快速入门
本快速入门指南将帮助您在本地机器上启动一个 Airflow 单实例。
注意
成功安装需要 Python 3 环境。从 Airflow 3.2.0 起，Airflow 支持 Python 3.10、3.11、3.12、3.13、3.14。
官方支持的安装方式是使用 pip 或 uv。
运行 pip install apache-airflow[EXTRAS]==AIRFLOW_VERSION --constraint "https://raw.githubusercontent.com/apache/airflow/constraints-AIRFLOW_VERSION/constraints-PYTHON_VERSION.txt"，例如 pip install "apache-airflow[celery]==3.0.0" --constraint "https://raw.githubusercontent.com/apache/airflow/constraints-3.0.0/constraints-3.10.txt" 以可重现的方式安装 Airflow。您也可以使用速度更快的 uv——只需在命令前添加 uv。
虽然使用其他工具如 poetry 或 pip-tools 也取得了一些成功，但它们的工作流与 pip 或 uv 不同——尤其是在约束文件与需求管理方面。目前不支持通过 Poetry 或 pip-tools 安装。
如果您希望使用这些工具安装 Airflow，应该使用约束文件并将其转换为您的工具所需的相应格式和工作流。
本指南将帮助您使用 uv 快速搭建 Apache Airflow，uv 是一个快速且现代的 Python 环境与依赖管理工具。uv 简化了安装过程，提供流畅的设置体验。
如果您使用 Windows，则必须使用 WSL2（Windows 的 Linux 环境）。
wsl --install
设置 Airflow 主目录（可选）:
Airflow 需要一个主目录，默认使用
~/airflow，但如果您愿意可以设置其他位置。使用AIRFLOW_HOME环境变量来告知 Airflow 所需的位置。应在安装 Airflow 之前设置此环境变量，以便安装过程知道将必要文件存放在哪里。export AIRFLOW_HOME=~/airflow
使用
uv在虚拟环境中安装 Airflow，因为它是一种更快的方案，会自动隐式创建venv。这是相较于使用pip和venv更高效的替代方案。安装 uv：uv 安装指南
关于使用
uv创建虚拟环境，请参阅此文档：使用 uv 创建和维护本地虚拟环境
使用 pip 和 venv 安装时，请执行以下步骤。在 Debian/Ubuntu 系统上，Python 可能会强制使用外部管理的环境（PEP 668），因此在运行 pip install 命令之前请先创建虚拟环境。
# For Windows after WSL2 install, restart computer, then in WSL Ubuntu terminal
sudo apt update
sudo apt install python3-pip python3-venv
bash # Go to Linux home directory (not Windows mount)
cd ~
# Create airflow directory
mkdir -p ~/airflow
cd ~airflow
# Create virtual environment
python3 -m venv airflow_venv
# Activate
source airflow_venv/bin/activate
# Upgrade pip
pip install --upgrade pip
# Install Airflow with correct Python version constraints
pip install apache-airflow[celery]==3.1.0 --constraint https://raw.githubusercontent.com/apache/airflow/constraints-3.1.0/constraints-3.12.txt
# Verify installation
airflow version
使用约束文件安装 Airflow，约束文件依据我们提供的 URL 确定。
AIRFLOW_VERSION=3.1.1 # Extract the version of Python you have installed. If you're currently using a Python version that is not supported by Airflow, you may want to set this manually. # See above for supported versions. PYTHON_VERSION="$(python -c 'import sys; print(f"{sys.version_info.major}.{sys.version_info.minor}")')" CONSTRAINT_URL="https://raw.githubusercontent.com/apache/airflow/constraints-${AIRFLOW_VERSION}/constraints-${PYTHON_VERSION}.txt" # For example this would install 3.0.0 with python 3.10: https://raw.githubusercontent.com/apache/airflow/constraints-3.2.0/constraints-3.10.txt uv pip install "apache-airflow==${AIRFLOW_VERSION}" --constraint "${CONSTRAINT_URL}"
运行 Airflow Standalone
airflow standalone命令会初始化数据库、创建用户并启动所有组件。airflow standalone访问 Airflow UI
在浏览器中打开
localhost:8080并使用终端中显示的管理员账号登录。 在首页启用example_bash_operatorDAG。
执行这些命令后，Airflow 将创建 $AIRFLOW_HOME 文件夹，并生成默认的 “airflow.cfg” 文件，帮助您快速启动。您可以通过环境变量覆盖默认配置，参见 配置参考。可以在 $AIRFLOW_HOME/airflow.cfg 中查看该文件，或通过 UI 的 Admin → Configuration 菜单查看。Web 服务器的 PID 文件将存放在 $AIRFLOW_HOME/airflow-api-server.pid，如果由 systemd 启动，则位于 /run/airflow/airflow-webserver.pid。
随着您扩展并将 Airflow 部署到生产环境，您会希望摆脱这里使用的 standalone 命令，改为分别运行各组件。更多信息请参阅 生产部署。
下面列出一些命令，可触发若干任务实例。执行以下命令时，您应该能在 example_bash_operator DAG 中看到作业状态的变化。
# run your first task instance
airflow tasks test example_bash_operator runme_0 2015-01-01
# run a backfill over 2 days
airflow backfill create --dag-id example_bash_operator \
--from-date 2015-01-01 \
--to-date 2015-01-02
如果您想手动运行 Airflow 的各个组件，而不是使用一键式的 standalone 命令，可以改为运行
airflow db migrate
airflow users create \
--username admin \
--firstname Peter \
--lastname Parker \
--role Admin \
--email spiderman@superhero.org
airflow api-server --port 8080
airflow scheduler
airflow dag-processor
airflow triggerer
注意
airflow users 命令仅在启用了 Flask AppBuilder (FAB) 认证管理器 时可用。