Configurando a DAG

Ferramentas de orquestração como o Apache Airflow são essenciais para automatizar fluxos de trabalho de dados e de Machine Learning.

Neste exercício, você vai começar a configurar um grafo acíclico direcionado (DAG) importando as classes necessárias e definindo argumentos padrão que determinam como seu pipeline será executado.

Este exercício faz parte do curso

Projetando Pipelines de Previsão para Produção

Ver curso

Instruções do exercício

Importe as classes DAG e PythonOperator do Airflow.
Defina a data de início como 7 de julho de 2025.
Defina email_on_failure como False.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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']}")

Editar e executar o código