Lewati ke konten utama

Beranda Data Engineering

Gratis Kursus

Pengantar Apache Airflow dengan Python

LanjutanTingkat Keterampilan

Diperbarui 05/2026

Pelajari cara mengimplementasikan dan menjadwalkan alur kerja rekayasa data.

Mulai Kursus Gratis

Termasuk dalam harga

AirflowData Engineering

4 jam

16 videos

57 Latihan

4,000 XP

61,967

Bukti Prestasi

Dipercaya oleh para pelajar di ribuan perusahaan

Training a Team?

Try for Business

Deskripsi Kursus

Kini diperbarui ke Apache Airflow 3.1.6 - Menyajikan data sesuai jadwal sering kali merupakan proses manual. Anda menulis skrip, menambahkan tugas cron yang kompleks, dan mencoba berbagai cara untuk memenuhi persyaratan yang terus berubah—dan akan makin rumit saat harus mengelola semuanya bersama rekan kerja. Apache Airflow dapat menghilangkan kerumitan ini dengan menambahkan penjadwalan, penanganan galat, dan pelaporan ke alur kerja Anda. Dalam kursus ini, Anda akan menguasai dasar-dasar Apache Airflow dan mempelajari cara menerapkan pipeline rekayasa data yang kompleks di lingkungan produksi. Anda juga akan mempelajari cara menggunakan Directed Acyclic Graphs (Dag), mengotomatisasi alur kerja rekayasa data, serta menerapkan tugas-tugas rekayasa data dengan cara yang mudah dan dapat diulang—membantu Anda tetap terkendali.

Persyaratan

Intermediate Python Introduction to Shell

1

Intro to Airflow

In this chapter, you’ll gain a complete introduction to the components of Apache Airflow and learn how and why you should use them.

Introduction to Apache Airflow

Dag counter

Running your first Dag

Airflow Dags

Creating a simple Dag

Working with Dags and the Airflow shell

Examining Airflow commands

Testing a task in Airflow

Airflow web interface

Navigating the Airflow UI

Examining Dags with the Airflow UI

2

Building Dags in Airflow

What’s up Dag? Now it’s time to learn the basics of implementing Airflow Dags. Through hands-on activities, you’ll learn how to set up and deploy operators, tasks, and scheduling.

Airflow operators

Decorating a task

Defining a BashOperator with @task.bash

Define order of Tasks

More @tasks

Scheduling Dags

Schedule a Dag via Python

Deciphering Airflow schedules

Troubleshooting Dag runs

Passing data between tasks with XCom

Passing data with XCom

XCom variables

Airflow Sensors

Determining the order of tasks

Creating a FileSensor

Sensory Deprivation

3

Maintaining and monitoring Airflow workflows

In this chapter, you’ll learn how to save yourself time using Airflow components such as sensors and executors while monitoring and troubleshooting Airflow workflows.

Monitoring, Alerting, and Callbacks

Implementing a callback function

Implementing an SmtpNotifier

What's in the logs?

Templating with Jinja

Writing with Jinja

Subbing out

Airflow Variables

The answer is Variable

Reading a variable in Python

Variables not quite right

Debugging and troubleshooting in Airflow

Dag troubleshooting

Missing Dag

4

Controlling Dag Logic

Put it all together. In this final chapter, you’ll apply everything you've learned to build a production-quality workflow in Airflow.

Triggers and Fault Tolerance

Implementing a Trigger Rule

Adding retries

Triggering a child Dag

Define a @task.branch

Branch troubleshooting

The HITL Operator

Adding Human approval

ApprovalOperator Task

Creating a production pipeline

Setting up the sales ETL pipeline

Adding monthly branching

Adding a human approval gate

Congratulations!

Pengantar Apache Airflow dengan Python

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar Sekarang

Bergabung dengan 19 juta pelajar dan mulai Pengantar Apache Airflow dengan Python Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.