点一下关注吧！！！非常感谢！！持续更新！！！
Java篇开始了！
目前开始更新 MyBatis，一起深入浅出！
目前已经更新到了：
- Hadoop（已更完）
- HDFS（已更完）
- MapReduce（已更完）
- Hive（已更完）
- Flume（已更完）
- Sqoop（已更完）
- Zookeeper（已更完）
- HBase（已更完）
- Redis （已更完）
- Kafka（已更完）
- Spark（已更完）
- Flink（已更完）
- ClickHouse（已更完）
- Kudu（已更完）
- Druid（已更完）
- Kylin（已更完）
- Elasticsearch（已更完）
- DataX（已更完）
- Tez（已更完）
- 数据挖掘（已更完）
- Prometheus（已更完）
- Grafana（已更完）
- 离线数仓（正在更新…）
章节内容
- ADS层
- Airflow 任务调度系统基本介绍
Airflow 基本介绍
Apache Airflow 是一个开源的任务调度和工作流管理工具，用于编排复杂的数据处理任务。最初由 Airbnb 开发，于 2016 年捐赠给 Apache 软件基金会。Airflow 的主要特点是以代码方式定义任务及其依赖关系，支持任务的调度和监控，适合处理复杂的大数据任务。
Airflow 的特点
以代码为中心
Airflow 使用 Python 定义 DAG，提供灵活性和可编程性。
扩展性强
用户可以自定义 Operator 和 Hook，集成各种数据源和工具。
强大的 UI 界面
提供可视化界面监控任务状态、查看日志、重试失败任务等。
丰富的调度选项
支持基于时间 (Time-based) 和事件 (Event-based) 的调度。
高可用性
配合 Celery 和 Kubernetes 等执行器，支持分布式架构，适合处理大规模任务。
使用场景
数据管道调度
用于管理数据从源到目标的 ETL 流程。
如每天从数据库中抽取数据、清洗后存入数据仓库。
机器学习工作流管理
调度数据预处理、模型训练和模型部署任务。
数据验证
自动化检查数据的质量和一致性。
定期任务自动化
定时清理日志、归档数据或生成报告。
Airflow安装部署
安装依赖
- CentOS 7.x
- Python 3.5 以上版本
- MYSQL 5.7.x
- Apache-Airflow 1.10.11
- 虚拟机可上网，需要在线安装包
备注：后面要安装三个软件Airflow、Atlas、Griffin，相对Hadoop的安装都较为复杂
- 正式安装软件之前给虚拟机做一个快照
- 按照讲义中指定的软件安装
- 按照讲义的步骤执行对应的命令，命令的遗漏会对后面的安装造成影响
pip install apache-airflow -i https://pypi.tuna.tsinghua.edu.cn/simple
# 后续不一定需要 如果报错 根据缺少的依赖补齐即可
# 不一定需要
pip install mysqlclient -i https://pypi.tuna.tsinghua.edu.cn/simple
# 不一定需要
pip install SQLAlchemy -i https://pypi.tuna.tsinghua.edu.cn/simple安装过程如下所示：
环境变量
# 设置目录（配置文件）
# 添加到配置文件/etc/profile。未设置是缺省值为 ~/airflow
export AIRFLOW_HOME=/opt/servers/airflow配置的结果如下所示：
初始化环境
airflow initdb执行结果如下所示：
此时我们修改配置文件：
vim /opt/servers/airflow/airflow.cfg查看 sql_alchemy_conn，修改一下内容：
mysql://hive:hive%%40wzk.icu@h122.wzk.icu:3306/airflow_db修改的内容如下所示：
修改之后，保存，重新执行初始化操作（需要在数据库中确认已经建立了 airflow_db）
airflow db init可以看到顺利的执行执行了
查看数据库
可以看到数据库中的表已经通过刚才的指令生成出来了：
创建用户
airflow users create \
--username wzkicu \
--firstname wzk \
--lastname icu \
--role Admin \
--email airflow@wzk.icu生成结果如下图所示：
启动服务
airflow scheduler -D
airflow webserver -D启动结果如下图：
启动结果如下图：
访问服务
http://h122.wzk.icu:8080可以看到访问结果如下所示：
输入刚才创建的账号和密码：
Web界面
- Trigger Dag：人为执行触发
- TreeView：当dag执行的时候，可以点入，查看每个Task的执行状态（基于树状视图），状态：success、running、failed、skipped、retry、queued、no status
- Graph View：基于图视图（有向无环图） 查看每个Task的执行状态
- Tasks Duration：每个Task的执行时间统计，可以选择最近多少次执行
- Task Tries：每个Task的重试次数
- Gantt View：基于甘特图的视图，每个Task的执行状态
- Code View：查看任务执行代码
- Logs：查看执行日志，比如失败原因
- Refresh：刷新dag任务
- DELETE Dag：删除该Dag任务
