python - 在 Apache Airflow 中运行超过 32 个并发任务

Question

我正在运行 Apache Airflow 1.8.1。我想在我的实例上运行超过 32 个并发任务，但无法使任何配置正常工作。

我正在使用 CeleryExecutor，UI 中的 Airflow 配置显示 parallelism 和 dag_concurrency 为 64，我已经多次重启 Airflow 调度程序、网络服务器和工作程序(我实际上是在 Vagrant 机器上进行本地测试，但也在 EC2 实例上进行了测试)。

Airflow .cfg

# The amount of parallelism as a setting to the executor. This defines
# the max number of task instances that should run simultaneously
# on this airflow installation
parallelism = 64

# The number of task instances allowed to run concurrently by the scheduler
dag_concurrency = 64

示例 DAG。我已经尝试过直接在 DAG 中使用和不使用 concurrency 参数。

from datetime import datetime

from airflow import DAG
from airflow.operators.bash_operator import BashOperator

dag = DAG(
    'concurrency_dev',
    default_args={
        'owner': 'airflow',
        'depends_on_past': False,
        'start_date': datetime(2018, 1, 1),
    },
    schedule_interval=None,
    catchup=False
)

for i in range(0, 40):
    BashOperator(
        task_id='concurrency_dev_{i}'.format(i=i),
        bash_command='sleep 60',
        dag=dag
    )

无论如何，同时执行的任务只有 32 个。

Answer 1

如果您有 2 个工作人员和 celeryd_concurrency = 16，那么您将被限制为 32 个任务。如果 non_pooled_task_slot_count = 32 你也会受到限制。当然，parallelism 和 dag_concurrency 不仅需要在网络服务器和调度程序上设置为 32 以上，还需要在 worker 上设置。