已知问题

Managed Airflow（第 3 代） | Managed Airflow（第 2 代） | Managed Airflow（旧版第 1 代）

本页列出了已知的 Managed Airflow 问题。如需了解 问题修复信息，请参阅版本说明。

对于上传的 DAG 文件，首次运行 DAG 时有几个失败的任务

当您上传某个 DAG 文件时，有时针对该文件的首次 DAG 运行的前几个任务会失败，并显示 Unable to read remote log... 错误。出现此问题的原因是 DAG 文件在环境的存储桶、Airflow 工作器和环境的 Airflow 调度器之间同步。如果调度器获取 DAG 文件并安排其由工作器执行，并且工作器还没有 DAG 文件，则任务执行将失败。

为了缓解此问题，Airflow 2 环境默认配置为对失败的任务执行两次重试。如果任务失败，系统会以 5 分钟的间隔重试两次。

Managed Airflow 不应受 Apache Log4j 2 漏洞 (CVE-2021-44228) 影响

针对 Apache Log4j 2 漏洞 (CVE-2021-44228)，Managed Airflow 开展了详细调查，我们认为 Managed Airflow 不会受到此漏洞的影响。

更改插件后，Airflow 界面有时有时不重新加载插件

如果插件包含多个会导入其他模块的文件，则 Airflow 界面可能无法识别应该重新加载插件的情况。在这种情况下， 请重启环境的 Airflow Web 服务器 。

访问 Airflow 界面时出现错误 504

访问 Airflow 界面时，您可能会收到 504 Gateway Timeout 错误。此错误可能有多种原因：

  • 暂时性通信问题。在这种情况下，请稍后尝试访问 Airflow 界面。您也可以 重启 Airflow Web 服务器。

  • （仅限托管式 Airflow（第 3 代））连接问题。如果 Airflow 界面永久不可用，并且生成了超时或 504 错误，请确保您的环境可以访问 *.composer.googleusercontent.com。

  • （仅限托管式 Airflow（第 2 代））连接问题。如果 Airflow 界面永久不可用，并且生成了超时或 504 错误，请确保您的环境可以访问 *.composer.cloud.google.com。如果您使用专用 Google 访问通道并通过 private.googleapis.com 虚拟 IP 发送流量，或者使用 VPC Service Controls 并通过 restricted.googleapis.com 虚拟 IP 发送流量，请确保您的 Cloud DNS 也针对 *.composer.cloud.google.com 域名进行了配置。

  • Airflow Web 服务器无响应。如果错误 504 仍然存在，但您仍然可以在特定时间访问 Airflow 界面，则 Airflow Web 服务器可能因过载而无响应。 尝试增加 Web 服务器的扩缩和性能参数 。

访问 Airflow 界面时出现错误 502

错误 502 Internal server exception 表示 Airflow 界面无法处理传入的请求。此错误可能有多种原因：

  • 暂时性通信问题。请稍后尝试访问 Airflow 界面。

  • 未能启动 Web 服务器。为了启动，Web 服务器需要先同步配置文件。检查 Web 服务器日志，查找类似于以下内容的 日志条目：GCS sync exited with 1: gcloud storage cp gs://<bucket-name>/airflow.cfg /home/airflow/gcs/airflow.cfg.tmp 或 GCS sync exited with 1: gcloud storage cp gs://<bucket-name>/env_var.json.cfg /home/airflow/gcs/env_var.json.tmp. 如果您看到这些错误，请检查错误消息中提及的文件是否仍存在于环境的存储桶中。

    如果这些文件被意外移除（例如，由于配置了保留政策），您可以恢复它们：

    1. 在您的环境中设置新的环境变量。您可以使用任何变量名称和值。

    2. 替换 Airflow 配置选项。您可以使用不存在的 Airflow 配置选项。

将鼠标悬停在树状视图中的任务实例上时抛出未捕获的 TypeError

在 Airflow 2 中，当使用非默认时区时，Airflow 界面中的树状视图有时可能无法正常工作。如需解决此 问题， 请在 Airflow 界面中明确配置时区。

调度器和工作器中的空文件夹

Managed Airflow 不会主动从 Airflow 工作器和调度器中移除空文件夹。当这些文件夹存在于存储桶中并最终被移除时，可能会在环境存储桶同步过程中创建此类实体。

建议：调整 DAG，使其能够跳过此类空 文件夹。

当 Airflow 调度器和工作器重启时（例如，由于环境集群中的缩减或维护操作），此类实体最终会从这些组件的本地存储中移除。

对 Kerberos 的支持

Managed Airflow 不支持 Airflow Kerberos 配置。

对托管式 Airflow（第 2 代）和托管式 Airflow（第 3 代）中的计算类的支持

Managed Airflow（第 3 代）和 Managed Airflow（第 2 代）仅支持通用 计算类。这意味着无法运行请求其他计算类（例如 平衡型或横向扩容型）的 Pod。

通用型类允许运行请求最多 110 GB 内存和最多 30 个 CPU 的 Pod（如计算类最大请求中所述）。

如果您想使用基于 ARM 的架构或需要更多 CPU 和内存，则必须使用其他计算类，而 Managed Airflow（第 3 代）和 Managed Airflow（第 2 代）集群不支持这些计算类。

建议：使用 GKEStartPodOperator 在支持所选计算类的 其他集群上运行 Kubernetes Pod。如果您运行需要其他计算类的自定义 Pod，则它们也必须在非托管式 Airflow 集群上运行。

无法减少 Cloud SQL 存储空间

托管式 Airflow 使用 Cloud SQL 运行 Airflow 数据库。随着时间的推移，Cloud SQL 实例的磁盘存储空间可能会增加，因为当 Airflow 数据库增长时，磁盘会扩容以适应 Cloud SQL 操作存储的数据。

无法缩减 Cloud SQL 磁盘大小。

作为一种解决方法，如果您想使用最小的 Cloud SQL 磁盘 大小，可以使用 快照 重新创建 Managed Airflow 环境。

从 Cloud SQL 中移除记录后，数据库磁盘用量指标不会减少

关系型数据库（例如 Postgres 或 MySQL）在删除或更新行时不会实际移除这些行。相反，它会将这些行标记为“死元组”，以保持数据一致性并避免阻止并发事务。

MySQL 和 Postgres 都实现了在删除记录后回收空间的机制。

虽然可以强制数据库回收未使用的磁盘空间，但这是一种资源密集型操作，此外还会锁定数据库，导致 Managed Airflow 不可用。因此，建议依赖于内置机制来回收未使用的空间。

禁止访问：发生了授权错误

如果此问题影响用户，则禁止访问：发生了授权错误 对话框会包含 Error 400: admin_policy_enforced 消息。

如果在 Google Workspace 中启用了 API 控制 > 未配置的第三方应用 > 不允许用户访问任何第三方应用 选项，并且未明确允许托管式 Airflow 应用中的 Apache Airflow，则用户无法访问 Airflow 界面，除非他们明确允许该应用。

如需允许访问，请执行 允许在 Google Workspace 中访问 Airflow 界面中提供的步骤。

访问 Airflow 界面时出现登录循环

此问题可能有以下原因：

/data 文件夹在 Airflow Web 服务器中不可用

在 Managed Airflow（第 2 代）和 Managed Airflow（第 3 代）中，Airflow Web 服务器主要是一个只读组件，Managed Airflow 不会将 data/ 文件夹同步到此组件。

有时，您可能希望在所有 Airflow 组件（包括 Airflow Web 服务器）之间共享通用文件。

解决方案：

  • 将要与 Web 服务器共享的文件封装到 PYPI 模块中，并将其作为常规 PYPI 软件包安装。在环境中安装 PYPI 模块后，这些文件会添加到 Airflow 组件的映像中，并可供这些组件使用。

  • 将文件添加到 plugins/ 文件夹。此文件夹会同步到 Airflow Web 服务器。

监控中的非连续 DAG 解析时间和 DAG 包大小图表

监控信息中心上的非连续 DAG 解析时间和 DAG 包大小图表表示 DAG 解析时间过长（超过 5 分钟）的问题。

显示一系列不连续时间间隔的 Airflow DAG 解析时间和 DAG 包大小图表
图 1.非连续 DAG 解析时间和 DAG 包大小图表（点击可放大）

解决方案： 我们建议将 DAG 解析总时间保持在 5 分钟以内。如需缩短 DAG 解析时间，请遵循 DAG 编写指南。

任务日志延迟显示

具体情况：

  • 在托管式 Airflow（第 3 代）中，Airflow 任务日志不会立即显示，而是会延迟几分钟。
  • 您可能会在 Airflow 日志中找到 Logs not found for Cloud Logging filter 消息

原因：

如果您的环境同时运行大量任务，则任务日志可能会延迟，因为环境的基础架构大小不足以快速处理所有日志。

解决方案：

  • 考虑增加环境的基础架构大小以提高性能。
  • 随着时间的推移分配 DAG 运行，以便任务不会同时执行。

KubernetesPodOperator 和 KubernetesExecutor 的启动时间增加

使用 KubernetesPodOperator 创建的 Pod 和使用 KubernetesExecutor 执行的任务的启动时间增加。Managed Airflow 团队正在制定解决方案，并在问题解决后发布公告。

解决方法：

  • 启动具有更多 CPU 的 Pod。
  • 如果可能，请优化映像（减少层数，缩小大小）。

在项目的结算账号被删除或停用，或者 Cloud Composer API 被停用后，环境处于 ERROR 状态

受这些问题影响的 Managed Airflow 环境无法恢复：

  • 在项目的结算账号被删除或停用后，即使后来关联了另一个账号也是如此。
  • 在项目中 停用 Cloud Composer API 后，即使后来启用了该 API 也是如此。

您可以执行以下操作来解决此问题：

  • 您仍然可以访问存储在环境存储分区中的数据，但环境本身不再可用。您可以创建新的 Managed Airflow 环境，然后转移 DAG 和数据。

  • 如果您想执行任何会导致环境 无法恢复的操作，请务必备份数据，例如 创建环境的快照。这样，您就可以创建另一个环境，并通过加载此快照来转移其数据。

如果 [core]execute_tasks_new_python_interpreter 设置为 True，则不会收集 Airflow 任务的日志

如果 [core]execute_tasks_new_python_interpreter Airflow 配置选项设置为 True，则 Managed Airflow 不会收集 Airflow 任务的日志。

可能的解决方法：

  • 移除此配置选项的替换，或将 其值设置为 False。

删除环境时移除网络连接时出错

如果同时删除多个共享同一网络连接的环境，则某些删除操作会失败并显示错误。

症状：

系统会生成以下错误：

Got error while removing Network Attachment: <error code>

报告的错误代码可以是 Bad request: <resource> is not ready，也可以是 Precondition failed: Invalid fingerprint。

可能的解决方法：

在多个 google-api-core 软件包版本中，环境性能下降

从 2.28.0 到 2.30.2 的 google-api-core 预安装软件包版本可能会导致环境性能下降，这可能会导致执行任务的时间更长，以及将任务从排队状态移至执行状态的时间更长。

受影响的 Managed Airflow (第 3 代) 版本：

  • composer-3-airflow-3.1.7-build.0 至 composer-3-airflow-3.1.7-build.5
  • composer-3-airflow-3.1.0-build.5 至 composer-3-airflow-3.1.0-build.10
  • composer-3-airflow-2.11.1-build.0
  • composer-3-airflow-2.10.5-build.22 至 composer-3-airflow-2.10.5-build.33
  • composer-3-airflow-2.9.3-build.42 至 composer-3-airflow-2.9.3-build.53

受影响的 Managed Airflow（第 2 代）版本：

  • composer-2.16.10-airflow-2.11.1
  • composer-2.16.0-airflow-2.10.5 至 composer-2.16.10-airflow-2.10.5
  • composer-2.16.0-airflow-2.9.3 至 composer-2.16.10-airflow-2.9.3

我们建议将您的环境升级到以下版本，这些版本包含已修复问题或不存在问题的软件包版本：

  • composer-3-airflow-3.1.7-build.7 及更高版本
  • composer-3-airflow-2.11.1-build.3 及更高版本
  • composer-3-airflow-2.10.5-build.36 及更高版本
  • composer-3-airflow-2.9.3-build.54（包含 2.27.0）
  • composer-2.17.0-airflow-2.11.1 及更高版本
  • composer-2.17.0-airflow-2.10.5 及更高版本
  • composer-2.16.11-airflow-2.11.1（包含 2.27.0）
  • composer-2.16.11-airflow-2.10.5（包含 2.27.0）
  • composer-2.16.11-airflow-2.9.3（包含 2.27.0）

作为一种解决方法，您可以将 >=2.30.3 指定为所需版本，手动将更高版本的 google-api-core软件包安装到受影响的环境中。

TI 不再处于运行状态，任务应终止，并且 Airflow 3 中出现 Task Not Found 错误

低于 3.3.1 的 Airflow 3 版本存在多个与调度器丢失任务状态相关的问题：

  • 409 状态：调度器中的竞态条件导致重复的任务实例 调度（ #59378，已在 #60330中解决）。

  • 404 错误：Airflow 工作器在常规调度器循环重启期间丢失任务实例的跟踪记录，这种情况发生在调度器超出 [scheduler]max_runs 后。这会更改现有任务实例 ID，并 从不知道更改的工作器生成后续 404 错误（ #53140、 #60330，已在 #61631中解决）。

症状

重启的调度器的孤立项清理状态将活跃任务标记为 FAILED，导致工作器异常终止并显示状态 409：

Server indicated the task shouldn't be running anymore [supervisor]
detail={'detail': {'reason': 'not_running', 'message': 'TI is no longer in the
running state and task should terminate', 'current_state': 'scheduled'}}
status_code=409 ti_id=UUID('...')

新重启的调度器丢失任务状态，并且活跃工作器脉冲检查失败并显示 404 错误：

Server indicated the task shouldn't be running anymore [detail={'detail':
{'reason': 'not_found', 'message': 'Task Instance not found'}}]
[status_code=404] [ti_id=...]

可能的解决方法：

  • 此问题已在 Airflow 3.3.1 及更高版本中修复。我们正在努力在 Managed Airflow（第 3 代）中提供此版本。

  • 无法完全缓解此问题。在低于 3.3.1 的 Airflow 版本中，任何导致单个调度器意外重启的外部事件都会触发 404 和 409 错误。此类事件的示例包括环境集群中节点的自动升级、Pod 中的 OOM 条件，或调度器的高内存和 CPU 消耗。

  • 将环境缩减为一个调度器并将 设置 [scheduler]num_runs 配置选项设置为 -1 可缓解 调度器中竞态条件的原因。

    对于高弹性（高可用性）环境，无法将调度器的数量减少为一个。您仍然可以将 [scheduler]num_runs 设置为 -1。

  • 确保调度器的内存和 CPU 消耗量远低于 可用 资源限制。

后续步骤