Airflow DAG声明的3种方式

先说明一下我使用的airflow 2.2.4版本

• 第一种使用标准构造函数，将dag通过参数传递进去

  import pendulum
  from airflow import DAG
  from airflow.operators.python import PythonOperator
  ​
  dag = DAG(
      dag_id='hello_world',
      start_date=pendulum.datetime(2022, 1, 1),
      schedule_interval=None,
      catchup=False,
      tags=['example']
  )
  ​
  ​
  def print_context():
      print('---------hello world---------')
  ​
  print_task = PythonOperator(task_id='print_context',
                              python_callable=print_context,
                              dag=dag)

• 第二种，使用隐式的DAG

  import pendulum
  from airflow import DAG
  from airflow.decorators import task
  ​
  with DAG(
      dag_id = 'hello_world',
      start_date=pendulum.datetime(2022, 1, 1),
      schedule_interval = None,
      catchup=False,
      tags=['example']
  ) as dag:
      @task(task_id = 'print_context')
      def print_context():
          print('---------hello world---------')
      print_task = print_context()

• 第三种，使用装饰器将函数转换成DAG生成器

  import pendulum
  from airflow.decorators import dag, task
  ​
  ​
  @dag(dag_id = 'hello_world',
       start_date=pendulum.datetime(2022, 1, 1),
       schedule_interval = None,
       catchup=False,
       tags=['example']
  )
  def hello_world2():
  ​
      @task(task_id = 'print_context')
      def print_context():
          print('---------hello world---------')
      print_task = print_context()
  ​
  dag = hello_world2()

个人推荐使用第二种方式定义