AWS Data PipelineでPython Scriptを周期実行させる

はじめに

AWS上でPython Scriptを定期的に実行させたい、というNeedsは結構あると思います。EC2を立ててcronで実行させる事で実現できますが、ここではAWSのData Pipelineの機能を使って実現する方法をチラ裏しておきます。

ただし、Data Pipelineの制約として、実行周期は15分以上にしか設定出来ないので注意してください、1分毎の実行などはできません。

なお、Data PipelineでLambda Functionを周期実行させることも可能です。ScriptがNode.js or Javaの場合は、こちらの方法でやるほうが楽だと思います。

全体の流れ

設定する項目の流れは、以下の様になっています。Python Script自体はすでに完成している前提です。

S3 BucketにPython Scriptを配置

• Python Scriptを置く為のS3 bucketを作成する(既存のBucketの流用も可)
• Python ScriptをS3 BucketにUploadする

Data Pipelineの作成

• Data Pipeline用のIAM Roleに、S3へのアクセス権限を付与する
• Data PipelineでShell Scriptを定期実行する様に設定する
  Shell scriptの中で、OSのMiddlewareの追加やPython Libraryの追加と、Python Script実行そのものを行う

Data Pipelineの処理結果の確認

• Data Pipelineのstdoutのlogを確認し、Python Scriptの実行結果が出力されている事を確認する

補足

• Data PipelineのSchedule実行の周期は、最短で15分毎です

S3 BucketにPython Scriptを配置

S3 bucketの作成

Python Scriptを置く為のS3 bucketを作成します。もちろん既存のBucketの流用も可です。
AWS Console→S3に行き、以下の手順でS3 Bucketを作成します。

• Create Bucketを選択して、適当な名前を付けて作成(ここではdatapipeline-python-testというBucketを作成したと想定)

Python ScriptをS3 BucketにUpload

以下の手順でPython ScriptをS3 BucketにUploadします。

• 先ほど作成したBucketに移動し、Actions→Uploadを選択し、Python ScriptをUploadする
  ここではdatapipeline_test.pyと言う、現在時刻を単にPrintする以下のScriptをUploadしたと想定
  

datapipeline_test.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import datetime
print 'Script run at ' + datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')

Data Pipelineの作成

Data Pipelineの作成

AWS Console→Data Pipelineに行き、Data Pipelineを以下の手順で作成します。

• Nameは適当に設定(ここではTest Pipelineとします)
• SourceはBuild using a templateでRun AWS CLI commandを選択
• Scheduleの箇所は、Run everyに15 minutesを指定 (1回だけ実行するならonce on pipeline activationを選択)
• Pipeline ConfigurationのLoggingは、上で作成したdatapipeline-python-testというS3 bucketを指定
• Security/AccessとTagはDefaultのままでOK
• AWS CLI commandには以下のScriptを設定(内容についての補足は最後の方を参照)
  

sudo yum -y install python-devel gcc && sudo update-alternatives --set python /usr/bin/python2.7 && curl "https://bootstrap.pypa.io/get-pip.py" -o "get-pip.py" && sudo python ./get-pip.py && pip install boto3 --user && aws s3 cp s3://datapipeline-python-test/datapipeline_test.py ./datapipeline_test.py && cat datapipeline_test.py && python ./datapipeline_test.py

この設定でEdit Architectを選択して、Data Pipelineを一旦作成します。
作成すると、IAM RoleにDataPipelineDefaultResourceRoleとDataPipelineDefaultRoleという2つのIAM Roleが作成されます。

IAM Roleの権限設定

IAM Role作成直後の状態では一部権限が足りない為、DataPipelineDefaultResourceRoleとDataPipelineDefaultRoleにS3へのアクセス権限を付与します。
AWS Console→Identity & Access Management→Rolesに行き、以下の手順で権限を付与します。

• DataPipelineDefaultResourceRoleをクリック
• Managed Policies→Attach Policyで、AmazonS3FullAccessを検索して選択し、Attach Policyする

DataPipelineDefaultRoleに対しても同様の権限設定を行う

Data PipelineのActivate

AWS Console→Data Pipelineに行き、先ほど作成したData PipelineをActivateします。

• Test Pipelineを選択
• Actions→Activateを選択

これで、Data Pipelineの周期実行がActivateされました。15分毎の実行なので、しばらく待ちましょう。

Data Pipelineの処理結果の確認

AWS Console→Data Pipelineに行き、Test Pipelineを選択し、CliActivity→AttemptsタブにあるStdoutを選択し、Python Scriptにより現在の時刻が出力されている事を確認します。

ShellScriptについての補足

大した処理はしていませんが、上記ShellScriptの中身を補足しておきます。

• sudo yum -y install python-devel gcc
  • OSに追加Middlewareを入れています(一部Python Libraryでgccなどが必要になる場合を想定)。Amazon Linux標準のMiddlewareで足りるなら削除可能です
    
• sudo update-alternatives --set python /usr/bin/python2.7
  • Python2.7を指定しています。DefaultのPython versionだと一部Libraryでエラーが出る可能性があるのを回避します
    
• curl "https://bootstrap.pypa.io/get-pip.py" -o "get-pip.py" && sudo python ./get-pip.py
  • pipを入れています。標準のPython Libraryだけで足りるのであれば削除可能です
    
• pip install boto3 --user
  • pipでPythonの追加Libraryを入れています。pipを使う場合にはPermissionの関係で--userの引数が必要です。複数Libraryを入れたければ、pip install requests boto3 numpy --userなど列挙すればOKです
    
• aws s3 cp s3://datapipeline-python-test/datapipeline_test.py ./datapipeline_test.py
  • Python scriptをLocalにCopyしています
    

• cat datapipeline_test.py

  • S3からDownLoadしたfileの中身を表示しています、要らないなら削除可能です
    

• python ./datapipeline_test.py

  • 最後に、Python Scriptを実行しています
    

Fail時にAlarmを飛ばす

Python Scriptが失敗した時などに、AWS SNSの機能を使ってAlarm Emailを飛ばすことも可能です。AWS SNSそのものの説明は割愛しますが、Data Pipeline上の設定を簡単に補足しておきます。

• AWS Console→Data Pipelineに行き、Test Pipelineを選択し、Edit Pipelineを選択
• 右ペインのActivitiesのAdd an optional field→On Failを選択
• ActivitiesにOn Failと言う行が追加されるので、Create new: Actionを選択、DefaulAction1が作成される
• 右ペインのOthersにDefaulAction1という設定項目が出来ているので、
  • TypeにSnsAlarm
  • Topic ArnにAWS SNSで作成したTopic Arn
  • MessageにAlarm Emailの本文、SubjectにAlarm EmailのSubject
  • RoleはDefaultでDataPipelineDefaultRoleになっているがAmazonSNSFullAccessのPermissionが付与されたRoleを選択

を設定すればOKです。Script Fail時やSuccess時などにAWS SNSを発火させる事が可能になります。
RoleにSnsを実行するPermissionを付与するのをお忘れなく。

最後に

Python ScriptをData Pipelineで周期実行できると、周期実行の為のHostを個別に確保/管理したり、実行保障する必要が無くなり、色々捗ります。