Membuat DAG

Setelah menetapkan argumen bawaan, saatnya mendefinisikan DAG dan membuat tugas pertama yang memeriksa API. Langkah ini penting untuk mengotomatisasi alur kerja data dan Machine Learning Anda. Modul berikut telah diimpor: DAG, PythonOperator, dan datetime. Anda juga memiliki fungsi kustom check_updates_api yang tersedia. Saatnya membangun DAG Anda!

Latihan ini adalah bagian dari kursus

Merancang Pipeline Peramalan untuk Produksi

Lihat Kursus

Petunjuk latihan

Definisikan DAG menggunakan fungsi yang tepat.
Atur jadwal untuk berjalan setiap hari.
Buat tugas check_api menggunakan operator Python.
Berikan fungsi check_updates_api sebagai callable.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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}")

Edit dan Jalankan Kode