問題

Cloud ComposerでMLEngineTrainingOperatorを使ってxgboostのトレーニングジョブを実行した際、以下のエラーがでたので調査しました。

import xgboost as xgb ImportError: No module named xgboost

ソースコード

import datetime

from airflow import models
from airflow.contrib.operators.mlengine_operator import (MLEngineTrainingOperator)

yesterday = datetime.datetime.combine(
    datetime.datetime.today() - datetime.timedelta(1),
    datetime.datetime.min.time())
now = datetime.datetime.now()

default_dag_args  = {
    'start_date': yesterday,
    'email': models.Variable.get('email'),
    'email_on_failure': True,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': datetime.timedelta(minutes=5),
    'project_id': models.Variable.get('gcp_project')
}

with models.DAG(
        'iris_train',
        schedule_interval=datetime.timedelta(weeks=4),
        default_args=default_dag_args) as dag:

    training_op = MLEngineTrainingOperator(
        project_id='durable-binder-547',
        job_id='test_training_' + now.strftime("%Y%m%d%H%M%S"),
        package_uris=['gs://hoge/iris_xgboost_trainer-0.0.0.tar.gz'],
        training_python_module='iris_xgboost_trainer.iris',
        region='us-central1',
        scale_tier='BASIC',
        task_id='test-training',
        runtime_version='1.4',
        python_version='2.7'
        training_args='')

ソースコード中の、iris_xgboost_trainer-0.0.0.tar.gz はxgboostを使ったpythonのトレーニング用パッケージです。

runtime_version='1.4'を指定しているので、xgboostが使えるはずです。
(参考：ランタイムバージョンと内包するパッケージ)
https://cloud.google.com/ml-engine/docs/tensorflow/runtime-version-list?hl=ja

調査

Cloud Composerのログを見ると実行引数にruntime_version, python_versionが渡されていないことがわかりました。

Running task with arguments: --cluster={"master": ["127.0.0.1:2222"]} --task={"type": "master", "index": 0} --job={ "package_uris": ["gs://hoge/scikit_learn_job_dir/packages/iris_xgboost_trainer-0.0.0.tar.gz"], "python_module": "iris_xgboost_trainer.iris", "args": [""], "region": "us-central1", "run_on_raw_vm": true}

さらに、Airflow側のログを確認したところruntime_version, python_versionが読み込めていない旨のエラーが出ていました。

[2018-09-26 09:17:15,137] {base_task_runner.py:98} INFO - Subtask: /usr/local/lib/python2.7/site-packages/airflow/models.py:2159: PendingDeprecationWarning: Invalid arguments were passed to MLEngineTrainingOperator. Support for passing such arguments will be dropped in Airflow 2.0. Invalid arguments were:@-@{"task-id": "test-training", "execution-date": "2018-09-26T09:17:06.402134", "workflow": "iris_train"}
[2018-09-26 09:17:15,138] {base_task_runner.py:98} INFO - Subtask: *args: ()@-@{"task-id": "test-training", "execution-date": "2018-09-26T09:17:06.402134", "workflow": "iris_train"}
[2018-09-26 09:17:15,138] {base_task_runner.py:98} INFO - Subtask: **kwargs: {'python_version': '2.7', 'runtime_version': '1.8'}@-@{"task-id": "test-training", "execution-date": "2018-09-26T09:17:06.402134", "workflow": "iris_train"}

原因

以下の記事にも記載した通り、Cloud ComposerのAirflowバージョンが1.9のためでした。
https://qiita.com/issey-hirano/items/7067c24f084bc05940fa

# 1.10のMLEngineTrainingOperatorの引数
class MLEngineTrainingOperator(BaseOperator):
    def __init__(self,
                 project_id,
                 job_id,
                 package_uris,
                 training_python_module,
                 training_args,
                 region,
                 scale_tier=None,
                 runtime_version=None,
                 python_version=None,
                 job_dir=None,
                 gcp_conn_id='google_cloud_default',
                 delegate_to=None,
                 mode='PRODUCTION',
                 *args,
                 **kwargs):

# 1.9のMLEngineTrainingOperatorの引数
class MLEngineTrainingOperator(BaseOperator):
    def __init__(self,
                 project_id,
                 job_id,
                 package_uris,
                 training_python_module,
                 training_args,
                 region,
                 scale_tier=None,
                 gcp_conn_id='google_cloud_default',
                 delegate_to=None,
                 mode='PRODUCTION',
                 *args,
                 **kwargs):

この通り、1.9ではruntime_version、python_versionが指定できません。
そのため、APIのデフォルトである、runtime_version=1.0で実行されてしいます。

runtime_version=1.0はxgboostがパッケージされていないため、ImportError: No module named xgboost となるようです。

回避

airflow.operators.bash_operator.BashOperatorを使って、gcloud ml-engine jobs submit trainingコマンドを叩く力業で無事トレーニングに成功しました。

import datetime

from airflow import models
from airflow.operators import bash_operator

yesterday = datetime.datetime.combine(
    datetime.datetime.today() - datetime.timedelta(1),
    datetime.datetime.min.time())
now = datetime.datetime.now()

default_dag_args  = {
    'start_date': yesterday,
    'email': models.Variable.get('email'),
    'email_on_failure': True,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': datetime.timedelta(minutes=5),
    'project_id': models.Variable.get('gcp_project')
}

with models.DAG(
        'iris_train_bashoperator',
        schedule_interval=datetime.timedelta(weeks=4),
        default_args=default_dag_args) as dag:

    training_op = bash_operator.BashOperator(
        task_id='test_training',
        bash_command='gcloud ml-engine jobs submit training test_training_$(date +"%Y%m%d_%H%M%S") \
            --module-name iris_xgboost_trainer.iris \
            --staging-bucket gs://zozo-ml/ \
            --region us-central1 \
            --packages gs://hoge/iris_xgboost_trainer-0.0.0.tar.gz \
            --runtime-version 1.4 \
            --python-version 2.7 \
            --scale-tier BASIC'
        )

最後に

はやくAirflow1.10に対応してほしいですね。
Cloud Composerは利用者がまだ少なく、日本語記事もほとんどないため、参考になれば幸いです。