Conexiones Servidor web Tareas CLI Operadores

Solución de problemas: DAG, operadores, conexiones y otros problemas en Apache Airflow v2

Los temas de esta página describen las soluciones a las dependencias de Python de Apache Airflow v2, los complementos personalizados, los DAG, los operadores, las conexiones, las tareas y los problemas del servidor web que pueden surgir en un entorno de Amazon Managed Workflows for Apache Airflow.

Contenido

Conexiones
Servidor web
- Aparece un error 5xx al acceder al servidor web.
- Aparece el mensaje de error “El programador no parece estar ejecutándose”.
Tareas
- Veo que mis tareas están bloqueadas o no se están completando.
CLI
- Veo un error 503 al activar un DAG en la CLI
- ¿Por qué falla el comando dags backfill de la CLI de Apache Airflow? ¿Qué solución hay?
Operadores
- Se produjo un error PermissionError: [Errno 13] Permission denied al utilizar el operador S3Transform.

Conexiones

En el siguiente tema se describen los errores que se pueden producir al utilizar una conexión Apache Airflow o al utilizar otra base de datos de AWS.

No puedo conectarme a Secrets Manager.

Recomendamos los siguientes pasos:

Aprenda a crear claves secretas para su conexión y variables de Apache Airflow en Configuración de una conexión Apache Airflow mediante un secreto AWS Secrets Manager.
Aprenda a usar la clave secreta para una variable de Apache Airflow (test-variable) en Uso de una clave secreta en AWS Secrets Manager para una variable de Apache Airflow.
Aprenda a usar la clave secreta para una conexión de Apache Airflow (myconn) en Uso de una clave secreta en AWS Secrets Manager para una conexión de Apache Airflow.

¿Cómo configuro las condiciones del administrador de información secreta de `secretsmanager:ResourceTag/<tag-key>` o una restricción de recursos en mi política de funciones de ejecución?

nota

Se aplica a la versión 2.0 y anteriores de Apache Airflow.

Actualmente no puede limitar el acceso a la información secreta de Secrets Manager mediante claves de condición u otras restricciones de recursos en la función de ejecución de su entorno, debido a un problema conocido en Apache Airflow.

No puedo conectarme a Snowflake.

Recomendamos los siguientes pasos:

Pruebe sus DAG, complementos personalizados y dependencias de Python de forma local con aws-mwaa-local-runner en GitHub.
Agregue las siguientes entradas al archivo requirements.txt de su entorno.
```
apache-airflow-providers-snowflake==1.3.0
```

Añada las siguientes importaciones al DAG.


from airflow.providers.snowflake.operators.snowflake import SnowflakeOperator

Asegúrese de que el objeto de conexión de Apache Airflow incluya los siguientes pares clave-valor:

ID de conexión: snowflake_conn
Tipo de conexión: Snowflake
Host: <my account> <my region if not us-west-2>.snowflakecomputing.com
Esquema: <my schema>
Inicio de sesión: <my user name>
Contraseña: ********
Puerto: <port, if any>

Extra:


{
    "account": "<my account>",
    "warehouse": "<my warehouse>",
    "database": "<my database>",
    "region": "<my region if not using us-west-2 otherwise omit this line>"
}

Por ejemplo:


>>> import json
>>> from airflow.models.connection import Connection
>>> myconn = Connection(
...    conn_id='snowflake_conn',
...    conn_type='Snowflake',
...    host='YOUR_ACCOUNT.YOUR_REGION.snowflakecomputing.com',
...    schema='YOUR_SCHEMA'
...    login='YOUR_USERNAME',
...    password='YOUR_PASSWORD',
...    port='YOUR_PORT'
...    extra=json.dumps(dict(account='YOUR_ACCOUNT', warehouse='YOUR_WAREHOUSE', database='YOUR_DB_OPTION', region='YOUR_REGION')),
... )

No veo mi conexión en la IU de Airflow

Apache Airflow proporciona plantillas de conexión en la IU de Apache Airflow. Lo usa para generar la cadena URI de conexión, independientemente del tipo de conexión. Si no hay ninguna plantilla de conexión disponible en la IU de Apache Airflow, se puede utilizar una plantilla de conexión alternativa para generar una cadena URI de conexión, por ejemplo, mediante la plantilla de conexión HTTP.

Recomendamos los siguientes pasos:

Consulte los tipos de conexión que proporciona Amazon MWAA en la interfaz de usuario de Apache Airflow en Paquetes de proveedores de Apache Airflow instalados en entornos Amazon MWAA.
Consulte los comandos para crear una conexión Apache Airflow en la CLI de Referencia de los comandos de la CLI de Apache Airflow.
Aprenda a utilizar las plantillas de conexión de la interfaz de usuario de Apache Airflow indistintamente para los tipos de conexión que no están disponibles en la IU de Apache Airflow en Amazon MWAA de Información general sobre los tipos de conexión.

Servidor web

En el siguiente tema se describen los errores que puede encontrar en su servidor web Apache Airflow en Amazon MWAA.

Aparece un error 5xx al acceder al servidor web.

Recomendamos los siguientes pasos:

Compruebe las opciones de configuración de Apache Airflow. Compruebe que los pares clave-valor que especificó como opción de configuración de Apache Airflow, por ejemplo AWS Secrets Manager, se hayan configurado correctamente. Para obtener más información, consulte No puedo conectarme a Secrets Manager..
Compruebe los requirements.txt. Compruebe que el paquete “extras” de Airflow y las demás bibliotecas que figuran en su requirements.txt sean compatibles con su versión de Apache Airflow.
Considere otras formas de especificar las dependencias de Python en un archivo requirements.txt, que se detallan en Administración de las dependencias de Python en requirements.txt.

Aparece el mensaje de error “El programador no parece estar ejecutándose”.

Si parece que el programador no está funcionando o si la última señal se recibió hace varias horas, es posible que sus DAG no aparezcan en Apache Airflow y no se programen nuevas tareas.

Recomendamos los siguientes pasos:

Confirme que su grupo de seguridad de VPC permita el acceso entrante al puerto 5432. Este puerto es necesario para conectarse a la base de datos de metadatos de PostgreSQL de Amazon Aurora de su entorno. Tras añadir esta regla, dé unos minutos a Amazon MWAA y el error desaparecerá. Para obtener más información, consulte Seguridad en la VPC en Amazon MWAA.
nota
- La base de metadatos de Aurora PostgreSQL forma parte de la arquitectura de servicios de Amazon MWAA y no es visible en su Cuenta de AWS.
- Los errores relacionados con la base de datos suelen ser síntoma de un fallo del programador, no su causa principal.
Si el programador no se está ejecutando, podría deberse a varios factores, como errores en la instalación de las dependencias o a una sobrecarga del programador. Confirme que sus DAG, complementos y requisitos funcionan correctamente consultando los grupos de registros correspondientes en CloudWatch Logs. Para obtener más información, consulte Monitorización y métricas de Amazon Managed Workflows para Apache Airflow.

Tareas

En el siguiente tema se describen los errores que puede encontrar al realizar tareas de Apache Airflow en un entorno.

Veo que mis tareas están bloqueadas o no se están completando.

Si sus tareas de Apache Airflow están “bloqueadas” o no se completan, le recomendamos que siga los siguientes pasos:

Es posible que haya definido una gran cantidad de DAG. Reduzca el número de DAG y actualice el entorno (por ejemplo, cambiando el nivel de registro) para forzar un restablecimiento.
1. Airflow analiza los DAG independientemente de si están activados o no. Si utiliza más del 50 % de la capacidad de su entorno, puede que el programador de Apache Airflow empiece a sobrecargarse. Esto se traduce en un tiempo de análisis total elevado en CloudWatch Metrics o en tiempos de procesamiento de DAG prolongados en CloudWatch Logs. Hay otras formas de optimizar las configuraciones de Apache Airflow que no se tratan en esta guía.
2. Para más información sobre las prácticas recomendadas para ajustar el rendimiento de su entorno, consulte Ajuste del desempeño de Apache Airflow en Amazon MWAA.
Es posible que haya una gran cantidad de tareas en la cola. Esto suele aparecer como un número elevado (y creciente) de tareas en el estado “Ninguna” o como un número elevado en tareas en cola o tareas pendientes en CloudWatch. Esto puede producirse por varias razones:
1. Si hay más tareas pendientes de ejecución de las que el entorno puede ejecutar o si hay un gran número de tareas en cola antes del escalado automático, tendrá tiempo para detectarlas y desplegar más procesos de trabajo.
2. Si hay más tareas pendientes de ejecución de las que un entorno puede ejecutar, le recomendamos reducir la cantidad de tareas que sus DAG ejecutan simultáneamente o aumentar el número mínimo de procesos de trabajo de Apache Airflow.
3. Si hay un gran número de tareas en cola antes de que el escalado automático haya tenido tiempo de detectar y desplegar más procesos de trabajo, recomendamos escalonar la implementación de las tareas o aumentar el número mínimo de procesos de trabajo de Apache Airflow.
4. Use el comando update-environment en la AWS Command Line Interface (AWS CLI) para cambiar la cantidad mínima o máxima de procesos de trabajo que se ejecutan en su entorno.
```
aws mwaa update-environment --name MyEnvironmentName --min-workers 2 --max-workers 10
```
5. Para más información sobre las prácticas recomendadas para ajustar el rendimiento de su entorno, consulte Ajuste del desempeño de Apache Airflow en Amazon MWAA.
Es posible que haya tareas que se eliminen en mitad de su ejecución y que aparezcan como registros de tareas que se detengan sin más indicaciones en Apache Airflow. Esto puede producirse por varias razones:
1. Si hay un momento en el que 1) las tareas actuales superen la capacidad del entorno actual, 2) pasan unos minutos sin que se ejecute ninguna tarea o esté en cola, y 3) se pongan nuevas tareas en cola.
2. En el primer caso, el escalado automático de Amazon MWAA reacciona añadiendo procesos de trabajo adicionales. En el segundo, elimina los procesos de trabajo adicionales. Algunas de las tareas que se ponen en cola pueden hacer que los procesos de trabajo estén en proceso de ser retirados y finalizarán cuando se elimine el contenedor.
3. Le aconsejamos que aumente el número mínimo de procesos de trabajo en su entorno. Otra opción es ajustar el tiempo de los DAG y las tareas para que no se den estas situaciones.
4. También puede configurar que el número mínimo de procesos de trabajo sea igual al máximo de procesos de trabajo de su entorno, lo que deshabilita de forma efectiva el escalado automático. Utilice el comando update-environment en AWS Command Line Interface (AWS CLI) para deshabilitar el escalado automático configurando el número mínimo y máximo de procesos de trabajo de forma que sean iguales.
```
aws mwaa update-environment --name MyEnvironmentName --min-workers 5 --max-workers 5
```
5. Para más información sobre las prácticas recomendadas para ajustar el rendimiento de su entorno, consulte Ajuste del desempeño de Apache Airflow en Amazon MWAA.
Si sus tareas están bloqueadas en el estado “en ejecución”, también puede borrarlas o marcarlas como ejecutadas o fallidas. Esto permite que el componente de escalado automático de su entorno reduzca verticalmente la cantidad de procesos de trabajo que trabajan en su entorno. En la siguiente imagen se muestra un ejemplo de tarea pendiente.
1. Elija el círculo para la tarea pendiente y, a continuación, seleccione Borrar como se muestra. Esto permite a Amazon MWAA reducir verticalmente el número de procesos de trabajo; de lo contrario, Amazon MWAA no puede determinar qué DAG están activados o desactivados, ni puede reducirlos verticalmente si todavía hay tareas pendientes.
Para más información sobre el ciclo de vida de las tareas de Apache Airflow en Conceptos, consulte la guía de referencia de Apache Airflow.

CLI

En el siguiente tema se describen los errores que puede haber al ejecutar los comandos de la CLI de Airflow en AWS Command Line Interface.

Veo un error 503 al activar un DAG en la CLI

La CLI de Airflow se ejecuta en el servidor web de Apache Airflow, que tiene una simultaneidad limitada. Por lo general, se pueden ejecutar un máximo de 4 comandos de CLI simultáneamente.

¿Por qué falla el comando `dags backfill` de la CLI de Apache Airflow? ¿Qué solución hay?

nota

Lo siguiente solo se aplica a los entornos Apache Airflow v2.0.2.

El comando backfill, como otros comandos de la CLI de Apache Airflow, analiza todos los DAG localmente antes procesar ningún DAG, independientemente del DAG al que se aplique la operación de la CLI. En los entornos de Amazon MWAA que utilizan Apache Airflow v2.0.2, como los complementos y los requisitos aún no están instalados en el servidor web cuando se ejecuta el comando de la CLI, se produce un error en la operación de análisis y no se invoca la operación backfill. Si no tuviera ningún requisito ni complemento en su entorno, la operación backfill se realizaría correctamente.

Para poder ejecutar el comando backfill de la CLI, recomendamos invocarlo en un operador de bash. En un operador de bash, backfill se inicia desde el proceso de trabajo. Esto permite a los DAG analizarlos correctamente, ya que todos los requisitos y complementos necesarios están disponibles e instalados. En el ejemplo siguiente, se muestra cómo crear un DAG con un BashOperator para ejecutar backfill.


from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from airflow.utils.dates import days_ago

with DAG(dag_id="backfill_dag", schedule_interval=None, catchup=False, start_date=days_ago(1)) as dag:
    cli_command = BashOperator(
        task_id="bash_command",
        bash_command="airflow dags backfill my_dag_id"
    )

Operadores

En el siguiente tema se describen los errores que se pueden producir al utilizar operadores.

Se produjo un error `PermissionError: [Errno 13] Permission denied` al utilizar el operador S3Transform.

Siga estos pasos si está intentando ejecutar un script de intérprete de comandos con el operador S3Transform y recibe un mensaje de error PermissionError: [Errno 13] Permission denied. En los pasos siguientes se supone que ya tiene un archivo plugins.zip. Si va a crear un nuevo plugins.zip, consulte Instalación de complementos personalizados.

Pruebe sus DAG, complementos personalizados y dependencias de Python de forma local con aws-mwaa-local-runner en GitHub.
Cree su script de transformación.
```
#!/bin/bash
cp $1 $2
```
(Opcional) Es posible que los usuarios de macOS y Linux tengan que ejecutar el comando siguiente para asegurarse de que el script es ejecutable.
```
chmod 777 transform_test.sh
```
Añada el script a su plugins.zip.
```
zip plugins.zip transform_test.sh
```
Siga los pasos que se indican en Carga del archivo plugins.zip a Amazon S3.
Siga los pasos que se indican en Especificación de la versión de plugins.zip en la consola de Amazon MWAA.

Utilice los siguientes DAG.


from airflow import DAG
from airflow.providers.amazon.aws.operators.s3_file_transform import S3FileTransformOperator
from airflow.utils.dates import days_ago
import os

DAG_ID = os.path.basename(__file__).replace(".py", "")

with DAG (dag_id=DAG_ID, schedule_interval=None, catchup=False, start_date=days_ago(1)) as dag:
    file_transform = S3FileTransformOperator(
        task_id='file_transform',
        transform_script='/usr/local/airflow/plugins/transform_test.sh',
        source_s3_key='s3://YOUR_S3_BUCKET/files/input.txt',
        dest_s3_key='s3://YOUR_S3_BUCKET/files/output.txt'
    )

Siga los pasos que se indican en Carga del código del DAG a Amazon S3.

Aviso JavaScript está desactivado o no está disponible en su navegador.

Para utilizar la documentación de AWS, debe estar habilitado JavaScript. Para obtener más información, consulte las páginas de ayuda de su navegador.

Convenciones del documento

Solución de problemas

Apache Airflow v1

Solución de problemas: DAG, operadores, conexiones y otros problemas en Apache Airflow v2

Contenido

Conexiones

No puedo conectarme a Secrets Manager.

¿Cómo configuro las condiciones del administrador de información secreta de secretsmanager:ResourceTag/<tag-key> o una restricción de recursos en mi política de funciones de ejecución?

nota

No puedo conectarme a Snowflake.

No veo mi conexión en la IU de Airflow

Servidor web

Aparece un error 5xx al acceder al servidor web.

Aparece el mensaje de error “El programador no parece estar ejecutándose”.

nota

Tareas

Veo que mis tareas están bloqueadas o no se están completando.

CLI

Veo un error 503 al activar un DAG en la CLI

¿Por qué falla el comando dags backfill de la CLI de Apache Airflow? ¿Qué solución hay?

nota

Operadores

Se produjo un error PermissionError: [Errno 13] Permission denied al utilizar el operador S3Transform.

¿Cómo configuro las condiciones del administrador de información secreta de `secretsmanager:ResourceTag/<tag-key>` o una restricción de recursos en mi política de funciones de ejecución?

¿Por qué falla el comando `dags backfill` de la CLI de Apache Airflow? ¿Qué solución hay?

Se produjo un error `PermissionError: [Errno 13] Permission denied` al utilizar el operador S3Transform.