Build your ultimate AI agent
Kursbeschreibung
Jetzt aktualisiert auf Apache Airflow 3.1.6 – Daten nach Zeitplan zu liefern, kann ein manueller Kraftakt sein. Du schreibst Skripte, ergänzt komplexe Cron-Jobs und versuchst auf verschiedene Arten, wechselnde Anforderungen zu erfüllen – und im Team alles zu managen, ist noch schwieriger. Apache Airflow nimmt dir diese Kopfschmerzen ab, indem es deinen Workflows Planung, Fehlermanagement und Reporting hinzufügt. In diesem Kurs lernst du die Grundlagen von Apache Airflow und wie du komplexe Data-Engineering-Pipelines produktiv umsetzt. Außerdem erfährst du, wie du Directed Acyclic Graphs (DAGs) nutzt, Data-Engineering-Workflows automatisierst und Aufgaben einfach und wiederholbar implementierst – damit du einen kühlen Kopf behältst.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in Airflow
In diesem Kapitel erhältst du eine umfassende Einführung in die Komponenten von Apache Airflow und lernst, wie und warum du sie einsetzen solltest.
- Einführung in Apache Airflow50 XP
- Dag-Zähler50 XP
- Deinen ersten Dag ausführen50 XP
- Airflow-DAGs50 XP
- Einen einfachen Dag erstellen100 XP
- Mit Dags und der Airflow-Shell arbeiten50 XP
- Airflow-Befehle untersuchen50 XP
- Einen Task in Airflow testen50 XP
- Airflow-Weboberfläche50 XP
- In der Airflow-UI navigieren50 XP
- Dags mit der Airflow-UI untersuchen50 XP
- Dag-Fehler50 XP
2
DAGs in Airflow erstellen
Was geht, DAG? Jetzt lernst du die Grundlagen der Implementierung von Airflow-DAGs. In praktischen Übungen erfährst du, wie du Operatoren, Aufgaben und Zeitpläne einrichtest und bereitstellst.
3
Airflow-Workflows warten und überwachen
In diesem Kapitel lernst du, wie du mit Airflow-Komponenten wie Sensoren und Executoren Zeit sparst und dabei Airflow-Workflows überwachst und Fehler behebst.
4
DAG-Logik steuern
Jetzt alles zusammenführen. In diesem letzten Kapitel setzt du alles Gelernte ein, um einen produktionsreifen Workflow in Airflow zu bauen.
Einführung in Apache Airflow mit Python
Kurs
abgeschlossen
