Robustní DAGy s ošetřením chyb a opakováním

Tvorba datových pipeline s Airflow

Volker Janz

Senior Developer Advocate at Astronomer

Proč úlohy selhávají

Problémy s připojením úloh

Timeouty a limity API
Krátké výpadky sítě a zpoždění DNS
Více úloh soutěžících o stejný zdroj

Opakování (retries)

@task(
    retries=3,
    retry_delay=timedelta(minutes=2),
)
def fetch_weather():
    response = requests.get("https://api.weather.com/forecast")
    response.raise_for_status()
    return response.json()

Úloha se při selhání opakuje až 3×
Mezi pokusy čeká 2 minuty

Exponential backoff

@task(
    retries=3,
    retry_delay=timedelta(minutes=2),
    retry_exponential_backoff=2.0,
)
def fetch_weather():
    ...

Exponential backoff

Prodleva se po každém pokusu zdvojnásobí
Dává externím službám čas na zotavení

on_failure_callback

def alert_on_failure(context):
    dag_id = context["dag"].dag_id
    task_id = context["ti"].task_id
    print(f"ALERT: {task_id} in {dag_id} failed!")

@task(on_failure_callback=alert_on_failure)
def fetch_weather():
    ...

Slovník context: dag, ti, exception, URL logu
Přesměruj na Slack, PagerDuty nebo jiný alertovací nástroj

Callbacky na úrovni DAGu vs. úlohy

Na úrovni DAGu (zachytí vše)

@dag(
    on_failure_callback=alert_team,
)
def my_pipeline():
    ...

Na úrovni úlohy (konkrétní)

@task(
    on_failure_callback=page_oncall,
)
def critical_step():
    ...

Úroveň úlohy přebíjí úroveň DAGu
Kombinuj obě pro vícevrstvé alertování

max_consecutive_failed_dag_runs

@dag(max_consecutive_failed_dag_runs=3)
def monitoring_pipeline():
    ...

Neúspěšné spuštění DAGu následované automatickým pozastavením

Zabraňuje zahlcení alerty při opakovaných selháních
DAG se obnoví po ručním odpauzování

Všechno dohromady

@dag(
    max_consecutive_failed_dag_runs=3,
    on_failure_callback=alert_team,
)
def weather_pipeline():

    @task(
        retries=3,
        retry_delay=timedelta(minutes=2),
        retry_exponential_backoff=True,
        on_failure_callback=page_oncall,
    )
    def fetch_weather():
        ...

Retries + backoff zvládají přechodná selhání
Callbacky upozorní správné lidi
Auto-pauza zastaví zbytečný hluk

Pojďme cvičit!

Tvorba datových pipeline s Airflow