Frameworks de agendamento de workflows

Introdução à Engenharia de Dados

Vincent Vankrunkelsven

Data Engineer, DataCamp

Um pipeline de exemplo

Exemplo de pipeline simples que extrai de CSV usando Spark

Como agendar?

Manualmente
Ferramenta cron
E as dependências?

DAGs

Grafo acíclico direcionado

Conjunto de nós
Arestas direcionadas
Sem ciclos

Exemplo de DAG

As ferramentas certas

cron do Linux
Prefect e Dagster
Apache Airflow

Logo do Apache Airflow

Criado no Airbnb
DAGs
Python

Airflow: um DAG de exemplo

Exemplo de DAG do Airflow

Airflow: um exemplo em código

@dag(dag_id="example_dag",
     start_date=datetime(2024, 1, 1),
     schedule="0 * * * *")
def example_dag():

    @task
    def start_cluster(): ...
    @task
    def ingest_customer_data(): ...
    @task
    def ingest_product_data(): ...
    @task
    def enrich_customer_data(): ...

Airflow: um exemplo em código

@dag(dag_id="example_dag", ...)
def example_dag():
    ...
    # Set up dependency flow
    cluster = start_cluster()
    customers = ingest_customer_data()
    products = ingest_product_data()
    cluster >> [customers, products]
    [customers, products] >> enrich_customer_data()
# Run the DAG
example_dag()

Vamos praticar!

Introdução à Engenharia de Dados