Configuration du DAG

Les outils d’orchestration comme Apache Airflow sont essentiels pour automatiser les workflows de données et de Machine Learning.

Dans cet exercice, vous allez commencer à configurer un graphe orienté acyclique (DAG) en important les classes nécessaires et en définissant des arguments par défaut qui déterminent l’exécution de votre pipeline.

Cet exercice fait partie du cours

<cours>Concevoir des pipelines de prévision pour la production</cours>

Voir le cours

Instructions de l’exercice

Importez les classes DAG et PythonOperator depuis Airflow.
Définissez la date de début au 7 juillet 2025.
Réglez email_on_failure sur False.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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']}")

Modifier et exécuter le code