Den DAG erstellen

Nachdem die Standardargumente gesetzt sind, ist es Zeit, deinen DAG zu definieren und die erste Aufgabe zu erstellen, die die API prüft. Dieser Schritt ist entscheidend, um deine Daten- und Machine-Learning-Workflows zu automatisieren. Die folgenden Module wurden importiert: DAG, PythonOperator und datetime. Außerdem steht dir eine eigene Funktion check_updates_api zur Verfügung. Zeit, deinen DAG zu bauen!

Diese Übung ist Teil des Kurses

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

Kurs ansehen

Übungsanweisungen

Definiere den DAG mit der richtigen Funktion.
Setze den Zeitplan auf tägliche Ausführung.
Erstelle die Aufgabe check_api mit einem Python-Operator.
Übergib die Funktion check_updates_api als callable.

Interaktive praktische Übung

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

# Define the DAG
with ____(
    'data_pipeline',
    default_args=default_args,
    description='Data pipeline for ETL process',
  	# Set the schedule to run daily
    schedule='@____',
    tags = ["python", "etl", "forecast"]
) as dag:
  # Create check_api
  check_api = ____(
    task_id='check_api',
    # Use the check_updates_api function
    python_callable=____)

print(f"DAG object created: {dag}")
print(f"PythonOperator for API check created: {check_api}")

Code bearbeiten und ausführen