init: airflow_demo 初始化示例 DAG 集合

branch_example.py

@@ -0,0 +1,166 @@
+# 导入 DAG 类，用于定义工作流
+from airflow import DAG
+
+# 导入 PythonOperator：执行普通的 Python 函数
+# 导入 BranchPythonOperator：根据 Python 函数的返回值选择执行分支
+from airflow.operators.python import PythonOperator, BranchPythonOperator
+
+# 导入 DummyOperator：空操作任务，用于组织任务依赖关系
+from airflow.operators.dummy import DummyOperator
+
+# 导入 TriggerRule：用于设置任务的触发规则
+from airflow.utils.trigger_rule import TriggerRule
+
+# 导入 datetime，用于设置 DAG 的开始日期
+from datetime import datetime
+
+# 导入 random，用于生成随机数
+import random
+
+
+# ==================== 1. 定义分支选择函数 ====================
+
+def choose_branch(**kwargs):
+    """
+    分支选择函数。
+
+    BranchPythonOperator 执行该函数，
+    根据函数的返回值决定执行哪个下游任务。
+
+    **kwargs：接收 Airflow 自动传入的任务上下文参数。
+    """
+
+    # 随机生成 1～3 之间的整数，包含 1 和 3
+    random_number = random.randint(1, 3)
+
+    # 将生成的随机数输出到任务日志中，方便调试
+    print(f'Random number generated: {random_number}')
+
+    # 根据随机数选择执行的分支
+    # 注意：返回值必须是下游任务的 task_id
+
+    if random_number == 1:
+        return 'task_a'  # 随机数为 1，选择 A 分支
+
+    elif random_number == 2:
+        return 'task_b'  # 随机数为 2，选择 B 分支
+
+    else:
+        return 'task_c'  # 随机数为 3，选择 C 分支
+
+
+# ==================== 2. 定义普通任务函数 ====================
+
+def print_task(task_name):
+    """
+    普通任务函数。
+
+    task_name：任务名称，用于区分不同的分支任务。
+    """
+
+    # 输出当前执行的任务名称
+    print(f'Executing {task_name}')
+
+
+# ==================== 3. 创建 DAG 工作流 ====================
+
+with DAG(
+    # DAG 的唯一标识符
+    dag_id='branch_example',
+
+    # 设置调度周期为每天执行一次
+    schedule_interval='@daily',
+
+    # 设置 DAG 开始日期
+    start_date=datetime(2026, 10, 1),
+
+    # 开启历史补跑
+    # Airflow 会根据调度规则处理开始日期之后符合条件的历史调度周期
+    catchup=True,
+
+    # 设置 DAG 标签，方便在 Airflow 页面中查找
+    tags=['demo']
+
+) as dag:
+
+    # ==================== 4. 定义分支选择任务 ====================
+
+    branching_task = BranchPythonOperator(
+        # 任务 ID
+        task_id='branching_task',
+
+        # 指定执行的 Python 函数
+        # 函数的返回值决定执行哪个下游分支
+        python_callable=choose_branch,
+    )
+
+    # ==================== 5. 定义 A 分支任务 ====================
+
+    task_a = PythonOperator(
+        # 任务 ID，必须与分支函数返回的名称一致
+        task_id='task_a',
+
+        # 使用 lambda 创建一个无参数函数
+        # 执行任务时，调用 print_task('Task A')
+        python_callable=lambda: print_task('Task A'),
+    )
+
+    # ==================== 6. 定义 B 分支任务 ====================
+
+    task_b = PythonOperator(
+        # B 分支的任务 ID
+        task_id='task_b',
+
+        # 执行时打印 Task B
+        python_callable=lambda: print_task('Task B'),
+    )
+
+    # ==================== 7. 定义 C 分支任务 ====================
+
+    task_c = PythonOperator(
+        # C 分支的任务 ID
+        task_id='task_c',
+
+        # 执行时打印 Task C
+        python_callable=lambda: print_task('Task C'),
+    )
+
+    # ==================== 8. 定义结束任务 ====================
+
+    end_task = DummyOperator(
+        # 结束任务的 ID
+        task_id='end_task',
+
+        # 设置触发规则：
+        # 所有上游任务中没有失败的任务，并且至少有一个上游任务成功，
+        # 当前任务就可以执行。
+        #
+        # 因为分支选择会把未选中的任务标记为 skipped，
+        # 所以不能简单使用默认的 all_success，
+        # 否则 end_task 可能因为存在 skipped 上游任务而被跳过。
+        trigger_rule=TriggerRule.NONE_FAILED_MIN_ONE_SUCCESS,
+    )
+
+    # ==================== 9. 设置任务依赖关系 ====================
+
+    # 分支任务执行完成后，根据返回值选择一个分支：
+    #
+    # 返回 'task_a' -> 执行 task_a
+    # 返回 'task_b' -> 执行 task_b
+    # 返回 'task_c' -> 执行 task_c
+    #
+    # 未被选中的分支会被标记为 skipped。
+    #
+    # 被选中的分支执行完成后，end_task 在满足触发规则时执行。
+
+    branching_task >> [task_a, task_b, task_c] >> end_task
+
+    # 上面的依赖关系等价于：
+    #
+    # branching_task >> task_a
+    # branching_task >> task_b
+    # branching_task >> task_c
+    #
+    # task_a >> end_task
+    # task_b >> end_task
+    # task_c >> end_task