In this chapter, you’ll gain a complete introduction to the components of Apache Airflow and learn how and why you should use them.

Introducción a Apache Airflow

Contador de Dags

Ejecuta tu primer Dag

DAGs de Airflow

Crear un Dag sencillo

Trabajar con Dags y la consola de Airflow

Examina los comandos de Airflow

Probar una tarea en Airflow

Interfaz web de Airflow

Cómo moverte por la interfaz de Airflow

Examinar Dags con la interfaz de Airflow

Errores de Dag

Intro to Airflow

What’s up Dag? Now it’s time to learn the basics of implementing Airflow Dags. Through hands-on activities, you’ll learn how to set up and deploy operators, tasks, and scheduling.

Airflow operators

Decorating a task

Defining a BashOperator with @task.bash

Define order of Tasks

More @tasks

Scheduling Dags

Schedule a Dag via Python

Deciphering Airflow schedules

Troubleshooting Dag runs

Passing data between tasks with XCom

Passing data with XCom

XCom variables

Airflow Sensors

Determining the order of tasks

Creating a FileSensor

Sensory Deprivation

Building Dags in Airflow

In this chapter, you’ll learn how to save yourself time using Airflow components such as sensors and executors while monitoring and troubleshooting Airflow workflows.

Monitoring, Alerting, and Callbacks

Implementing a callback function

Implementing an SmtpNotifier

What's in the logs?

Templating with Jinja

Writing with Jinja

Subbing out

Airflow Variables

The answer is Variable

Reading a variable in Python

Variables not quite right

Debugging and troubleshooting in Airflow

Dag troubleshooting

Missing Dag

Maintaining and monitoring Airflow workflows

Put it all together. In this final chapter, you’ll apply everything you've learned to build a production-quality workflow in Airflow.

Triggers and Fault Tolerance

Implementing a Trigger Rule

Adding retries

Triggering a child Dag

Branching

Define a @task.branch

Branch troubleshooting

The HITL Operator

Adding Human approval

ApprovalOperator Task

Creating a production pipeline

Setting up the sales ETL pipeline

Adding monthly branching

Adding a human approval gate

Congratulations!

Controlling Dag Logic

Actualizado a Apache Airflow 3.1.6 - Entregar datos con una programación fija puede ser un proceso manual. Escribes scripts, añades tareas cron complejas y pruebas distintas formas de cumplir con requisitos que cambian constantemente—y gestionar todo esto es aún más complicado cuando trabajas en equipo. Apache Airflow puede ahorrarte este quebradero de cabeza al incorporar planificación, gestión de errores e informes a tus flujos de trabajo. En este curso, dominarás lo básico de Apache Airflow y aprenderás a implementar en producción canalizaciones de ingeniería de datos complejas. También aprenderás a usar grafos acíclicos dirigidos (DAGs), a automatizar flujos de trabajo de ingeniería de datos y a implementar tareas de ingeniería de datos de forma sencilla y repetible—ayudándote a mantener la calma.

Intermediate Python

Introduction to Shell

Aprende a implementar y programar flujos de trabajo de ingeniería de datos con Airflow y DAGs en Python.

Introducción a Apache Airflow en Python

Aprende a implantar y programar flujos de trabajo de ingeniería de datos.

Ingeniero de datos en Python

Errores de Dag

Introducción a Apache Airflow en Python

Ejercicio interactivo práctico