Este repositorio contiene el material oficial del curso Py321, dedicado a la orquestacion de flujos de trabajo con Apache Airflow. El curso introduce los conceptos esenciales de DAGs, arquitectura, configuracion y ejecucion, asi como las herramientas base para operar Airflow localmente. Es un curso autocontenido, pero integra un par de notebooks introductorios para alinear conceptos clave.

Adicionalmente, conocimientos basicos de Docker y Linux son recomendados para aprovechar mejor el curso, aunque no estrictamente necesarios gracias al uso de Dev Containers.

Al completar este curso seras capaz de:

• Comprender el rol de Airflow en el ciclo de vida de los datos.
• Modelar flujos de trabajo con DAGs y tareas.
• Ejecutar Airflow en modo standalone para pruebas locales.
• Entender la arquitectura, componentes y configuracion base.

Este repositorio incluye configuracion para Dev Containers. Solo abre el proyecto en VS Code y selecciona "Reopen in Container".

El contenedor incluye:

• Python 3.11
• Apache Airflow 3.1.7
• Provider de SQLite

Si quieres iniciar Airflow al abrir el contenedor, define la variable de entorno:

START_AIRFLOW=true

# Clonar el repositorio
git clone https://github.com/PythonistaMX/py321.git
cd py321

# Crear entorno virtual
python -m venv venv
source venv/bin/activate  # En Windows: venv\Scripts\activate

# Instalar dependencias con constraints
pip install -r requirements.txt --constraint "https://raw.githubusercontent.com/apache/airflow/constraints-3.1.7/constraints-3.11.txt"

# Iniciar Jupyter
jupyter lab

Para ejecutar Airflow localmente:

airflow standalone

La UI estara disponible en http://localhost:8080 y la contrasena del usuario admin se guarda en ~/airflow/standalone_admin_password.txt.

• Documentacion oficial de Airflow
• Guia de instalacion
• Providers

Este proyecto esta bajo la licencia Creative Commons Atribucion 4.0 Internacional (CC-BY 4.0). Vease el archivo LICENSE para los terminos completos.