用途：Airflow 用于以代码方式编排数据管道，支持 DAG 动态生成、事件驱动触发与任务调度，可跨云端和本地系统调度、监控和编写复杂 DAG。
主要能力：
- TaskFlow API：用 @dag、@task 装饰器编写 Pythonic DAG，支持 XCom 数据自动传递。
- 动态任务映射：通过 .expand() 依据上游输出并发展开任务，实现扇出/扇入。
- 事件驱动与可延迟算子：长时间等待外部任务时释放 worker 槽位给 triggerer 服务。
- 执行器：支持 Celery、Kubernetes 执行器。
使用方式：用 TaskFlow API 定义任务函数并串联调用。示例结构：用 @dag(schedule="@daily", start_date=datetime(2025,1,1), catchup=False, tags=["pipeline"]) 定义 DAG，内部用 @task 定义 extract、transform、load 并按顺序调用。.expand() 用于动态扇出。
适用场景：企业级数据管道编排、现代 TaskFlow 工作负载、处理可变数量文件/分区的动态映射、长时外部作业的事件驱动调度。
限制与最佳实践：不要在 DAG 顶层脚本执行重计算或数据库查询，应放入任务内；不要用 XCom 存大型二进制或超大 DataFrame，仅存元数据/S3 指针；不要硬编码凭据，应使用 Connections 与 Secrets Backends。DAG 建议设置 catchup=False，可用 pytest 与 dag.test() 在 CI 中测试解析错误。常见问题包括 DagBag 解析超时、任务无日志失败、XCom 载荷超限。具体收费、价格、平台支持等暂未提供。