编辑“︁Airflow DAG部署流程”︁（章节）

== DAG部署方法 ==  

=== 手动部署 ===  
最简单的部署方式是将DAG文件手动复制到Airflow服务器的`dags/`文件夹中。适用于小型团队或测试环境，但不推荐用于生产环境。  

<syntaxhighlight lang="bash">  
# 示例：手动复制DAG文件到Airflow目录  
cp my_dag.py /opt/airflow/dags/  
</syntaxhighlight>  

=== 使用版本控制系统（Git） ===  
结合Git和自动化工具（如GitHub Actions、GitLab CI/CD）可实现更可靠的部署。  

==== 示例：GitHub Actions部署流程 ====  
以下是一个GitHub Actions工作流示例，用于在代码推送到`main`分支时自动部署DAG文件：  

<syntaxhighlight lang="yaml">  
name: Deploy DAG to Airflow  

on:  
  push:  
    branches: [ "main" ]  

jobs:  
  deploy:  
    runs-on: ubuntu-latest  
    steps:  
      - uses: actions/checkout@v3  
      - name: Copy DAG to remote server  
        run: |  
          scp -o StrictHostKeyChecking=no my_dag.py user@airflow-server:/opt/airflow/dags/  
</syntaxhighlight>  

=== 使用容器化部署（Docker/Kubernetes） ===  
在容器化环境中，DAG文件可以打包到Docker镜像中，或通过持久化存储（如Kubernetes ConfigMap）动态加载。  

==== 示例：Kubernetes ConfigMap ====  
将DAG文件定义为Kubernetes ConfigMap，并挂载到Airflow Pod中：  

<syntaxhighlight lang="yaml">  
apiVersion: v1  
kind: ConfigMap  
metadata:  
  name: airflow-dags  
data:  
  my_dag.py: |  
    from airflow import DAG  
    from airflow.operators.python import PythonOperator  

    with DAG("example_dag", schedule_interval="@daily") as dag:  
        task = PythonOperator(task_id="print_hello", python_callable=lambda: print("Hello!"))  
</syntaxhighlight>