airflow

定时任务写成代码全自动跑，睡醒数据已备好

Apache 基金会旗下的工作流编排平台，支持以代码方式（Python）编程式地定义、调度与监控数据管道。凭借丰富的算子生态、可靠的调度机制和活跃的社区，Airflow 已成为数据工程领域事实上的标准工具，被广泛应用于 ETL、批处理及机器学习任务的定时编排。DAG 可视化界面也让任务依赖一目了然。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 46947

维护状态活跃

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队apache

所属国家

官网地址https://airflow.apache.org

GitHubhttps://github.com/apache/airflow

定价模式free

价格说明Apache Airflow 为开源项目，采用 Apache-2.0 许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型airflow,apache,apache-airflow,automation,dag,data-engineering,data-integration,data-orchestrator,data-pipelines,data-science,elt,etl,machine-learning,mlops,orchestration,python,scheduler,workflow,workflow-engine,workflow-orchestration

GitHub 星标★ 46947

30天Star增速

HF 下载量

上线时间2015-04-13 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数10

使用教程

难度：进阶约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 环境，且版本需与所选 constraints 文件名对应（示例为 3.10）
pip 或 uv（README 明确目前官方仅支持这两种安装方式）
能访问 PyPI 与 raw.githubusercontent.com 下载依赖和约束文件

安装与启动步骤

1确认 Python 版本

constraints 文件按 Python 主次版本区分，示例 URL 对应 3.10，先确认本机 Python 版本再选文件。
```
python --version
```

2安装 Airflow

README 强调直接 pip install 可能装出不可用环境，必须带上官方 constraints 文件。

pip install 'apache-airflow==3.3.0' --constraint "https://raw.githubusercontent.com/apache/airflow/constraints-3.3.0/constraints-3.10.txt"

3按需安装 extras

需要 postgres、google 等额外组件时用 extras 语法安装，版本与约束文件保持一致。

pip install 'apache-airflow[postgres,google]==3.3.0' --constraint "https://raw.githubusercontent.com/apache/airflow/constraints-3.3.0/constraints-3.10.txt"

4查看后续官方文档

README 未给出启动 Web UI、初始化数据库等命令，本地开发环境安装请看仓库 INSTALLING.md。

关键配置

配置项	必填	说明	示例
`Airflow 版本/分支 tag`	是	决定 constraints 文件路径，需与实际安装版本一致	`3.3.0`
`Python 主次版本`	是	constraints 文件名后缀，需与本机 Python 版本一致	`3.10`
`constraint 约束文件 URL`	是	官方维护的“已知可用”依赖组合，保证可重复安装	`https://raw.githubusercontent.com/apache/airflow/constraints`
`extras`	否	按需追加的组件，如 postgres、google	`postgres,google`

如何确认成功

安装过程无报错即视为成功；README 未提供启动验证命令，启动与验证方式请按官网 installation/start 文档操作。

常见问题

Q：为什么不能直接 pip install apache-airflow？

A：README 说明 Airflow 兼具库与应用属性，依赖保持开放，不加 constraints 可能装出不可用环境，因此务必带 --constraint。

Q：可以用 Poetry 或 pip-tools 安装吗？

A：README 明确目前官方只支持 pip 和 uv；若使用其他工具，需自行把约束文件转换为其格式和工作流。

Q：怎么安装 postgres、google 等额外组件？

A：使用 extras 语法，如 apache-airflow[postgres,google]，并保持版本号与约束文件 URL 一致。

Q：完整的本地开发环境安装步骤在哪里？

A：见仓库中的 INSTALLING.md，以及官网的 installing、start 和 tutorial 文档。

Q：constraints URL 里的 3.3.0 和 3.10 分别是什么？

A：前者是 Airflow 的版本 tag/分支，后者是 Python 主次版本，两者都必须与实际环境匹配。

注意事项

本文命令全部来自 README 的 PyPI 安装章节，README 未给出启动 Web UI、初始化数据库等命令，请勿臆造。
constraints 文件按 Python 主次版本分别维护，选错文件会导致依赖不兼容。
README 提到有时直接安装会失败或产生不可用安装，遇到问题优先检查约束文件 URL 是否正确。
provider（如各类 operators）安装方式见官网 providers 文档。

核心亮点

基于Python的DAG编程模型，支持复杂工作流的有向无环图定义，灵活性和可扩展性强
丰富的调度与重试机制，支持cron表达式、依赖触发及失败重试，适合生产级任务编排
成熟的生态与社区，提供大量内置操作符（如AWS、GCP、Kubernetes），且与数据工程工具集成广泛

不足之处

配置和部署复杂度较高，尤其在生产环境需要管理调度器、数据库等组件
任务调度延迟在秒级，不适合毫秒级实时工作流
文档/社区待观察

适用场景

企业级数据管道编排，如ETL/ELT流程的定时调度与监控
跨系统任务依赖管理，如数据仓库、机器学习训练与模型部署的串联
需要可视化运维和审计日志的复杂工作流平台

替代项目

Prefect、Luigi、Dagster

项目介绍

airflow 是自动化工作流领域的开源项目，由 apache 开发，2015 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（46,947）位列前 1%，在自动化工作流分类的 509 个项目里位列前 2%。

近 42 天，它的 GitHub 星标从 46,452 增加到 46,947，净增 495。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。Apache Airflow 为开源项目，采用 Apache-2.0 许可证，可免费使用和部署。

它主要面向的使用场景是：企业级数据管道编排，如ETL/ELT流程的定时调度与监控。同类可对比的替代方案包括 Prefect、Luigi、Dagster。

上一篇：browser-use

下一篇：argo-workflows