如何配置Airflow scheduler故障时的Slack告警通知

你的判断完全正确：Airflow 原生的DAG层面、任务层面的告警回调（比如on_failure_callback）完全依赖Scheduler进程正常运行、能解析DAG、调度任务执行并捕获状态异常。如果Scheduler进程崩溃、所在集群不可用，所有DAG内的告警逻辑都无法被触发，自然收不到故障通知。

方案1：配合Airflow健康检查+外部监控工具推送 #

Airflow 2.0+ 自带了健康检查端点，默认路径是/health，返回的响应中会明确包含Scheduler的存活状态：

• 正常状态下scheduler字段的status值为healthy
• Scheduler故障超过阈值（默认30s无心跳）时status值为unhealthy

你可以用公司现有监控工具（Prometheus+Alertmanager、Nagios、Zabbix等）按以下流程配置：

• 定期请求Airflow的/health端点
• 配置告警规则：当scheduler状态为unhealthy、或端点完全无法访问时，触发告警
• 配置告警渠道对接Slack webhook，故障时直接推消息到指定Slack频道

如果你使用的是Airflow 1.x版本，没有自带/health端点，可以直接查询Airflow元数据库的scheduler_job表，取最新一条记录的latest_heartbeat字段，若该时间距当前时间超过30s即可判断Scheduler故障。

方案2：独立心跳检测任务 #

如果没有统一监控工具，也可以部署一个独立于Airflow集群的轻量定时任务（比如Linux crontab、云函数定时触发器），逻辑如下：

• 配置一个专门的心跳DAG，设置为每5分钟运行一次，任务逻辑就是更新独立存储（比如Redis、对象存储）中保存的Airflow最后心跳时间
• 独立定时任务每10分钟检查一次最后心跳时间：如果超过15分钟没有更新，说明Scheduler已经无法正常调度任务，直接调用Slack webhook推送告警

Slack告警配置示例 #

首先在Slack中创建对应应用，开启Incoming Webhooks功能，获取对应频道的webhook地址。如果用Alertmanager推送，配置参考如下：

receivers:
- name: 'slack-airflow-alerts'
  slack_configs:
  - channel: '#airflow-alerts'
    webhook_url: '替换为你的Slack webhook地址'
    text: "Airflow Scheduler故障告警：{{ .CommonAnnotations.summary }}\n故障详情：{{ .CommonAnnotations.description }}"

内容的提问来源于stack exchange，提问作者av abhishiek