Apache Airflow 2.0 发布，Airbnb 开源的调度系统
Apache Airflow 2.0.0 已正式发布，Airflow 是一个灵活、可扩展的工作流自动化和调度系统，可编集和管理数百 PB 的数据流。项目可轻松编排复杂的计算工作流，通过智能调度、数据库和依赖关系管理、错误处理和日志记录，Airflow 可以对从单个服务器到大规模集群的资源进行自动化管理。Airflow 采用 Python 编写，具有高扩展性，能够运行其他语言编写的任务，并允许与常用的体系结构和项目集成，如 AWS S3、Docker、Kubernetes、MySQL、PostgresSQL 等。
下面简单介绍 2.0 版本的主要新特性。
更新 UI
Airflow 2.0 对 UI 进行了重大更新，并升级了部分样式。
引入编写 dag（有向无环图）的新方法：TaskFlow API
新的方法对依赖关系的处理更清晰，XCom 也更易于使用。
示例
from airflow.decorators import dag, task
from airflow.utils.dates import days_ago
@dag(default_args={'owner': 'airflow'}, schedule_interval=None, start_date=days_ago(2))
def tutorial_taskflow_api_etl():
@task
def extract():
return {"1001": 301.27, "1002": 433.21, "1003": 502.22}
@task
def transform(order_data_dict: dict) -> dict:
total_order_value = 0
for value in order_data_dict.values():
total_order_value += value
return {"total_order_value": total_order_value}
@task()
def load(total_order_value: float):
print("Total order value is: %.2f" % total_order_value)
order_data = extract()
order_summary = transform(order_data)
load(order_summary["total_order_value"])
tutorial_etl_dag = tutorial_taskflow_api_etl()
详情查看
TaskFlow API Tutorial
TaskFlow API Documentation
提升 Scheduler 性能
2.0 版本提升了 Airflow Scheduler 性能，启动任务的速度明显变快。在 Astronomer.io 上对此 Scheduler 进行基准测试的结果显示，它的速度快到连开发者都怀疑结果出错了。
Scheduler 现已兼容 HA
支持运行多个 scheduler 实例，这对于弹性使用（如果 scheduler 发生故障）和调度性能都非常有意义。若希望完全使用此功能，需要 Postgres 9.6+ 或 MySQL 8+（MySQL 5 和 MariaDB 可能无法使用多个 scheduler）。
运行多个 scheduler 不需要任何配置或其他设置，只需在其他地方启动 scheduler （确保它可以访问 DAG 文件），它将通过数据库与现有的 scheduler 配合使用。
详情查看 Scheduler HA 文档。
简化 KubernetesExecutor
Airflow 2.0 重新建立了 KubernetesExecutor 架构，为 Airflow 用户提供更快、更容易理解和更灵活的使用方式。用户现在可以访问完整的 Kubernetes API 来创建一个 .yaml pod_template_file，而不是在 airflow.cfg 中指定参数。
此外还用pod_override参数替换了executor_config词典，此项变化从 KubernetesExecutor 删除了三千多行代码，使其运行速度更快，并减少潜在错误。
详情查看
Docs on pod_template_file
Docs on pod_override
完整发布公告 https://airflow.apache.org/blog/airflow-two-point-oh-is-here/。
