Un asset da nombre a un dato que comparten tus Dags: una tabla, un archivo, un modelo. Basta con Asset("daily_sales"); también vale una URI como postgres://warehouse/analytics/public/daily_sales. Dos declaraciones enlazan los Dags a través de él:
- La tarea que escribe los datos los pone en
outlets: @task(outlets=[DAILY_SALES]). Cuando esa tarea termina bien, Airflow registra un evento de asset. Una tarea fallida u omitida no registra nada.
- Un Dag que lee los datos se programa sobre él:
@dag(schedule=[DAILY_SALES]). Cada evento pone en cola una ejecución de cada consumidor que esté activado, y el scheduler arranca una ejecución lanzada por el asset (asset-triggered).
El productor no necesita saber quién lee la tabla, y nadie tiene que adivinar cuándo terminará la carga. Dos detalles de Airflow 3 pillan a la gente: un evento que ocurre mientras un consumidor está en pausa no se pone en cola para él, así que activarlo después no recupera nada; y una ejecución lanzada por un asset no tiene fecha lógica, así que ds y {{ ds }} no existen (las próximas lecciones pasan el día en el evento).
En Airflow 3.3, la versión que modela este espacio de trabajo, los eventos que se acumulan antes de que arranque un consumidor se atienden con una sola ejecución. Airflow 3.4 cambió el comportamiento por defecto de las programaciones de un solo asset y con | a una ejecución por evento, con una opción para volver a agruparlos.
La carga declara lo que escribe; el informe se ejecuta cada vez que esa tabla se actualiza.