Den DAG einrichten

Orchestrierungs-Tools wie Apache Airflow sind entscheidend, um Data- und Machine-Learning-Workflows zu automatisieren.

In dieser Übung beginnst du damit, einen Directed Acyclic Graph (DAG) einzurichten, indem du die benötigten Klassen importierst und Standardargumente konfigurierst, die festlegen, wie deine Pipeline ausgeführt wird.

Diese Übung ist Teil des Kurses

<Kurs>Forecasting-Pipelines für die Produktion entwerfen</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere die Klassen DAG und PythonOperator aus Airflow.
Setze das Startdatum auf den 7. Juli 2025.
Setze email_on_failure auf False.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import required classes
from airflow import ____
from airflow.providers.standard.operators.python import ____
from datetime import datetime

default_args = {
  'owner': 'airflow',
  # Define the arguments
  'depends_on_past': False,
  'start_date': datetime(____),
  'email_on_failure': ____}

print(f"DAG configured to start on {default_args['start_date']}")

Code bearbeiten und ausführen