如何控制Airflow DAG的并行性或并发性？

Question

在我的某些Airflow安装中，即使未完全加载调度程序，调度运行的DAG或任务也不会运行。如何增加可以同时运行的DAG或任务的数量？

类似地，如果我的安装处于高负荷状态，并且我想限制Airflow工作人员拉出排队任务的速度，我该如何调整？

Answer 1

三个主要的并发控制变量的说明：

https://airflow.apache.org/docs/stable/faq.html#how-can-my-airflow-dag-run-faster

Answer 2

以下是Airflow v1.10.2中可用的配置选项的扩展列表。某些可以在每个DAG或每个操作员的基础上进行设置，如果未指定，则可能会退回到设置范围的默认值。

---

可以在每个DAG基础上指定的选项：

• concurrency：已设置为允许在DAG的所有活动运行中同时运行的任务实例数。如果未设置，则默认为core.dag_concurrency
• max_active_runs：此DAG的最大活动运行数。一旦达到此限制，调度程序将不会创建新的活动DAG运行。如果未设置，则默认为core.max_active_runs_per_dag

示例：

# Only allow one run of this DAG to be running at any given time
dag = DAG('my_dag_id', max_active_runs=1)

# Allow a maximum of 10 tasks to be running across a max of 2 active DAG runs
dag = DAG('example2', concurrency=10, max_active_runs=2)

---

可以按每个操作员指定的选项：

• pool：用于在其中执行任务的池。Pools可用于限制仅任务的一个子集的并行性
• task_concurrency：每个任务级别的并发限制

示例：

t1 = BaseOperator(pool='my_custom_pool', task_concurrency=12)

---

在整个Airflow设置中指定的选项：

• core.parallelism：整个Airflow安装中运行的最大任务数
• core.dag_concurrency：每个DAG可以运行的最大任务数（跨多个 DAG运行）
• core.non_pooled_task_slot_count：分配给不在池中运行的任务的任务插槽数
• core.max_active_runs_per_dag：每个DAG的最大活动DAG运行次数
• scheduler.max_threads：调度程序进程应使用多少个线程来调度DAG
• celery.worker_concurrency：如果使用CeleryExecutor，工作人员将执行
的任务实例数
• celery.sync_parallelism：CeleryExecutor用于同步任务状态的进程数

Answer 3

检查使用 core.executor 的气流配置。 SequentialExecutor将按顺序执行，因此您可以选择并行执行任务的Local Executor或Clery Executor。 之后，您可以使用@hexacyanide

提到的其他选项。