首页
/ Apache Airflow 3.0.0 子路径部署任务调度异常问题解析

Apache Airflow 3.0.0 子路径部署任务调度异常问题解析

2025-05-02 10:33:23作者:齐添朝

问题背景

在使用 Docker Compose 部署 Apache Airflow 3.0.0 时,当配置 AIRFLOW__API__BASE_URL 参数设置子路径访问(如 http://mycompany.com/airflow)后,虽然 Web UI 可以正常访问,但触发 DAG 任务时会陷入"queued"状态,最终抛出"ServerResponseError: Not Found"错误。这个现象表明系统在子路径环境下存在 API 通信异常。

技术原理分析

Airflow 的分布式架构中,Web Server 和 Worker 节点需要通过 API 进行通信。当设置子路径时,需要特别注意以下两个关键配置参数:

  1. AIRFLOW__API__BASE_URL:控制 Web 界面的基础访问路径
  2. AIRFLOW__CORE__EXECUTION_API_SERVER_URL:控制任务执行时 Worker 与 Web Server 的通信路径

这两个参数需要保持同步配置,因为 Airflow 的执行 API 和核心 API 可能部署在不同的服务端点。

解决方案

针对该问题,推荐采用以下配置方案:

environment:
  - AIRFLOW__API__BASE_URL=http://mycompany.com/airflow
  - AIRFLOW__CORE__EXECUTION_API_SERVER_URL=http://mycompany.com/airflow

深入排查建议

如果配置后仍存在问题,建议进行以下排查步骤:

  1. 检查 Worker 日志中是否仍存在 404 错误
  2. 验证网络连通性,确保 Worker 可以访问配置的执行 API 地址
  3. 检查反向代理配置(如 Nginx/Apache)是否正确转发子路径请求
  4. 确认 Celery 执行器配置是否正确

版本兼容性说明

该问题在 Airflow 3.0.0 版本中确认存在,后续版本可能已包含相关修复。建议用户关注官方更新,特别是 3.0.1 版本中的相关修复补丁。

最佳实践建议

对于生产环境部署,建议:

  1. 保持 Web Server 和 Worker 的配置一致性
  2. 使用完整的 URL 路径(包含协议和域名)
  3. 在变更配置后重启所有相关服务
  4. 考虑使用环境变量管理工具统一管理配置

通过以上措施,可以确保 Airflow 在子路径部署环境下的稳定运行。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
159
2.01 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
42
74
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
522
53
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
946
556
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
197
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
995
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
364
13
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71