Probar código de Airflow

Creación de canalizaciones de datos con Airflow

Volker Janz

Senior Developer Advocate at Astronomer

Tres niveles de testing

Pirámide de tests de Dag

Integridad: ¿carga el Dag sin errores?
Unitarias: ¿la lógica de negocio da resultados correctos?
Integración: ¿el Dag completo corre de extremo a extremo?

Tests de integridad con 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

Por qué fallan los Dags al importar

ModuleNotFoundError

ModuleNotFoundError: falta un paquete de provider o ruta de import incorrecta
NameError: variable o función renombrada, o un typo
ImportError: imports circulares entre archivos de Dag
Los tests de integridad ayudan a evitarlo

Tests unitarios de funciones de tareas

En el archivo del 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]

Extrae la lógica de negocio

En el archivo de tests:

from dags.data_cleaning import (
    clean_record,
)

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

Centra las pruebas unitarias en la lógica de negocio

Tests de integración con 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

Ejecuta el Dag real con entrada controlada y valida la salida

Testing en CI

Canalización de CI

Integridad + unitarias: cada commit (rápidos)
Integración: pull requests o nightly (más lento)
Ningún Dag llega a producción sin pasar las tres

¡Vamos a practicar!

Creación de canalizaciones de datos con Airflow