ข้ามไปยังเนื้อหาหลัก

บ้าน Data Engineering

Courses

Introduction to Apache Airflow in Python

ขั้นสูงระดับทักษะ

อัปเดตแล้ว 06/2568

Learn how to implement and schedule data engineering workflows.

เริ่มเรียนหลักสูตรฟรี

AirflowData Engineering4 ชม.16 videos55 Exercises4,050 เอ็กซ์พี61,143คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

Now Updated to Apache Airflow 2.7 - Delivering data on a schedule can be a manual process. You write scripts, add complex cron tasks, and try various ways to meet an ever-changing set of requirements—and it's even trickier to manage everything when working with teammates. Apache Airflow can remove this headache by adding scheduling, error handling, and reporting to your workflows. In this course, you'll master the basics of Apache Airflow and learn how to implement complex data engineering pipelines in production. You'll also learn how to use Directed Acyclic Graphs (DAGs), automate data engineering workflows, and implement data engineering tasks in an easy and repeatable fashion—helping you to maintain your sanity.

ข้อกำหนดเบื้องต้น

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

50 เอ็กซ์พี

Testing a task in Airflow

50 เอ็กซ์พี

Examining Airflow commands

50 เอ็กซ์พี

Airflow DAGs

50 เอ็กซ์พี

Defining a simple DAG

100 เอ็กซ์พี

Working with DAGs and the Airflow shell

50 เอ็กซ์พี

Troubleshooting DAG creation

100 เอ็กซ์พี

Airflow web interface

50 เอ็กซ์พี

Starting the Airflow webserver

50 เอ็กซ์พี

Navigating the Airflow UI

50 เอ็กซ์พี

Examining DAGs with the Airflow UI

50 เอ็กซ์พี

เริ่มบท

2

Implementing Airflow DAGs

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

50 เอ็กซ์พี

Defining a BashOperator task

100 เอ็กซ์พี

Multiple BashOperators

100 เอ็กซ์พี

Airflow tasks

50 เอ็กซ์พี

Define order of BashOperators

100 เอ็กซ์พี

Determining the order of tasks

100 เอ็กซ์พี

Troubleshooting DAG dependencies

50 เอ็กซ์พี

Additional operators

50 เอ็กซ์พี

Using the PythonOperator

100 เอ็กซ์พี

More PythonOperators

100 เอ็กซ์พี

EmailOperator and dependencies

100 เอ็กซ์พี

Airflow scheduling

50 เอ็กซ์พี

Schedule a DAG via Python

100 เอ็กซ์พี

Deciphering Airflow schedules

100 เอ็กซ์พี

Troubleshooting DAG runs

50 เอ็กซ์พี

เริ่มบท

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.

Airflow sensors

50 เอ็กซ์พี

Sensors vs operators

100 เอ็กซ์พี

Sensory deprivation

50 เอ็กซ์พี

Airflow executors

50 เอ็กซ์พี

Determining the executor

50 เอ็กซ์พี

Executor implications

100 เอ็กซ์พี

Debugging and troubleshooting in Airflow

50 เอ็กซ์พี

DAGs in the bag

50 เอ็กซ์พี

Missing DAG

100 เอ็กซ์พี

SLAs and reporting in Airflow

50 เอ็กซ์พี

Defining an SLA

100 เอ็กซ์พี

Defining a task SLA

100 เอ็กซ์พี

Generate and email a report

100 เอ็กซ์พี

Adding status emails

100 เอ็กซ์พี

เริ่มบท

4

Building production pipelines in Airflow

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

Working with templates

50 เอ็กซ์พี

Creating a templated BashOperator

100 เอ็กซ์พี

Templates with multiple arguments

100 เอ็กซ์พี

More templates

50 เอ็กซ์พี

Using lists with templates

100 เอ็กซ์พี

Understanding parameter options

50 เอ็กซ์พี

Sending templated emails

100 เอ็กซ์พี

50 เอ็กซ์พี

Define a BranchPythonOperator

100 เอ็กซ์พี

Branch troubleshooting

50 เอ็กซ์พี

Creating a production pipeline

50 เอ็กซ์พี

Creating a production pipeline #1

100 เอ็กซ์พี

Creating a production pipeline #2

100 เอ็กซ์พี

Adding the final changes to your pipeline

100 เอ็กซ์พี

Congratulations!

50 เอ็กซ์พี

เริ่มบท

Introduction to Apache Airflow in Python

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Introduction to Apache Airflow in Python วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา