Configurare il DAG
Strumenti di orchestrazione come Apache Airflow sono fondamentali per automatizzare i workflow di dati e di Machine Learning.
In questo esercizio inizierai a configurare un Directed Acyclic Graph (DAG) importando le classi necessarie e impostando gli argomenti predefiniti che definiscono come verrà eseguita la tua pipeline.
Questo esercizio fa parte del corso
Progettare pipeline di forecasting per la produzione
Istruzioni dell'esercizio
- Importa le classi
DAGePythonOperatorda Airflow. - Imposta la data di inizio al 7 luglio 2025.
- Imposta
email_on_failuresuFalse.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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']}")