使用 DaskExecutor 的 Airflow 实时执行器日志
Airflow live executor logs with DaskExecutor
我安装了 Airflow（在 Kubernetes 上）。我的设置使用 DaskExecutor。我还配置了到 S3 的远程日志记录。但是，当任务是 运行 时，我看不到日志，而是收到此错误：
*** Log file does not exist: /airflow/logs/dbt/run_dbt/2018-11-01T06:00:00+00:00/3.log
*** Fetching from: http://airflow-worker-74d75ccd98-6g9h5:8793/log/dbt/run_dbt/2018-11-01T06:00:00+00:00/3.log
*** Failed to fetch log file from worker. HTTPConnectionPool(host='airflow-worker-74d75ccd98-6g9h5', port=8793): Max retries exceeded with url: /log/dbt/run_dbt/2018-11-01T06:00:00+00:00/3.log (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7f7d0668ae80>: Failed to establish a new connection: [Errno -2] Name or service not known',))
任务完成后，日志会正确显示。
我相信 Airflow 正在做的是：
- 对于已完成的任务，从 s3 读取日志
- 对于 运行 任务，连接到执行者的 日志服务器端点 并显示。
看起来 Airflow 正在使用 celery.worker_log_server_port 连接到我的 dask 执行器以从那里获取日志。
如何配置 DaskExecutor 以公开 日志服务器端点 ？
我的配置：
core remote_logging True
core remote_base_log_folder s3://some-s3-path
core executor DaskExecutor
dask cluster_address 127.0.0.1:8786
celery worker_log_server_port 8793
我验证了什么：
- 验证日志文件存在并在任务 运行 时被写入执行程序
- 在执行器容器上调用 netstat -tunlp，但没有发现任何额外的暴露端口，可以从中提供日志。
更新
查看 serve_logs airflow cli 命令 - 我相信它的作用完全相同。
我们通过简单地在 worker 上启动 python HTTP 处理程序解决了这个问题。
Docker文件:
RUN mkdir -p $AIRFLOW_HOME/serve
RUN ln -s $AIRFLOW_HOME/logs $AIRFLOW_HOME/serve/log
worker.sh（运行 通过 Docker CMD）：
#!/usr/bin/env bash
cd $AIRFLOW_HOME/serve
python3 -m http.server 8793 &
cd -
dask-worker $@
我安装了 Airflow（在 Kubernetes 上）。我的设置使用 DaskExecutor。我还配置了到 S3 的远程日志记录。但是，当任务是 运行 时，我看不到日志，而是收到此错误：
*** Log file does not exist: /airflow/logs/dbt/run_dbt/2018-11-01T06:00:00+00:00/3.log
*** Fetching from: http://airflow-worker-74d75ccd98-6g9h5:8793/log/dbt/run_dbt/2018-11-01T06:00:00+00:00/3.log
*** Failed to fetch log file from worker. HTTPConnectionPool(host='airflow-worker-74d75ccd98-6g9h5', port=8793): Max retries exceeded with url: /log/dbt/run_dbt/2018-11-01T06:00:00+00:00/3.log (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7f7d0668ae80>: Failed to establish a new connection: [Errno -2] Name or service not known',))
任务完成后，日志会正确显示。
我相信 Airflow 正在做的是：
- 对于已完成的任务，从 s3 读取日志
- 对于 运行 任务，连接到执行者的 日志服务器端点 并显示。
看起来 Airflow 正在使用 celery.worker_log_server_port 连接到我的 dask 执行器以从那里获取日志。
如何配置 DaskExecutor 以公开 日志服务器端点 ？
我的配置：
core remote_logging True
core remote_base_log_folder s3://some-s3-path
core executor DaskExecutor
dask cluster_address 127.0.0.1:8786
celery worker_log_server_port 8793
我验证了什么：
- 验证日志文件存在并在任务 运行 时被写入执行程序
- 在执行器容器上调用 netstat -tunlp，但没有发现任何额外的暴露端口，可以从中提供日志。
更新
查看 serve_logs airflow cli 命令 - 我相信它的作用完全相同。
我们通过简单地在 worker 上启动 python HTTP 处理程序解决了这个问题。
Docker文件:
RUN mkdir -p $AIRFLOW_HOME/serve
RUN ln -s $AIRFLOW_HOME/logs $AIRFLOW_HOME/serve/log
worker.sh（运行 通过 Docker CMD）：
#!/usr/bin/env bash
cd $AIRFLOW_HOME/serve
python3 -m http.server 8793 &
cd -
dask-worker $@