airflow 安装配置

airflow 相关软件安装

python 3.6.5 安装

安装依赖程序 ；

[root@node01 ~]# yum -y install zlib zlib-devel bzip2 bzip2-devel ncurses ncurses-devel readline readline-devel openssl openssl-devel openssl-static xz lzma xz-devel sqlite sqlite-devel gdbm gdbm-devel tk tk-devel gcc

[root@node01 ~]# wget https://www.python.org/ftp/python/3.6.5/Python-3.6.5.tgz

解压Python源码压缩包 ；

[root@node01 ~]# tar -zxvf Python-3.6.5.tgz

[root@node01 ~]# cd Python-3.6.5

安装python ；

[root@node01 Python-3.6.5]# ./configure prefix=/usr/local/python3

[root@node01 Python-3.6.5]# make

[root@node01 Python-3.6.5]# make install

[root@node01 Python-3.6.5]# mv /usr/bin/python /usr/bin/python2 #将原来的执行脚本改名备份

[root@node01 Python-3.6.5]# ln -s /usr/local/python3/bin/python3 /usr/bin/python #将新的python执行脚本链接到命令路径内

[root@node01 Python-3.6.5]# ln -s /usr/local/python3/bin/pip3 /usr/bin/pip #将pip3链接到命令路径内

查看版本信息 ；

修改yum相关配置文件 ；

将以下两个文件的开头 #!/usr/bin/python 改成 #!/usr/bin/python2.7

[root@node01 Python-3.6.5]# vim /usr/bin/yum

[root@node01 Python-3.6.5]# vim /usr/libexec/urlgrabber-ext-down

pip3 安装

默认python 3.6.5 已经自带pip3 ，不需要再额外进行安装。

如果是python2.x 就需要进行安装pip 。

MySQL 5.7.28 安装

解压MySQL软件(文件大小六百多兆，官网直接下载免安装)

[root@node01 ~]# tar zxvf mysql-5.7.28-linux-glibc2.12-x86_64.tar.gz

[root@node01 ~]# mv mysql-5.7.28-linux-glibc2.12-x86_64 /opt/mysql

[root@node01 ~]# cd /opt/mysql/

创建MySQL运行需要的用户跟组

[root@node01 mysql]# groupadd mysql

[root@node01 mysql]# useradd -M -s /sbin/nologin -g mysql mysql

创建存放数据的目录

[root@node01 mysql]# mkdir data

[root@node01 mysql]# chown -R mysql:mysql *

编写配置文件

vim /etc/my.cnf

[client]

port = 3306

socket = /opt/mysql/data/mysql.sock

[mysqld]

port = 3306

socket = /opt/mysql/data/mysql.sock

basedir = /opt/mysql

datadir = /opt/mysql/data

user = mysql

bind-address = 0.0.0.0

server-id = 1

init-connect = 'SET NAMES utf8'

character-set-server = utf8

初始化数据库

[root@node01 mysql]# bin/mysqld --initialize --basedir=/opt/mysql --datadir=/opt/mysql/data --user=mysql

将数据库添加到服务内

[root@node01 mysql]# cp support-files/mysql.server /etc/init.d/mysqld

[root@node01 mysql]# cp /opt/mysql/bin/* /usr/sbin/

[root@node01 mysql]# chmod +x /etc/init.d/mysqld

添加开机自启

[root@node01 mysql]# chkconfig --add mysqld

[root@node01 mysql]# service mysqld start

登陆 MySQL， 密码在之前初始化时有提示的

[root@mysql_node01 mysql]# mysql -uroot -p

修改root密码，否则什么都做不了

mysql> alter user root@"localhost" identified by "123456";

Query OK, 0 rows affected (0.00 sec)

测试账号是否可以增删

mysql> create database abctest;

Query OK, 1 row affected (0.00 sec)

mysql> use abctest;

Database changed

mysql> drop database abctest;

Query OK, 0 rows affected (0.00 sec)

> 12. 授权airflow用户可被访问 ；

```bash

mysql> grant all on *.* to 'airflow'@'%' identified by '123456a';

Query OK, 0 rows affected, 1 warning (0.00 sec)

mysql> flush privileges;

Query OK, 0 rows affected (0.00 sec)

创建airflow 要用的数据库，库名 airflow ；

mysql> create database airflow ;

Query OK, 1 row affected (0.00 sec)

开启timestamp ，数据更新时添加上当前时间 ；

mysql> set @@global.explicit_defaults_for_timestamp=on;

Query OK, 0 rows affected (0.00 sec)

redis 安装

解压redis (如需下载请直接到官网进行下载)；

[root@node01 ~]# tar zxvf redis-5.0.0.tar.gz

[root@node01 ~]# cd redis-5.0.0/

安装redis ；

[root@node01 redis-5.0.0]# make && make test

[root@node01 redis-5.0.0]# mkdir /usr/local/redis #创建redis运行的目录

[root@node01 redis-5.0.0]# cp redis.conf /usr/local/redis/ #复制配置文件到redis运行目录

[root@node01 redis-5.0.0]# cp src/redis-server /usr/sbin/ #复制redis-server程序

[root@node01 redis-5.0.0]# cp src/redis-cli /usr/sbin/ #复制redis-cli程序

[root@node01 redis-5.0.0]# cp src/redis-sentinel /usr/sbin/ #复制redis-sentinel 程序

编辑redis 配置文件

[root@node01 redis-5.0.0]# vim /usr/local/redis/redis.conf

bind 0.0.0.0 #对外的绑定地址

daemonize yes #守护进程

pidfile /usr/local/redis/redis_6379.pid #指定pid

logfile "/usr/local/redis/redis.log" #指定log

dir "/usr/local/redis" #指定家目录

appendonly yes #开启持久化

启动redis ；

[root@node01 redis-5.0.0]# redis-server /usr/local/redis/redis.conf

连接redis 进行测试

[root@node01 ~]# redis-cli

127.0.0.1:6379> keys *

(empty list or set)

RabbitMQ 安装

安装rabbitmq跟erlang (程序直接到官网下载即可)；

[root@node01 ~]# yum localinstall erlang-20.3-1.el7.centos.x86_64.rpm rabbitmq-server-3.7.5-1.el7.noarch.rpm -y

拷贝配置文件模板，然后修改配置文件(开启默认登录用户)；

[root@node01 ~]# cp /usr/share/doc/rabbitmq-server-3.7.5/rabbitmq.config.example /etc/rabbitmq/rabbitmq.config

[root@node01 ~]# vim /etc/rabbitmq/rabbitmq.config

开启管理插件，启动程序 ；

[root@node01 ~]# rabbitmq-plugins enable rabbitmq_management #开启管理插件

[root@node01 ~]# chown rabbitmq:rabbitmq /var/lib/rabbitmq/.erlang.cookie #设置cookie 文件权限(否则无法启动)

[root@node01 ~]# systemctl start rabbitmq-server.service #启动rabbitmq

[root@node01 ~]# systemctl enable rabbitmq-server.service #添加开机自启

打开管理页面 http://ip:15672 ，使用默认用户guest ，密码guest 进入 ；

点击admin -->> add a user ，添加用户密码并设置administrator 权限 ；

为admin用户添加 虚拟目录 / ；

单击用户admin

选择对应的Virtual Host ，单击 Set permission 进行设置 ；

重新查看，发现已经设置成功 ；

airflow 单节点部署

将所有守护进程运行在同一台机器上即可完成 airflow 的单结点部署，架构如下图所示

架构图

步骤

安装依赖( airflow[mysql] 需要用到 )；

[root@node01 ~]# yum install mariadb-devel MySQL-python -y

[root@node01 ~]# mkdir /usr/local/mysql #创建目录

[root@node01 ~]# find / -name mysql.h #查看mysql.h 发现有两个，因为node01有安装MySQL，所以有两个文件，在安装airflow[mysql]时会调用/usr/local/mysql/include/mysql.h 文件

/usr/include/mysql/mysql.h

/opt/mysql/include/mysql.h

[root@node01 ~]# ln -s /opt/mysql /usr/local/mysql # 将MySQL安装目录链接到/usr/local/mysql

[root@node01 airflow]# ln -s /opt/mysql/lib/libmysqlclient.so.20 /usr/lib64/libmysqlclient.so.20

> 2. 添加环境变量

vim /etc/profile

export PATH=$PATH:/usr/local/python3/bin/

export AIRFLOW_HOME=~/airflow

> 3. 安装airflow 及相关应用 ；

[root@node01 ~]# pip install --upgrade pip #更新pip

[root@node01 ~]# pip install --upgrade setuptools #更新setuptools

[root@node01 ~]# pip install apache-airflow #安装airflow 主程序

[root@node01 ~]# pip install apache-airflow[mysql] #安装mysql连接器

[root@node01 ~]# pip install apache-airflow[celery] #安装celery 连接器

[root@node01 ~]# pip install redis #安装redis连接器

[root@node01 ~]# pip install --upgrade kombu #更新kombu (celery 需要最新的版本)

> 4. 初始化airflow 数据库 ；

[root@node01 ~]# airflow initdb #或者可以只使用airflow 命令加载配置文件

> 5. 初始化完之后会产生airflow相关的一些文件，查看airflow目录的内容 ；


> 6. 修改配置文件 ;

vim /root/airflow/airflow.cfg

时区设置

default_timezone = Asia/Shanghai

不加载案例

load_examples = False

执行webserver默认启动端口

web_server_port = 8080

使用的执行器

executor = CeleryExecutor

设置消息的中间代理

broker_url = redis://192.168.255.16:6379/0

设定结果存储后端 backend

当然也可以使用 Redis :result_backend =redis://redis:Kingsoftcom_123@172.19.131.108:6379/1

result_backend = db+mysql://airflow:123456a@192.168.255.16:3306/airflow

数据库连接

sql_alchemy_conn = mysql://airflow:123456a@192.168.255.16:3306/airflow

> 7. 开启timestamp ，数据更新时添加上当前时间 ；

mysql -uairflow -p

mysql> set @@global.explicit_defaults_for_timestamp=on;

Query OK, 0 rows affected (0.00 sec)

> 8. 重新生成数据库文件 ；

airflow initdb

> 9. 启动

[root@node01 airflow]# airflow webserver -p 8080 -D

[root@node01 airflow]# airflow scheduler -D

[root@node01 airflow]# airflow flower -D

[root@node01 airflow]# airflow worker -D #默认启动会报错，因为worker不允许被ROOT用户启动

> 10. 设置worker 可以被root用户启动

> 在 /etc/profile 文件内添加 export C_FORCE_ROOT=True 内容 ，source /etc/profile 重新加载即可

> 11. 查看单节点是否已经搭建好

> 分别打开http://192.168.255.11:8080 跟 http://192.168.255.11:5050 查看是否ok



### airflow 多节点(集群)部署

>   在稳定性要求较高的场景，如金融交易系统中，一般采用集群、高可用的方式来部署。Apache Airflow 同样支持集群、高可用的部署，airflow 的守护进程可分布在多台机器上运行，架构如下图所示：

#### 架构图


##### 多节点好处

> 高可用

>   如果一个 worker 节点崩溃或离线时，集群仍可以被控制的，其他 worker 节点的任务仍会被执行。

> 分布式

>   处理如果你的工作流中有一些内存密集型的任务，任务最好是分布在多台机器上运行以便得到更快的执行。

#### 扩展 worker 节点

##### 水平扩展

>   你可以通过向集群中添加更多 worker 节点来水平地扩展集群，并使这些新节点指向同一个元数据库，从而分发处理过程。由于 worker 不需要在任何守护进程注册即可执行任务，因此所以 worker 节点可以在不停机，不重启服务下的情况进行扩展，也就是说可以随时扩展。

##### 垂直扩展

>   你可以通过增加单个 worker 节点的守护进程数来垂直扩展集群。可以通过修改 airflow 的配置文件-{AIRFLOW_HOME}/airflow.cfg 中 celeryd_concurrency 的值来实现，例如：

celeryd_concurrency = 30

> 您可以根据实际情况，如集群上运行的任务性质，CPU 的内核数量等，增加并发进程的数量以满足实际需求。

#### 扩展 Master 节点(高可用)

>   您还可以向集群中添加更多主节点，以扩展主节点上运行的服务。您可以扩展 webserver 守护进程，以防止太多的 HTTP 请求出现在一台机器上，或者您想为 webserver 的服务提供更高的可用性。需要注意的一点是，每次只能运行一个 scheduler 守护进程。如果您有多个 scheduler 运行，那么就有可能一个任务被执行多次。这可能会导致您的工作流因重复运行而出现一些问题。

>   下图为扩展 Master 节点的架构图：


>   看到这里，可能有人会问，scheduler 不能同时运行两个，那么运行 scheduler 的节点一旦出了问题，任务不就完全不运行了吗？

>

>   答案： 这是个非常好的问题，不过已经有解决方案了，我们可以在两台机器上部署 scheduler ，只运行一台机器上的 scheduler 守护进程 ，一旦运行 scheduler 守护进程的机器出现故障，立刻启动另一台机器上的 scheduler 即可。我们可以借助第三方组件 airflow-scheduler-failover-controller 实现 scheduler 的高可用。

>

>   两台master 都安装并运行 failover ，这样才能实现真正的高可用

> 具体步骤如下所示：

> 1. 下载 failover

> 2. 使用 pip 进行安装

cd airflow-scheduler-failover-controller

pip install -e .

> 3. 初始化 failover

scheduler_failover_controller init

> 注：初始化时，会向airflow.cfg中追加内容，因此需要先安装 airflow 并初始化。

> 4. 更改 failover 配置

scheduler_nodes_in_cluster= host1,host2

> 注:host name 可以通过scheduler_failover_controller get_current_host命令获得

> 5. 配置安装 failover 的机器之间的免密登录，配置完成后，可以使用如下命令进行验证：

scheduler_failover_controller test_connection

> 6. 启动 failover

scheduler_failover_controller start

> 注意：在failover 监控scheduler 时会出现无法启动的情况，此时应该修改 /root/airflow/airflow.cfg 的

airflow_scheduler_start_command = export AIRFLOW_HOME=/root/airflow;;nohup airflow scheduler >> ~/airflow/logs/scheduler.logs &

改为 airflow_scheduler_start_command = airflow scheduler -D

> 因此更健壮的架构图如下所示：


##### 队列服务及元数据库(Metestore)的高可用。

> 队列服务取决于使用的消息队列是否可以高用可部署，如 RabbitMQ 和 Redis。

>   RabbitMQ 集群并配置Mirrored模式见：http://blog.csdn.net/u010353408/article/details/77964190

> 元数据库(Metestore) 取决于所使用的数据库，如 Mysql 等。

>   Mysql 做主从备份见：http://blog.csdn.net/u010353408/article/details/77964157

#### airflow 集群部署的具体步骤

##### 前提条件

> 节点运行的守护进程如下:

* master1 运行: webserver, scheduler

* master2运行：webserver

* worker1运行：worker

* worker2运行：worker

> 队列服务处于运行中. (RabbitMQ, Redis, etc)

* 安装 RabbitMQ 方法参见: http://site.clairvoyantsoft.com/installing-rabbitmq/

* 如果正在使用 RabbitMQ, 推荐 RabbitMQ 也做成高可用的集群部署，并为 RabbitMQ 实例配置负载均衡。

##### 步骤

> 1、 在所有需要运行守护进程的机器上安装 Apache Airflow。

> 2、修改 {AIRFLOW_HOME}/airflow.cfg 文件，确保所有机器使用同一份配置文件。

> 1. 修改 Executor 为 CeleryExecutor

executor = CeleryExecutor

> 2. 指定元数据库(metestore)

sql_alchemy_conn = mysql://{USERNAME}:{PASSWORD}@{MYSQL_HOST}:3306/airflow

> 3. 设置中间人(broker)

>   如果使用 RabbitMQ

broker_url = amqp://guest:guest@{RABBITMQ_HOST}:5672/

>   如果使用 Redis

broker_url = redis://{REDIS_HOST}:6379/0 #使用数据库 0

> 4. 设定结果存储后端 backend

celery_result_backend = db+mysql://{USERNAME}:{PASSWORD}@{MYSQL_HOST}:3306/airflow

#当然您也可以使用 Redis :celery_result_backend =redis://{REDIS_HOST}:6379/1

> 3、在 master1 和 master2 上部署您的工作流(DAGs)。

> 4、在 master 1，初始 airflow 的元数据库

$ airflow initdb

> 5、在 master1, 启动相应的守护进程

$ airflow webserver

$ airflow scheduler

> 6、在 master2，启动 Web Server

$ airflow webserver

> 7、在 worker1 和 worker2 启动 worker

$ airflow worker

> 8、使用负载均衡处理 webserver

> 可以使用 nginx，AWS 等服务器处理 webserver 的负载均衡，所有均已集群或高可用部署，apache-airflow 系统已坚不可摧。