airflow 和xxl-job

### Airflow 和 XXL-Job 的特点与差异

#### 定义与起源
Airflow 是由 Airbnb 开源的一款基于 Python 实现的任务调度工具，最初于 2014 年启动并于次年春天正式对外公布其源码[^1]。而 XXL-JOB 则是一个分布式任务调度平台，采用 Java 进行开发，在国内拥有较高的知名度。

#### 架构设计
Airflow 使用有向无环图 (Directed Acyclic Graph, DAG) 来描述作业流程中的各个节点及其依赖关系，这使得它能够灵活处理复杂的工作流逻辑并提供良好的可扩展性和维护性。相比之下，XXL-JOB 更侧重于简单易用的任务管理和执行机制，提供了图形化的界面用于配置定时任务以及监控运行状态。

#### 功能特性
- **编程语言**: Airflow 主要面向熟悉 Python 编程环境的开发者；XXL-JOB 针对的是更广泛的Java生态系统的使用者群体。

- **社区支持与文档质量**: Airflow 加入了 Apache 孵化器项目，并且有着活跃的国际社区贡献者队伍为其持续改进功能特性和修复漏洞问题; 反观 XXL-JOB 虽然在国内有一定的用户基础和技术交流圈子，但在全球范围内的影响力相对较小一些。

- **部署方式灵活性**: Airflow 支持多种数据库作为元数据存储后端选项(如 MySQL、PostgreSQL)，同时也兼容 Kubernetes 等容器编排框架下的弹性伸缩需求; 对于 XXL-JOB，则通常建议搭配 Zookeeper 或 Redis 实现高可用集群模式下的协调管理服务。

- **可视化操作体验**: 尽管两者都具备 Web UI 接口供管理员查看历史记录或调整参数设置等功能，不过 Airflow 的前端页面更加注重数据分析场景的应用展示效果，内置丰富的图表组件辅助理解业务指标变化趋势；XXL-JOB 的UI则更为简洁直观，适合快速上手入门级别的运维人员使用。

from airflow import DAG
from datetime import timedelta
from airflow.operators.bash_operator import BashOperator

default_args = {
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': days_ago(2),
}

dag = DAG(
    dag_id='example_bash_operator', 
    default_args=default_args,
    schedule_interval=timedelta(days=1))

t1 = BashOperator(task_id='print_date', bash_command='date', dag=dag)