Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Configuration de la classe d'MWAAenvironnement Amazon
La classe d'environnement que vous choisissez pour votre MWAA environnement Amazon détermine la taille des AWS Fargate conteneurs AWS gérés dans lesquels le Celery Executor
Capacités environnementales
La section suivante contient les tâches Apache Airflow simultanées par défaut, la mémoire à accès aléatoire (RAM) et les unités de traitement centralisées virtuelles (vCPUs) pour chaque classe d'environnement. Les tâches simultanées répertoriées supposent que la simultanéité des tâches ne dépasse pas la capacité d'Apache Airflow Worker dans l'environnement.
Dans le tableau suivant, la DAG capacité fait référence aux DAG définitions, et non aux exécutions, et suppose que vous DAGs êtes dynamique
Les exécutions de tâches dépendent du nombre de tâches planifiées simultanément et supposent que le nombre d'DAGexécutions définies pour démarrer en même temps ne dépasse pas le nombre par défaut max_dagruns_per_loop_to_schedule
Vous pouvez l'utiliser celery.worker_autoscale pour augmenter le nombre de tâches par travailleur. Pour plus d’informations, consultez le Exemple de cas d'utilisation à hautes performances.
Planificateurs Apache Airflow
La section suivante décrit les options du planificateur Apache Airflow disponibles sur Amazon MWAA et explique comment le nombre de planificateurs affecte le nombre de déclencheurs.
Dans Apache Airflow, un déclencheur
