注意
Apache Airflow 作业由 Apache Airflow 提供支持。
Apache Airflow 作业（作为 Microsoft Fabric 中的一项转型功能）重新定义了构建和管理管道的方法。 Apache Airflow 作业由 Apache Airflow 运行时提供技术支持，它提供了一个基于云的集成平台，用于开发、计划和监视基于 Python 的 DAG（有向无环图）。 它提供软件即服务（SaaS）体验，用于使用 Apache Airflow 进行管道开发和管理。 这使得 Apache Airflow 运行时易于访问，从而允许创建和操作 Airflow DAG。
Apache Airflow 作业中的重要概念
- 即时 Apache Airflow 运行时预配：启动新的数据工作流，并立即访问 Apache Airflow 运行时，以运行、调试和操作 DAG。
- 基于云的多功能创作 (IDE)：除了使用现有开发工具制作 Apache Airflow DAG 外，还可以利用 Apache Airflow 作业提供的基于云的创作环境，获得真正的云原生和 SaaS 优化的创作和调试体验。
- 动态自动缩放：利用我们的自动缩放功能，同时执行数百个 Apache Airflow 任务，该功能旨在减少作业排队并提高性能。
- 智能自动暂停：在数据工作流中，使 Apache·Airflow·运行时处于非活动状态数分钟后自动暂停，可优化容量使用情况，尤其是在不需要连续运行时的开发阶段，从而实现成本效益。
- 增强内置安全性：与 Microsoft Fabric 集成后，Apache Airflow 运行时支持 Microsoft Entra ID，从而在与 Apache Airflow UI 交互时提供单一登录 (SSO) 体验。 此外，它还整合了 Microsoft Fabric 工作区角色，以提高安全措施的可靠性。
- 支持 Apache Airflow 插件和库：由于数据工作流由 Apache Airflow 提供支持，因此它支持 Apache Airflow 的所有功能、插件和库，提供了相当的可扩展性。
- 自定义池提高灵活性：创建新的数据工作流时，使用的默认池是入门池。 此池立即可用并经过优化，提供无服务器的 Apache Airflow 运行时体验。 它还会在不使用时关闭以节省成本，非常适合开发场景。 如果需要对池进行更多控制，可以创建自定义池。 此池允许您指定大小、自动缩放配置等。 以这种方式设置用于生产的数据工作流，可以实现无人值守的操作，并始终保持 Apache Airflow 运行时，支持 Apache Airflow 计划功能。 可使用工作区设置创建自定义池，确保工作流符合您的特定需求。
从 Azure 工作流编排管理器迁移
先决条件
若要使客户能够从 Azure 工作流编排管理器升级到 Microsoft Fabric 的 Apache Airflow 作业，请考虑以下两种场景：
场景 1：您正在 Azure 工作流编排管理器中使用 BLOB 存储。
在此场景中，我们建议使用 Visual Studio Code 进行直接迁移。 在 Visual Studio Code 中打开工作流文件，然后将其复制粘贴到 Fabric 托管存储中。 此方法可确保轻松转换并快速访问数据工作流的强大功能。
场景 2：您正在 Azure 工作流编排管理器中使用 Git 同步存储
在此方案中，使用 Apache Airflow 作业的 Git 同步功能无缝同步 GitHub 存储库。 与 Azure 工作流编排管理器类似，此功能可确保 GitHub 存储库保持同步，使您能够立即开始开发。 若要开始，请按照教程：在 Apache Airflow 作业中同步 GitHub 存储库操作。