DAG oluşturma

Varsayılan argümanları ayarladıktan sonra, DAG’ini tanımlayıp API’yi kontrol eden ilk görevi oluşturma zamanı. Bu adım, veri ve Machine Learning iş akışlarını otomatikleştirmek için kritik öneme sahiptir. Aşağıdaki modüller içe aktarıldı: DAG, PythonOperator ve datetime. Ayrıca özel bir check_updates_api fonksiyonun da hazır. Şimdi DAG’ini kurma zamanı!

Bu egzersiz, kursun bir parçasıdır

Üretim için Tahmin (Forecasting) Hatları Tasarlama

Kursa Göz Atın

Egzersiz talimatları

DAG’i doğru fonksiyonu kullanarak tanımla.
Zamanlamayı günlük çalışacak şekilde ayarla.
check_api görevini bir Python operatörü kullanarak oluştur.
Çağrılabilir olarak check_updates_api fonksiyonunu ver.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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}")

Kodu Düzenle ve Çalıştır