¿Qué describe mejor a Apache Airflow?

Airflow orquesta workflows: defines tus pipelines como DAGs (grafos de tareas) en Python y él se encarga de programarlos, ejecutarlos en orden y reintentar los que fallan.

¿Qué ventaja concreta aporta Airflow sobre un simple cron?

El valor de Airflow está en la observabilidad y el control: dependencias entre pasos, reintentos configurables y una UI que muestra el estado de cada ejecución — algo que cron no da.

¿Para qué caso conviene evitar Airflow?

Airflow añade infraestructura (scheduler, metadata DB, workers). Para un solo script sin dependencias, cron es más simple y suficiente — no siempre vale la pena la complejidad extra.

← El catálogo

Nº02 · Orquestación

Apache Airflow

Orquesta pipelines de datos como código: programa, ejecuta y monitorea.

Plataforma—Intro—Data Engineer—python

¿Qué es?

Apache Airflow es una plataforma para orquestar workflows. Defines tus pipelines como DAGs (grafos de tareas) en Python, y Airflow se encarga de programarlos, ejecutar las tareas en el orden correcto, reintentar las que fallan y mostrarte todo en una UI.

¿Para qué sirve?

Coordinar pipelines ETL/ELT con dependencias entre pasos.
Programar trabajos recurrentes (diarios, horarios) con reintentos y alertas.
Tener visibilidad: qué corrió, cuándo, qué falló y por qué.

¿Cuándo usarla / cuándo no?

Úsala cuando tienes flujos batch con múltiples pasos y dependencias que necesitan calendario, observabilidad y reintentos.

Piénsalo dos veces para streaming en tiempo real (mejor Kafka/Spark Streaming) o para un único script simple en cron — Airflow añade infraestructura que no siempre hace falta.

Empieza en 1 minuto

pip install apache-airflow

from airflow.decorators import dag, task
import pendulum

@dag(schedule="@daily", start_date=pendulum.datetime(2026, 1, 1), catchup=False)
def pipeline_ventas():
    @task
    def extraer():
        return [1, 2, 3]

    @task
    def cargar(filas):
        print(f"Cargadas {len(filas)} filas")

    cargar(extraer())

pipeline_ventas()

Trivia rápida — pon a prueba lo que acabas de leer.