Criando a DAG

Depois de definir os argumentos padrão, é hora de configurar sua DAG e criar a primeira tarefa que verifica a API. Esta etapa é essencial para automatizar seus fluxos de trabalho de dados e Machine Learning. Os seguintes módulos foram importados: DAG, PythonOperator e datetime. Você também tem disponível uma função personalizada check_updates_api. Hora de construir sua DAG!

Este exercício faz parte do curso

Projetando Pipelines de Previsão para Produção

Ver curso

Instruções do exercício

Defina a DAG usando a função correta.
Configure o agendamento para rodar diariamente.
Crie a tarefa check_api usando um operador Python.
Forneça a função check_updates_api como a callable.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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}")

Editar e executar o código