Airflow 可能是过去十年中 Top 5 突破性数据技术之一。作者通过比较 Airflow 的一些优缺点来描述当今编排引擎的竞争格局。
Apache Airflow 从根本上没有错，它是一流的数据工程工具，长期以来一直在推动数据管道向前发展。而且这个工具的采用并没有放缓。
那么为什么人们称 Apache Airflow 结束了呢？
我要向你提出一个提示：一般的数据团队或数据工程师并不要求 Apache Airflow 的消亡；而新的SAAS公司和营销团队呼吁结束Airflow，这两者是有区别的。
并不是说 Airflow 真的要结束了，而是说Airflow 已经达到了临界质量，现在竞争对手正在步履维艰，争夺市场份额。
Airflow 之所以领先，是因为管道编排领域有两个新人，Prefect和Dagster 。这是很自然的，这就是自由和开放市场的运作方式，即使使用开源软件也是如此。
当诸如 Airflow 之类的东西变得非常流行时，因为它很好地完成了一项任务并满足了需求，总会有人或某物出现并说，“我可以做得更好。”
对于 Airflow 来说，没有什么比激烈的竞争更好的了。它推动整个社区进行改进和创新。
我们怎么才能真正知道 Airflow 仍然有一个坚实的未来？
这是一个重要的问题，如果您正在市场上寻找新的编排和依赖管理工具，您肯定不想搭便车去赶牛。我会给你两个非常有说服力的理由，让你相信 Airflow 会长期存在。
- MWAA（由 AWS 管理的 Airflow）
- Composer（托管 Airflow GCP ）
可以肯定的是，如果 AWS 和 GCP 愿意全力以赴将 Airflow 作为一项托管服务提供，它将会存在一段时间。如果仅仅因为他们拥有如此多的客户和如此多的市场份额这一事实。
当云公司让工具的使用变得异常简单时，你可以打赌数据团队会上钩。简单性和在同一架构上保持工具被视为越来越重要。
归根结底，如果 AWS 和 GCP 支持 Airflow，它就会继续存在。
Airflow 有哪些不擅长的地方？
重要的是要认识到每个工具都会有“需要改进的地方”，也就是它不擅长的地方。
Airflow 也不例外，它的缺点催生了下一代工具，如 Perfect 和 Dagster。Airflow 存在实际问题，可能会给某些数据团队带来严重问题。
- 不能很好地扩展大数据。
- UI 并不是什么值得欢呼的东西。
- 有些人抱怨 DAG 冗长。
- 运行数十万个 DAG 可能会很痛苦。
- 将自定义管道代码集成到 Airflow 中并不是很顺利。
- 任务间通信是肉中刺。
- 有些人抱怨 DAG 学习曲线。
老实说，你不能真的把所有这些都归咎于 Apache Airflow，事实是 Airflow 在数据工程社区中变得如此普遍和广泛使用，以至于它被滥用了。
尝试将 Airflow 与一群工作人员一起实际进行大规模数据处理和转换……可能不是一个好主意。你在滥用气流。如果你有任何体面大小的数据，你应该做的是使用一些社区提供的连接器/包卸载计算，让 Airflow 做它最擅长的事情，监控、编排、管理依赖项和计划。
Airflow 还擅长什么？
嗯，我很高兴你问！随着世界各地使用 Airflow 的人数和工程师的数量，您可以打赌它有很多优势，并使数据团队能够做出惊人的事情。
让我们歌颂一下 Apache Airflow，好吗？
- Airflow擅长调度任务。
- Airflow 擅长编排。
- Airflow 擅长依赖管理。
- Airflow 拥有庞大且非常活跃的社区。
- Airflow 拥有数量惊人的第三方提供商（想想 Snowflake、Databricks 等）
- Airflow 是非常可定制和可扩展的。
- Airflow 由 AWS 和 GCP 支持和管理。
- Airflow 已经足够“强化”以用于生产。