Apache Airflow

platzi tiene un curso de airtflow?

Airflow de Zero a Hero por la Comunidad de Data Engineering LATAM

https://www.youtube.com/watch?v=a3lSQr22RN4

Con este servicio podremos orquestar y automatizar todo un proyecto de BigData.

Características

• Apache Airflow permite crear, monitorear y orquestar los flujos de trabajo.
• Los Pipelines son configurados usando Python.
• Es muy flexible, permite modificación de executors, operators y demás entidades dentro de Airflow. Aquí podemos utilizar scripts de bash, scripts de Python, podemos implementar emails para notificaciones, podemos integrarlo con bases de datos relacionales, a brokers como Redis, a colas, etc.
• Este servicio es Open Source, por lo cual, se puede implementar en AWS de diferentes formas: trabajarlo con contenedores en AWS o trabajarlo con instancias EC2, pero la mejor opción es trabajarlo dentro de GCP, a través de un servicio llamado Cloud Composer que es una integración de Apache Airflow totalmente administrado. Esta es la mejor opción que existe en el mercado para orquestar y automatizar flujos de proyectos de BigData.

Conceptos fundamentales

• DAG: Directed Acyclic Grap, es una colección de todas las tareas de las que se requiere que corran con sus dependencias y relaciones. Es así como a través del DAG podemos especificar todo un sistema de dependencias y esas dependencias se pueden ejecutar basados en diferentes sensores.
• Operator: Describe una tarea que corre independiente de las otras tareas.

Otra buena alternativa para implementar Airflow en cloud es Astronomer.

https://www.astronomer.io/

@czam01 me podrias recomendar algun producto de AWS con el cual pueda hacer trigger de mi worklow con Step Functions?

Apache Airflow te permite automatizar y orquestar todo tu proyecto de Big Data. Algunas características importantes:

Permite crear, monitorear y orquestar flujos de trabajo.
Los pipeline son configurados usando Python.
La estructura básica dentro de Apache Airflow se llama Directed Acyclic Grap (DAG), es un colección de todas las tareas que se requieren correr con sus dependencias.

Apache Airflow bastante potente>
is an open-source workflow management platform. It started at Airbnb in October 2014 as a solution to manage the company’s increasingly complex workflows. Creating Airflow allowed Airbnb to programmatically author and schedule their workflows and monitor them via the built-in Airflow user interface.