Airflow2.0.2 问题及解决方案

a.测试运行期间发现 airflow scheduler 由于 mysql deadlock 而挂掉的问题

_mysql_exceptions.OperationalError: (1213, 'Deadlock found when trying to get lock; try restarting transaction')

看了下若干的issue，感觉mysql对airflow scheduler的支持不够好，且考虑到后面要部署多个scheduler的情况，决定改用postgres 作为metadata backend

使用docker启动一个pg实例:

docker run -d \\
--name some-postgres \\
-e POSTGRES_PASSWORD=mysecretpassword \\
-e PGDATA=/var/lib/postgresql/data/pgdata \\
-v /opt/postgres/data:/var/lib/postgresql/data \\
-p 5432:5432 \\
postgres

使用pg的话，需要将mysql中的数据同步到pg中，google找到了 pgloader这个软件，使用docker可以直接用,示例命令如下:

docker run --rm --name pgloader dimitri/pgloader:ccl.latest pgloader pgloader mysql://root:password@localhost:3306/airflow postgresql://pgloader:password@localhost:5432/airflow

然后修改airflow.cfg中的两个关于db的参数 并安装 pg 相关的package

result_backend = db+postgresql://postgres:mysecretpassword@localhost/airflow_uat 
sql_alchemy_conn = postgresql+psycopg2://postgres:mysecretpassword@localhost/airflow_uat

pip install psycopg2-binary

再次启动，发现Scheduler 和 Worker之间没有通信:

具体体现在 pool 里面有很多 queue的task，然后在 celery flower中没看到一个任务被处理

通过查找 airflow worker 节点的日志, 发现了这个问题:

sqlalchemy.exc.ProgrammingError: (psycopg2.errors.UndefinedTable) relation "task_id_sequence" does not exist

再通过Google进行搜索，发现了这个issue及comment https://github.com/celery/celery/issues/3213#issuecomment-308238718,评论中说 是Celery的版本不同导致的，需要删除掉 数据库中与 celery，需要删除celery_taskmeta celery_tasksetmeta的表，再重启 airflow celery worker即可.

这时再重启各个节点，trigger一个dag，发现scheduler已经可以正常发消息给worker了，任务正常的执行了.

然而，问题还没结束，在Home页面 明晃晃的显示了 The scheduler does not appear to be running. ...

这个是什么问题呢? Scheduler明明在工作，任务都能顺利执行

这时候，我们使用 airflow_weub_url/health 查看一下scheduler的状态，可以看到 有一个latest_scheduler_heartbeat字段，这个数据是从哪里来的呢?

我们通过查找源码，可以通过 https://github.com/apache/airflow/blob/2.0.2/airflow/www/views.py#L421 这个入口

看到是从SchedulerJob中来的，继续跟踪进去，发现是继承了其父类base_job中的方法

https://github.com/apache/airflow/blob/2.0.2/airflow/jobs/base_job.py#L109

从base_job中的代码中，可以看到起对应到数据库中的 job 表，对job_type筛选成SchedulerJob，发现出现了一些超过当前时间的数据，删除掉这些数据，然后再观察 Airflow Home Page，发现问题已经解决。

b.scheduler 时区问题

airflow有两个参数可以对时区进行设置一个是default_timezone，另一个是default_ui_timezone，两者都设置为Asia/Shanghai，发现在Airflow Web UI 上已经显示了北京时间，但是对scheduler并不起作用，需要对源码稍作修改才能使得scheduler安装 utc + 8 的时区来调度任务，参考这篇博文(Airflow 1.10 中文时区解决(排坑))进行修改即可。只要改 timezone.py 及 sqlalchemy.py 这两个文件的代码即可。后期有空可以向社区提一个pr，免得每次都要去改源码解决问题。

c.airflow psycopg2.OperationalError: FATAL: sorry, too many clients already

这个问题是 设置的 worker 的并发过大，导致需要的查pg的连接过多导致的。可以进行以下的调整:

在airflow.cfg 文件中   将 sql_alchemy_pool_size 调小 , 如 sql_alchemy_pool_size = 50   这样会让airflow 的调度性能降低，调度变慢

或者在 pg 的  postgresql.conf 文件中把 max_connections 调大，如  max_connections = 1000，这样可以使得 airflow 调度的能力加强，但是pg的资源消耗变得更多

-- 可以通过下面的命令查看 postgresql.conf 文件的路径
SHOW config_file;

d. 在webui 上手动的clear历史的任务没用

查看日志，发现 INFO - Run scheduled___ of  some_dag_id has timed-out.  的信息

通过日志查找github issue，可以查到 https://github.com/apache/airflow/issues/14265 这个issue，2.0.2版本的dagrun_timeout参数的作用和1.10.x版本的不一样了，导致出现了这个问题。根据comment的建议，可以把dagrun_timeout这个参数设置的大一些或者去除这个参数，用execution_timeout这个参数检测每个 task的timeout代替。

欢迎加入Apache Airflow 技术交流群，共同玩转Airflow.