为什么我的任务没有安排好？
您的任务可能无法安排的原因有很多。 以下是一些常见原因：
- 您的脚本是否“编译”，Airflow引擎是否可以解析它并找到您的DAG对象。 要对此进行测试，您可以运行
airflow list_dags并确认您的DAG显示在列表中。 您还可以运行airflow list_tasks foo_dag_id --tree并确认您的任务按预期显示在列表中。 如果您使用CeleryExecutor，您可能需要确认这既适用于调度程序运行的位置，也适用于工作程序运行的位置。 - 包含DAG的文件是否在内容的某处包含字符串“airflow”和“DAG”？ 在搜索DAG目录时，Airflow忽略不包含“airflow”和“DAG”的文件，以防止DagBag解析导入与用户的DAG并置的所有python文件。
- 你的
start_date设置正确吗？ 在传递start_date + scheduler_interval之后，Airflow调度程序会立即触发任务。 - 您的
schedule_interval设置正确吗？ 默认schedule_interval是一天（datetime.timedelta(1)）。 您必须直接为实例化的DAG对象指定不同的schedule_interval，而不是default_param，因为任务实例不会覆盖其父DAG的schedule_interval。 - 您的
start_date超出了在UI中可以看到的位置吗？ 如果将start_date设置为3个月之前的某个时间，您将无法在UI的主视图中看到它，但您应该能够在Menu -> Browse ->Task Instances看到它。 - 是否满足任务的依赖性。 直接位于任务上游的任务实例需要处于
success状态。 此外，如果已设置depends_on_past=True，则上一个任务实例需要成功（除非它是该任务的第一次运行）。 此外，如果wait_for_downstream=True，请确保您了解其含义。 您可以从Task Instance Details页面查看如何设置这些属性。 - 您需要创建并激活DagRuns吗？ DagRun表示整个DAG的特定执行，并具有状态（运行，成功，失败，......）。 调度程序在向前移动时创建新的DagRun，但永远不会及时创建新的DagRun。 调度程序仅评估
runningDagRuns以查看它可以触发的任务实例。 请注意，清除任务实例（从UI或CLI）确实将DagRun的状态设置为恢复运行。 您可以通过单击DAG的计划标记来批量查看DagRuns列表并更改状态。 - 是否达到了DAG的
concurrency参数？concurrency定义了允许DAGrunning任务实例的数量，超过这一点，事物就会排队。 - 是否达到了DAG的
max_active_runs参数？max_active_runs定义允许的DAGrunning并发实例的数量。
您可能还想阅读文档的“计划程序”部分，并确保完全了解其进度。
如何根据其他任务的失败触发任务？
查看文档“概念Trigger Rule部分中的“ Trigger Rule部分
安装airflow [crypto]后，为什么连接密码仍未在元数据db中加密？
查看文档“配置”部分中的“ Connections部分
