Apache Airflow

Apache Airflow je open-source platforma pro vývoj, plánování a monitorování workflow. Podle oficiální dokumentace je zaměřená na dávkové datové pipeline, strojové učení a úlohy kolem AI. Projekt patří pod Apache Software Foundation a je šířen pod její licencí. Podle oficiálního webu je poslední oznámenou verzí Airflow 3.3.0 (červenec 2026). Původ projektu ve firmě Airbnb zmiňuje stávající popis, v oficiálních materiálech, které jsme otevřeli, to ale nebylo a nepodařilo se nám to samostatně ověřit.

Základní myšlenka je „workflow jako kód“. Pracovní postup definujete v Pythonu jako DAG (orientovaný acyklický graf): zapíšete jednotlivé úlohy, jejich pořadí, závislosti, plán spouštění a případné funkce pro zpracování chyb. Díky tomu lze pipeline generovat dynamicky, ukládat do verzovacího systému a rozšiřovat vlastními operátory. Dokumentace zmiňuje také šablonovací systém Jinja.

Airflow má modulární architekturu se zprávovou frontou, která podle oficiálního webu umožňuje horizontální škálování. K dispozici je webové uživatelské rozhraní, kde se sledují běhy, stav úloh a logy a kde se workflow spouštějí nebo spravují. Pro propojení s okolím existují operátory a integrace pro Google Cloud, AWS, Azure a další služby. Dokumentace uvádí, že v Airflow 3.0 a novějším lze rozšiřovat téměř všechny součásti, od operátorů po pluginy do UI.

Nejdůležitější je vědět, co Airflow není. Oficiální dokumentace výslovně říká, že není určen pro zpracování dat v reálném čase (streaming), ale pro dávkové úlohy, a že se hodí pro workflow s jasným začátkem a koncem, která běží podle plánu. Kdo chce procesy skládat klikáním v grafickém editoru, musí počítat s tím, že je třeba programovat.

Začátek je technicky přímočarý, ale pro úplného začátečníka náročný. Oficiální rychlý start počítá s Pythonem (od verze 3.2.0 jsou podporovány Python 3.10 až 3.14), doporučuje instalaci přes pip nebo uv ve virtuálním prostředí a s použitím souboru constraints. Příkaz airflow standalone inicializuje databázi, vytvoří uživatele a spustí všechny komponenty; rozhraní pak běží na adrese localhost:8080. Na Windows je podle dokumentace nutné použít WSL2. Pro ostrý provoz je potřeba řešit databázi, plánovač, exekutor a pracovní uzly, což vyžaduje zkušenosti s provozem serverů.

Recenze na platformách jako Capterra a GetApp chválí, že jde o jeden z nejrozšířenějších plánovačů, dobře zvládá spouštění a monitorování úloh a má řadu hotových integrací. Kritika se týká občas pomalého plánování při velkém počtu úloh, zpoždění v řádu sekund u přesně časovaných úloh, strmé křivky učení, ne zcela přehledných statistik v UI a slabší správy verzí nasazovaných dávek. Srovnávací články uvádějí, že alternativy jako Prefect a Dagster se snaží být moderněji navržené nebo jednodušší; tyto články jsou ale různé kvality a některá čísla (např. počty stažení) jsme nemohli ověřit u primárního zdroje.

Co se týče češtiny: dokumentace a rozhraní jsou podle toho, co jsme našli, v angličtině. Čeština jako taková nehraje roli, protože Airflow je infrastrukturní nástroj. Česká specifika (formáty dat, lokální zdroje) si ošetříte vlastním Python kódem, což stávající popis správně naznačuje, ale nejde o oficiálně deklarovanou funkci. Jelikož si Airflow většinou provozujete sami, data zůstávají tam, kde jej nasadíte; u managed služeb je třeba zkontrolovat region a smluvní podmínky poskytovatele.