airflow官方dag怎么定义

Airflow中的DAG（Directed Acyclic Graph）是用于描述工作流程的一系列任务，以及这些任务之间的依赖关系。官方推荐使用Python脚本来定义DAG，因为Airflow本身就是一个Python应用，而使用Python定义DAG可以充分利用Airflow提供的各种功能和灵活性。

定义一个官方DAG的基本步骤如下：

1. 导入必要的Airflow模块，如DAG类、Operator类等。
2. 创建一个DAG实例，需要提供一个唯一的DAG ID和一些参数，比如开始时间、调度频率等。
3. 使用Operators来定义具体的工作任务。Operator是Airflow中执行任务的模板，Airflow提供多种预定义的Operator，如BashOperator、PythonOperator、EmailOperator等。
4. 设置任务之间的依赖关系，以确定任务的执行顺序。
5. （可选）设置任务的重试机制、超时时间、优先级等高级特性。

以下是一个简单的DAG定义示例：

from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from airflow.utils.dates import days_ago

# 定义DAG参数
default_args = {
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': days_ago(2),
    'email': ['airflow@example.com'],
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': timedelta(minutes=5),
}

# 创建DAG实例
dag = DAG(
    'example_dag',
    default_args=default_args,
    description='Example DAG using the BashOperator',
    schedule_interval=timedelta(days=1),
)

# 定义任务
task1 = BashOperator(
    task_id='print_date',
    bash_command='date',
    dag=dag,
)

task2 = BashOperator(
    task_id='sleep',
    bash_command='sleep 5',
    retries=3,
    dag=dag,
)

# 设置任务依赖关系
task2.set_upstream(task1)

在这个例子中，我们定义了一个包含两个任务的DAG。第一个任务是打印当前日期，第二个任务是休眠5秒。第二个任务依赖于第一个任务的完成。