datetime(2023, 1, 1),
    schedule_interval=None,
    catchup=False,
):
    t1 = PythonOperator(
        task_id="list_moved_records", python_callable=list_moved_records
    )

with DAG(
    dag_id="rename_moved_tables_after_upgrade_dag",
    start_date=datetime.datetime(2023, 1, 1),
    schedule_interval=None,
    catchup=False,
) as dag:
    t1 = PythonOperator(
        task_id="rename_moved_tables", python_callable=rename_moved_tables
    )

Der Umgebungsvorgang bleibt dauerhaft im Status „Fehlgeschlagen“

Managed Airflow (Gen 2)-Umgebungen verwenden Pub/Sub-Themen und Abos, um während Umgebungsvorgängen mit Ressourcen zu kommunizieren, die sich im Mandantenprojekt Ihrer Umgebung befinden.

Wenn die Pub/Sub API in Ihrem Projekt deaktiviert ist oder wenn die Themen oder Abos der Umgebung gelöscht werden, kann ein Umgebungsvorgang fehlschlagen und dauerhaft im Status „Fehlgeschlagen“ bleiben. Eine solche Umgebung ist unwiderruflich beschädigt.

Nächste Schritte