Crear el DAG

Después de configurar los argumentos predeterminados, toca definir tu DAG y crear la primera tarea que comprueba la API. Este paso es esencial para automatizar tus flujos de trabajo de datos y Machine Learning. Se importaron los siguientes módulos: DAG, PythonOperator y datetime. También tienes disponible una función personalizada check_updates_api. ¡Hora de construir tu DAG!

Este ejercicio forma parte del curso

Diseño de canalizaciones de predicción para producción

Ver curso

Instrucciones del ejercicio

Define el DAG usando la función correcta.
Configura la planificación para que se ejecute a diario.
Crea la tarea check_api usando un operador de Python.
Proporciona la función check_updates_api como la callable.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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}")

Editar y ejecutar código