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

Introduction to Apache Airflow

Dag counter

Running your first Dag

Airflow Dags

Creating a simple Dag

Working with Dags and the Airflow shell

Examining Airflow commands

Testing a task in Airflow

Airflow web interface

Navigating the Airflow UI

Examining Dags with the Airflow UI

Dag errors

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.

Operator Airflow

Mendekorasi sebuah tugas

Mendefinisikan BashOperator dengan @task.bash

Menentukan Urutan Task

Lebih banyak @tasks

Menjadwalkan Dag

Menjadwalkan Dag melalui Python

Interval Jadwal

Mengurai jadwal Airflow

Memecahkan masalah run Dag

Mengalirkan data antar tugas dengan XCom

Meneruskan data dengan XCom

Variabel XCom

Sensor Airflow

Pengurutan task workflow

Menentukan urutan task

Membuat FileSensor

Deprivasi Sensorik

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

Kini diperbarui ke Apache Airflow 3.1.6 - Menyajikan data sesuai jadwal sering kali merupakan proses manual. Anda menulis skrip, menambahkan tugas cron yang kompleks, dan mencoba berbagai cara untuk memenuhi persyaratan yang terus berubah—dan akan makin rumit saat harus mengelola semuanya bersama rekan kerja. Apache Airflow dapat menghilangkan kerumitan ini dengan menambahkan penjadwalan, penanganan galat, dan pelaporan ke alur kerja Anda. Dalam kursus ini, Anda akan menguasai dasar-dasar Apache Airflow dan mempelajari cara menerapkan pipeline rekayasa data yang kompleks di lingkungan produksi. Anda juga akan mempelajari cara menggunakan Directed Acyclic Graphs (Dag), mengotomatisasi alur kerja rekayasa data, serta menerapkan tugas-tugas rekayasa data dengan cara yang mudah dan dapat diulang—membantu Anda tetap terkendali.

Intermediate Python

Introduction to Shell

Pelajari implementasi dan penjadwalan alur kerja data dengan Airflow dan DAG Airflow di Python.

Pengantar Apache Airflow dengan Python

Pelajari cara mengimplementasikan dan menjadwalkan alur kerja rekayasa data.

Data Engineer dalam Python

Mengurai jadwal Airflow

Pengantar Apache Airflow dengan Python

Latihan interaktif praktis