核心功能
DAG 编排：用 Python 代码定义任务依赖，调度器按时触发。
功能亮点
slug
airflow
2.0 声明
---
语言
Python（DAG 即用 Python 编写）。
部署
自托管（容器 / K8s）或云托管。
生态
与 Spark、dbt、Kafka、各大云厂商深度集成。
官网
https://airflow.apache.org
适用场景
• 多步骤自动化
• 研发/运营助理
• 知识库助手
安装配置
本地开发：pip install 'apache-airflow[celery]' 时必须带官方 constraints 约束文件（--constraint https://raw.githubusercontent.com/apache/airflow/constraints-<版本>/constraints-<Python版本>.txt），装好后 airflow db migrate 初始化元数据库，再用 airflow standalone 一键拉起调度器与 Web UI（默认 http://localhost:8080，首次启动自动生成 admin 密码）；也可用 uvx apache-airflow standalone / pipx run apache-airflow standalone 免安装试跑；生产部署用官方 apache/airflow Docker 镜像配 docker-compose.yaml，或在 Kubernetes 上装官方 Helm Chart。
使用方法
在 dags/ 目录写 Python 文件定义 DAG：用 @dag/@task 装饰器或 with DAG(...) 上下文声明，任务节点用 BashOperator、PythonOperator、KubernetesPodOperator 或各 Provider 提供的 Transfer Operator，用 >> 串出依赖顺序；schedule 参数填 cron 表达式或 timedelta，scheduler 到点生成 DagRun 并交给 Executor 执行；Web UI 的 Grid / Graph 视图看每次运行状态与任务日志，失败任务可单独 Clear 重跑，retries 与 retry_delay 控制自动重试；跨 DAG 依赖用 Sensor 等待或用 Asset/Dataset 事件触发，变量与连接信息统一存在 Variables / Connections 里。
优点
- 适合复杂任务
- 可组合
- 生态增长快
缺点
- 可靠性/安全难点
- 需要评测与监控
- 工程化成本