Configurar el DAG
Las herramientas de orquestación como Apache Airflow son esenciales para automatizar flujos de trabajo de datos y Machine Learning.
En este ejercicio, empezarás a configurar un Directed Acyclic Graph (DAG) importando las clases necesarias y definiendo los argumentos predeterminados que controlan cómo se ejecutará tu canalización.
Este ejercicio forma parte del curso
Diseño de canalizaciones de predicción para producción
Instrucciones del ejercicio
- Importa las clases
DAGyPythonOperatordesde Airflow. - Establece la fecha de inicio en el 7 de julio de 2025.
- Configura
email_on_failurecomoFalse.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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']}")