一篇深入解析 Apache Airflow 调度机制的文章在开发者社区引发讨论。文章直面一个常见疑问：既然 Cron 简单可靠，为何还要引入 Airflow？
核心论点在于两者解决的是不同问题。Cron 是任务调度器，只在固定时间执行命令，不关心执行结果、依赖关系或当日是否该运行。Airflow 是工作流编排器，将任务建模为依赖图，跟踪状态、自动重试失败任务，并提供可视化界面查看运行情况。
文章用一个典型 ETL 场景说明差异：从 API 提取数据、校验清洗、加载仓库、运行转换、失败告警。用 Cron 需写五条独立条目，步骤 2 失败后步骤 3 仍会运行，可能污染数据仓库。Airflow 通过 DAG 保证执行顺序，校验失败则后续任务自动跳过。
Airflow 的调度机制也不同于直觉：它基于数据间隔而非墙钟时间调度。每日 6 点的调度实际处理的是前一个时间间隔的数据。若部署新 DAG 时设置了较早的起始日期，Airflow 会立即为错过的每个间隔创建回填任务。
生产环境中的关键差异在于故障处理。Cron 任务静默失败、日志分散、回填需手动按序重跑。Airflow 集中跟踪任务状态、执行历史、重试次数和 SLA，可用一条命令回填日期范围，还能添加传感器等待外部数据就绪。
文章也承认 Cron 的适用场景：简单独立任务、少于约 5 个脚本的小规模自动化、静默失败可接受的情况。一旦工作流涉及依赖、重试、告警或跨团队可见性需求，Airflow 的价值就体现出来。
#GitHub #开源 #Airflow #数据工程 #ETL #工作流编排 #Python
@GitHubTrendingHub