Freigeben über

Was ist ein Apache Airflow-Auftrag?

Hinweis

Ein Apache Airflow-Auftrag wird von Apache Airflow unterstützt.

Ein Apache Airflow-Auftrag ist die nächste Generation des Workflow Orchestration Managers von Azure Data Factory. Sie bieten einen einfachen und effizienten Weg, um Apache Airflow-Orchestrierungsaufträge zu erstellen und zu verwalten, sodass Sie gerichtete azyklische Graphen (Directed Acyclic Graphs, DAGs) in großem Stil problemlos ausführen können. Sie sind Teil der Data Factory von Fabric, mit der Sie dank einer modernen Datenintegrationsumgebung Daten aus einer Vielzahl von Datenquellen erfassen, vorbereiten und transformieren können, wie z. B. Datenbanken, Data Warehouses, Lakehouses, Echtzeitdaten usw.

Wann können Sie einen Apache Airflow-Auftrag verwenden?

Apache Airflow-Aufträge bieten einen verwalteten Dienst, mit dem Benutzer Python-basierte DAGs (Directed Acyclic Graphs) für die Workflow-Orchestrierung erstellen und verwalten können, ohne sich Gedanken über die zugrundeliegende Infrastruktur machen zu müssen. Wenn Sie Erfahrung mit Apache Airflow haben oder einen codeorientierten Ansatz bevorzugen, ist diese Option ideal. Wenn Sie dagegen eine No-Code-Lösung für die Datenorchestrierung bevorzugen, bieten Datenpipelines eine benutzerfreundliche Alternative, die keine Verwaltung oder das Schreiben von Python-basierten Workflows erfordert.

Wichtige Funktionen

Von Microsoft Fabric gehostete Apache Airflow-Aufträge bieten eine Reihe leistungsstarker Funktionen, darunter:

Wichtige Funktionen Apache Airflow-Auftrag in Fabric Workflow-Orchestrierungs-Manager in Azure Data Factory
Git-Synchronisierung Ja Ja
Aktivieren von AKV (Azure Key Vault) als Back-End Ja Ja
Installieren eines privaten Pakets als Anforderung Ja Ja
Diagnoseprotokolle und Metriken Nein Ja
Blob-Speicher Nein Ja
Apache Airflow-Cluster-IP-Adresse Ja Ja
Autoskalierung zur Verwaltung von Ausführungsspitzen bei Produktionsworkloads Ja Teilweise
Hohe Verfügbarkeit zur Minderung von Ausfallzeiten Ja Nein
Zurückstellbare Operatoren, um im Leerlauf befindliche Operatoren zu unterbrechen und Worker freizusetzen Ja Nein
Anhalten und Fortsetzen der Gültigkeitsdauer (Time To Live, TTL) Ja Nein
SaaSified Experience – 10 Sekunden für die ersten Schritte – Erstellen von DAGs – Kostenlose Testversion von Fabric Ja Nein

Verfügbarkeit der Region

  • Australien (Osten)
  • Australien, Südosten
  • Brasilien, Süden
  • Kanada, Mitte
  • Kanada, Osten
  • Zentralindien
  • Zentrale USA
  • Asien, Osten
  • Osten der USA
  • Ost-USA 2
  • Frankreich, Mitte
  • Deutschland, Westen-Mitte
  • Indonesien Central (in Kürze verfügbar)
  • Israel Zentral
  • Italien Nord
  • Japan, Osten
  • Japan, Westen
  • Zentral-Korea
  • Malaysia West (in Kürze verfügbar)
  • Mexiko Zentral
  • Neuseeland Nord (in Kürze verfügbar)
  • Nordeuropa
  • Norwegen, Osten
  • Polen Zentral
  • Katar Central (in Kürze verfügbar)
  • Spanien Zentral (in Kürze verfügbar)
  • Südafrika, Norden
  • USA Süd Mitte
  • Indien (Süden)
  • Asien, Südosten
  • Schweden, Mitte
  • Schweiz Nord
  • Schweiz, Westen
  • Taiwan Nord (in Kürze verfügbar)
  • Taiwan Northwest (In Kürze verfügbar)
  • Vereinigte Arabische Emirate, Norden
  • UK, Süden
  • Vereinigtes Königreich, Westen
  • Europa, Westen
  • Westliche USA
  • Westliches USA 2
  • Westliches USA 3

Unterstützte Apache Airflow-Versionen

  • 2.10.5

Unterstützung der Python-Version

  • 3.12

Hinweis

Das Ändern der Apache Airflow-Version innerhalb eines vorhandenen Apache Airflow-Auftrags wird derzeit nicht unterstützt. Stattdessen wird empfohlen, einen neuen Apache Airflow-Auftrag mit der gewünschten Version zu erstellen.

Verwandte Inhalte