编辑“︁Airflow命令行工具”︁（章节）

= Airflow命令行工具 =

'''Airflow命令行工具'''是Apache Airflow提供的核心功能之一，允许用户通过终端直接与Airflow进行交互，执行任务调度、DAG管理、任务触发等操作。它是初学者和高级用户管理Airflow工作流的重要工具。

== 介绍 ==
Airflow的命令行接口（CLI）基于Python的`argparse`库构建，提供了丰富的子命令来操作Airflow的各个组件。通过CLI，用户可以：
* 启动/停止Airflow服务（如Web服务器、调度器）
* 手动触发或停止DAG运行
* 检查任务状态和日志
* 测试单个任务
* 管理数据库连接和变量

== 基础命令 ==
以下是Airflow CLI的核心命令分类及示例：

=== 服务管理 ===
<syntaxhighlight lang="bash">
# 启动Web服务器（默认端口8080）
airflow webserver --port 8080

# 启动调度器
airflow scheduler
</syntaxhighlight>

=== DAG操作 ===
<syntaxhighlight lang="bash">
# 列出所有DAGs
airflow dags list

# 手动触发DAG运行
airflow dags trigger --exec-date "2023-01-01" example_dag

# 暂停/取消暂停DAG
airflow dags pause example_dag
airflow dags unpause example_dag
</syntaxhighlight>

=== 任务操作 ===
<syntaxhighlight lang="bash">
# 测试特定任务
airflow tasks test example_dag extract_data 2023-01-01

# 查看任务实例状态
airflow tasks states-for-dag-run example_dag 2023-01-01T00:00:00+00:00
</syntaxhighlight>

== 高级用法 ==

=== 变量管理 ===
<syntaxhighlight lang="bash">
# 设置变量
airflow variables set my_key "my_value"

# 导出所有变量到JSON文件
airflow variables export variables.json
</syntaxhighlight>

=== 连接管理 ===
<syntaxhighlight lang="bash">
# 添加数据库连接
airflow connections add \
    --conn-type postgres \
    --conn-host localhost \
    --conn-login user \
    --conn-password password \
    my_postgres_conn
</syntaxhighlight>

== 实际案例 ==

=== 场景：调试失败的任务 ===
1. 检查失败的任务ID：
<syntaxhighlight lang="bash">
airflow tasks list example_dag --tree
</syntaxhighlight>

2. 查看具体日志：
<syntaxhighlight lang="bash">
airflow tasks show example_dag extract_data 2023-01-01
</syntaxhighlight>

3. 本地测试该任务：
<syntaxhighlight lang="bash">
airflow tasks test example_dag extract_data 2023-01-01
</syntaxhighlight>

=== 场景：批量操作 ===
使用xargs批量重试失败的任务：
<syntaxhighlight lang="bash">
airflow tasks list example_dag --state failed | xargs -I {} airflow tasks retry example_dag {} 2023-01-01
</syntaxhighlight>

== 命令结构图 ==
<mermaid>
graph TD
    A[airflow] --> B[webserver]
    A --> C[scheduler]
    A --> D[dags]
    A --> E[tasks]
    A --> F[variables]
    A --> G[connections]
    D --> D1[list]
    D --> D2[trigger]
    D --> D3[pause]
    E --> E1[test]
    E --> E2[states-for-dag-run]
</mermaid>

== 常见问题 ==

'''Q: 如何查看所有可用命令？'''
<syntaxhighlight lang="bash">
airflow --help
</syntaxhighlight>

'''Q: 命令执行无响应？'''
检查Airflow是否已正确初始化数据库：
<syntaxhighlight lang="bash">
airflow db init
</syntaxhighlight>

== 最佳实践 ==
* 在生产环境中，建议使用`--daemon`参数后台运行服务：
<syntaxhighlight lang="bash">
airflow webserver --daemon
</syntaxhighlight>

* 对于复杂操作，可以结合Python API使用：
<syntaxhighlight lang="python">
from airflow.api.client.local_client import Client
client = Client(None, None)
client.trigger_dag(dag_id='example_dag', run_id='manual_001')
</syntaxhighlight>

== 数学表达 ==
Airflow使用指数退避算法进行任务重试，延迟时间计算：
<math>
delay = base\_delay \times 2^{(attempt\_number - 1)}
</math>
其中<math>base\_delay</math>是配置的基础延迟时间，<math>attempt\_number</math>是当前重试次数。

== 总结 ==
Airflow命令行工具提供了全面控制工作流的能力，从简单的服务管理到复杂的调试操作。掌握CLI可以显著提高Airflow的使用效率，特别是在开发和故障排除阶段。建议用户定期查阅官方文档以获取最新命令和参数。

[[Category:大数据框架]]
[[Category:Airflow]]
[[Category:Airflow基础]]