Airflow 2.2.5：如何识别已标记为成功的失败DAG运行？

1. 能否识别被重置为Success的失败DAG运行？ #

可以识别，核心是通过Airflow元数据库的dag_run、task_instance和log表关联查询，定位那些最终状态为Success，但中途存在任务耗尽重试次数失败后被修复重置的记录。

关键查询思路： #

• 目标DAG的dag_run状态为success，但关联的task_instance中存在任务达到最大尝试次数（max_tries = try_number），且该任务的前一次尝试状态为failed（说明之前重试耗尽失败过，最后一次是修复后成功）。
• 或者通过log表查找包含重置操作的日志，确认DAG运行曾被手动/自动重置。

示例SQL： #

方法1：从任务实例历史识别

SELECT dr.dag_id, dr.run_id, dr.start_date, dr.end_date
FROM dag_run dr
JOIN task_instance ti 
  ON dr.dag_id = ti.dag_id AND dr.run_id = ti.run_id
WHERE dr.dag_id = '你的目标DAG_ID'
  AND dr.state = 'success'
  AND ti.max_tries = ti.try_number
  AND EXISTS (
    SELECT 1 FROM task_instance ti_hist
    WHERE ti_hist.dag_id = ti.dag_id
      AND ti_hist.run_id = ti.run_id
      AND ti_hist.task_id = ti.task_id
      AND ti_hist.try_number = ti.try_number - 1
      AND ti_hist.state = 'failed'
  )
GROUP BY dr.dag_id, dr.run_id, dr.start_date, dr.end_date;

这个查询会找出：最终DAG成功，但存在任务在耗尽所有重试（比如配置3次重试则max_tries=4）后，最后一次尝试成功、但前一次尝试失败的DAG运行——这类记录就是你需要统计的“修复后重置成功”的案例。

方法2：从重置日志识别

SELECT DISTINCT dr.dag_id, dr.run_id
FROM dag_run dr
JOIN log l 
  ON dr.dag_id = l.dag_id AND dr.run_id = l.execution_date
WHERE dr.dag_id = '你的目标DAG_ID'
  AND dr.state = 'success'
  AND l.message LIKE '%Resetting dag run%';

通过日志中“重置DAG运行”的关键字，直接定位曾被重置过的成功DAG运行。

2. 如何检查Airflow是否发送了失败邮件？ #

根据Airflow版本和配置不同，有几种方式：

方式1：查询Airflow通知表（2.3+版本） #

Airflow 2.3及以上版本新增了notification表，专门存储通知发送记录，可直接查询：

SELECT * FROM notification
WHERE dag_id = '你的目标DAG_ID'
  AND notification_type = 'email'
  AND status = 'success' -- 邮件发送成功状态
  AND message LIKE '%failed%'; -- 筛选失败相关的邮件

方式2：查看Airflow日志 #

如果是旧版本没有notification表，直接搜索Airflow调度器或Worker的日志，关键词可以用：

• Sent an alert email to
• Failed to send alert email（如果发送失败）
• 结合目标DAG的run_id或失败时间点过滤，能快速找到邮件发送记录。

方式3：检查SMTP服务器日志 #

如果公司有统一的SMTP邮件服务器，可以查询服务器的发送日志，根据收件人邮箱、发送时间（对应DAG失败的时间点）来确认是否发送了失败通知邮件。

内容的提问来源于stack exchange，提问作者Gabe