Testarea codului Airflow

Construirea pipeline-urilor de date cu Airflow

Volker Janz

Senior Developer Advocate at Astronomer

Trei niveluri de testare

Piramida de testare a DAG-ului

Integritate: DAG-ul se încarcă fără erori?
Unitate: logica de business produce rezultate corecte?
Integrare: DAG-ul rulează complet end-to-end?

Teste de integritate cu 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

De ce eșuează DAG-urile la import

ModuleNotFoundError

ModuleNotFoundError: pachet provider lipsă sau cale de import incorectă
NameError: variabilă sau funcție redenumită, sau greșeală de scriere
ImportError: importuri circulare între fișierele DAG
Testele de integritate ajută la evitarea acestor probleme

Testarea de unitate a funcțiilor de task

În fișierul DAG:

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]

Extrage logica de business

În fișierul de teste:

from dags.data_cleaning import (
    clean_record,
)

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

Concentrează testele de unitate pe logica de business

Teste de integrare cu 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

Rulează DAG-ul efectiv cu date de intrare controlate și validează rezultatul

Testarea în CI

Pipeline CI

Integritate + unitate: la fiecare commit (rapid)
Integrare: la pull request-uri sau nocturn (mai lent)
Niciun DAG nu ajunge în producție fără a trece toate cele trei niveluri

Hai să exersăm!

Construirea pipeline-urilor de date cu Airflow