Apache Superset es una aplicación web de inteligencia de negocios de autoservicio para explorar datos, crear gráficos y dashboards, y ejecutar SQL en múltiples bases de datos.
75,2 mil18,5 milPythonApache-2.0Actualizado hace 40 minutos
apache/airflow
Apache Airflow es una plataforma para crear, programar y supervisar mediante código flujos de trabajo definidos en Python (Dags).
- Estrellas
- 47,223
- Forks
- 18,089
- Issues abiertos
- 1,877
- Último commit
- hace 9 horas
¿Qué es?
Apache Airflow permite definir flujos de trabajo como código. Cada flujo es un Dag compuesto por tareas con dependencias, y el scheduler ejecuta esas tareas en un conjunto de workers en el orden que requieren las dependencias. Como los pipelines son Python convencional, se pueden generar dinámicamente, parametrizar con plantillas Jinja y mantener bajo control de versiones y con pruebas.
El proyecto ofrece una interfaz web para consultar todos los Dags, el estado de sus ejecuciones, una vista de cuadrícula a lo largo del tiempo, un grafo de dependencias para una ejecución concreta, backfills en intervalos de fechas y el código fuente de cada Dag. Las utilidades de línea de comandos permiten realizar operaciones con los Dags. Airflow se instala desde PyPI o mediante imágenes de Docker, y es compatible con Kubernetes y varias bases de datos.
Airflow está pensado para pipelines por lotes, en su mayoría estáticos, y no para streaming en tiempo real. Se usa ampliamente en trabajos ETL y ELT, así como para orquestar pasos de pipelines de machine learning y LLM, como la preparación de datos, la invocación de modelos y la evaluación. Se espera que las tareas sean idempotentes; para grandes volúmenes de datos, es mejor recurrir a servicios externos.
Funciones clave
- 01Definición de flujos de trabajo como código Python, con generación dinámica de Dags y plantillas Jinja.
- 02El scheduler ejecuta tareas en un conjunto de workers y respeta sus dependencias.
- 03Interfaz web con vistas de cuadrícula, grafo y activos, además del estado de las ejecuciones y compatibilidad con backfills.
- 04Operadores integrados, ampliables mediante distribuciones de proveedores.
- 05Utilidades de línea de comandos para administrar Dags y realizar operaciones.
- 06Instalación mediante pip o imágenes de Docker, con compatibilidad con Kubernetes.
Casos de uso
- Programar y supervisar pipelines de datos ETL o ELT nocturnos.
- Orquestar las etapas de entrenamiento, evaluación y despliegue de modelos de machine learning.
- Coordinar etapas de un pipeline de LLM o IA, como la preparación de datos y las llamadas a modelos.
Inicio rápido
- 1
Instala el paquete apache-airflow desde PyPI, tal como se describe en la sección «Installing from PyPI» del README
- 2
Sigue la guía oficial de inicio para ejecutar Airflow
Antes de usarlo
- Windows no tiene compatibilidad nativa; usa WSL2 o contenedores Linux.
- SQLite es solo para pruebas y no debe utilizarse en producción.
- La instalación desde PyPI puede resultar complicada por la gestión de dependencias.
Temas
Preguntas frecuentes
- ¿Qué es airflow?
- Apache Airflow es una plataforma para crear, programar y supervisar mediante código flujos de trabajo definidos en Python (Dags). Apache Airflow permite definir flujos de trabajo como código. Cada flujo es un Dag compuesto por tareas con dependencias, y el scheduler ejecuta esas tareas en un conjunto de workers en el orden que requieren las dependencias. Como los pipelines son Python convencional, se pueden generar dinámicamente, parametrizar con plantillas Jinja y mantener bajo control de versiones y con pruebas.
- ¿airflow es gratuito? ¿Qué licencia tiene?
- airflow es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿airflow sigue mantenido?
- Mantenimiento activo. El último commit de airflow fue el 20 oct 2026.
- ¿Para qué puedo usar airflow?
- Programar y supervisar pipelines de datos ETL o ELT nocturnos. Orquestar las etapas de entrenamiento, evaluación y despliegue de modelos de machine learning. Coordinar etapas de un pipeline de LLM o IA, como la preparación de datos y las llamadas a modelos.
- ¿Cómo se instala airflow?
- Instala el paquete apache-airflow desde PyPI, tal como se describe en la sección «Installing from PyPI» del README Sigue la guía oficial de inicio para ejecutar Airflow
- ¿Dónde consigo airflow?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/apache/airflow
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Kit de herramientas que genera interfaces de línea de comandos nativas para agentes a partir de software existente e incluye CLI-Hub, un registro para instalar CLIs listas para usar.
55,6 mil5 milPythonApache-2.0Actualizado hace 29 días
Framework de bajo nivel para Python que permite crear agentes con estado y de larga duración, con ejecución duradera, intervención humana y memoria.
43,6 mil7,4 milPythonMITActualizado hace 11 horas
Curso online gratuito y autoguiado de 9 semanas sobre MLOps: seguimiento de experimentos, orquestación, despliegue, monitorización y buenas prácticas.
15,5 mil3,1 milJupyter NotebookSin licenciaActualizado hace 5 días
Framework de Python para crear y coordinar sistemas multiagente con flujos de trabajo secuenciales, concurrentes, basados en grafos y jerárquicos.
7,3 mil1,1 milPythonApache-2.0Actualizado anteayer
Alternativa gratuita y totalmente local a Logitech Options+ para reasignar botones y controlar ratones Logitech HID++ en Windows, macOS y Linux.
5,3 mil209PythonMITActualizado ayer