معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Prometheus Exporter for Airflow Metrics

ویژگی	مقدار
سیستم عامل	-
نام فایل	airflow-prometheus-exporter-1.0.8
نام	airflow-prometheus-exporter
نسخه کتابخانه	1.0.8
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Robinhood Markets, Inc.
ایمیل نویسنده	open-source@robinhood.com
آدرس صفحه اصلی	https://github.com/robinhood/airflow_prometheus_exporter
آدرس اینترنتی	https://pypi.org/project/airflow-prometheus-exporter/
مجوز	BSD 3-Clause

# Airflow Prometheus Exporter [![Build Status](https://travis-ci.org/robinhood/airflow-prometheus-exporter.svg?branch=master)](https://travis-ci.org/robinhood/airflow-prometheus-exporter) The Airflow Prometheus Exporter exposes various metrics about the Scheduler, DAGs and Tasks which helps improve the observability of an Airflow cluster. The exporter is based on this [prometheus exporter for Airflow](https://github.com/epoch8/airflow-exporter). ## Requirements The plugin has been tested with: - Airflow >= 1.10.4 - Python 3.6+ The scheduler metrics assume that there is a DAG named `canary_dag`. In our setup, the `canary_dag` is a DAG which has a tasks which perform very simple actions such as establishing database connections. This DAG is used to test the uptime of the Airflow scheduler itself. ## Installation The exporter can be installed as an Airflow Plugin using: ```pip install airflow-prometheus-exporter``` This should ideally be installed in your Airflow virtualenv. ## Metrics Metrics will be available at `http://<your_airflow_host_and_port>/admin/metrics/` ### Task Specific Metrics #### `airflow_task_status` Number of tasks with a specific status. All the possible states are listed [here](https://github.com/apache/airflow/blob/master/airflow/utils/state.py#L46). #### `airflow_task_duration` Duration of successful tasks in seconds. #### `airflow_task_fail_count` Number of times a particular task has failed. #### `airflow_xcom_param` value of configurable parameter in xcom table xcom fields is deserialized as a dictionary and if key is found for a paticular task-id, the value is reported as a guage Add task / key combinations in config.yaml: ```bash xcom_params: - task_id: abc key: count - task_id: def key: errors ``` a task_id of 'all' will match against all airflow tasks: ``` xcom_params: - task_id: all key: count ``` ### Dag Specific Metrics #### `airflow_dag_status` Number of DAGs with a specific status. All the possible states are listed [here](https://github.com/apache/airflow/blob/master/airflow/utils/state.py#L59) #### `airflow_dag_run_duration` Duration of successful DagRun in seconds. ### Scheduler Metrics #### `airflow_dag_scheduler_delay` Scheduling delay for a DAG Run in seconds. This metric assumes there is a `canary_dag`. The scheduling delay is measured as the delay between when a DAG is marked as `SCHEDULED` and when it actually starts `RUNNING`. #### `airflow_task_scheduler_delay` Scheduling delay for a Task in seconds. This metric assumes there is a `canary_dag`. #### `airflow_num_queued_tasks` Number of tasks in the `QUEUED` state at any given instance.

نیازمندی

مقدار	نام
>=1.10.4	apache-airflow
>=0.4.2	prometheus-client
-	bumpversion
-	tox
-	twine

نحوه نصب

نصب پکیج whl airflow-prometheus-exporter-1.0.8:

pip install airflow-prometheus-exporter-1.0.8.whl

نصب پکیج tar.gz airflow-prometheus-exporter-1.0.8:

pip install airflow-prometheus-exporter-1.0.8.tar.gz