Airflow-Code testen

Data-Pipelines mit Airflow aufbauen

Volker Janz

Senior Developer Advocate at Astronomer

Drei Testebenen

Dag testing pyramid

Integrität: Lädt der Dag ohne Fehler?
Unit: Liefert die Geschäftslogik korrekte Ergebnisse?
Integration: Läuft der gesamte Dag End-to-End?

Integritätstests mit DagBag

from airflow.models import DagBag


dag_bag = DagBag(include_examples=False)


def test_no_import_errors():
    assert len(dag_bag.import_errors) == 0


def test_dag_loaded():
    assert "daily_etl" in dag_bag.dags

Warum Dags beim Import brechen

ModuleNotFoundError

ModuleNotFoundError: fehlendes Provider-Paket oder falscher Importpfad
NameError: umbenannte Variable/Funktion oder Tippfehler
ImportError: zyklische Importe zwischen Dag-Dateien
Integritätstests helfen, diese Probleme zu vermeiden

Unit-Tests für Task-Funktionen

In der Dag-Datei:

def clean_record(record):
    return {
        "name": record["name"].strip(),
        "email": record["email"].lower(),
    }

@task
def transform(records):
    return [clean_record(r)
            for r in records]

Geschäftslogik auslagern

In der Testdatei:

from dags.data_cleaning import (
    clean_record,
)

def test_strips_whitespace():
    result = clean_record(
      {"name": "  Alice  ",
       "email": "[email protected]"}
    )
    assert result["name"] == "Alice"

Richte Unit-Tests auf die Geschäftslogik

Integrationstests mit dag.test()

import pytest
from airflow.models import DagBag
from pendulum import datetime

dag_bag = DagBag(include_examples=False)


def test_etl_pipeline():
    dag = dag_bag.get_dag("etl_output")
    assert dag is not None

    dag.test(logical_date=datetime(2026, 1, 15))

    output = Path("/tmp/etl_results.json")
    assert output.exists()
    results = json.loads(output.read_text())
    assert len(results) == 2

Führe den echten Dag mit kontrolliertem Input aus und prüfe den Output

Testen in CI

CI pipeline

Integrität + Unit: bei jedem Commit (schnell)
Integration: bei Pull Requests oder nachts (langsamer)
Kein Dag geht in Produktion ohne alle drei zu bestehen

Lass uns üben!

Data-Pipelines mit Airflow aufbauen