init: airflow_demo 初始化示例 DAG 集合

hello_world2.py

@@ -0,0 +1,59 @@
+from datetime import datetime, timedelta
+
+# 导入 Airflow 所需的类
+from airflow import DAG
+from airflow.operators.python import PythonOperator
+from airflow.operators.bash import BashOperator
+
+
+# 定义任务最终失败时的回调函数
+def task_failure_callback(context):
+    # 获取当前任务实例
+    task_instance = context["task_instance"]
+
+    # 打印失败任务的名称和所属 DAG 名称
+    print(f"任务执行失败：{task_instance.task_id}")
+    print(f"DAG 名称：{task_instance.dag_id}")
+
+
+# 定义任务的默认参数
+default_args = {
+    "owner": "xiaozhang",  # 任务负责人
+    "depends_on_past": False,  # 不要求依赖上一次运行的结果
+    "email_on_failure": False,  # 关闭邮件失败通知
+    "on_failure_callback": task_failure_callback,  # 任务最终失败时调用
+    "retries": 1,  # 失败后最多额外重试 1 次
+    "retry_delay": timedelta(minutes=5),  # 重试前等待 5 分钟
+}
+
+
+# 定义一个普通的 Python 函数
+def print_hello():
+    print("Hello, World!")
+
+
+# 创建 DAG，也就是工作流
+with DAG(
+    dag_id="hello_world2",  # 改成新的 DAG ID
+    default_args=default_args,
+    description="这个是一个样例",
+    start_date=datetime(2024, 10, 1),
+    schedule_interval="@daily",
+    catchup=False,
+    tags=["demo", "xiaozhang"],
+) as dag:
+
+    # 任务一：执行 Python 函数
+    task1 = PythonOperator(
+        task_id="print_hello",  # 任务 ID
+        python_callable=print_hello,  # 传入函数本身，不加括号
+    )
+
+    # 任务二：执行 Bash 命令
+    task2 = BashOperator(
+        task_id="run_bash_command",  # 任务 ID
+        bash_command='echo "This is a Bash command"',  # 要执行的命令
+    )
+
+    # 设置依赖：task1 成功后，task2 才会执行
+    task1 >> task2