Logo de Apache Airflow

Automatización y flujos de trabajo

Apache Airflow

Orquestador DAG Python autoalojado — ETL, pipelines de datos y planificación con más de 600 providers en su VPS.

Documentación oficial Código fuente

Acerca de Apache Airflow

Apache Airflow es el estándar de facto para orquestar pipelines de datos como grafos acíclicos dirigidos (DAG) escritos en Python. Cada DAG es un archivo .py ordinario que define tareas, sus dependencias y su planificación. El planificador recoge los archivos DAG automáticamente, ejecuta las tareas y ofrece una interfaz web completa para monitorizar ejecuciones, inspeccionar logs y gestionar conexiones.

Desplegado en un VPS de ServOrbit con LocalExecutor, Airflow funciona con tres contenedores — webserver, scheduler y PostgreSQL — sin Celery ni Redis. Esta pila más ligera consume alrededor de 1–2 GB de RAM en reposo, al alcance de un VPS de gama media, y admite cientos de tareas diarias.

Lo que se instala

Listo al arrancar el VPS

SO compatibles
Distribuciones Linux a elegir
Aplicación
Apache Airflow
Stack técnico
DockerPython 3.12PostgreSQL 16
RAM mínima
4 GB
CPU mínima
2 vCPU
Puerto por defecto
8080
Acceso
root por SSH

Funcionalidades clave

  • DAG en Python versionados en Git — tareas, dependencias y planificaciones en un único archivo .py
  • Más de 600 paquetes de providers — SQL, nube (AWS, GCP, Azure), dbt, Spark, HTTP y más
  • Planificador robusto — cron, dependencias entre tareas, backfill y catchup
  • Interfaz web completa — grafo del DAG, logs de tareas, historial de ejecuciones y gestión de variables
  • Modo LocalExecutor — 3 contenedores (webserver + scheduler + PostgreSQL), sin Celery/Redis
  • Licencia Apache-2.0 — 36 k+ estrellas en GitHub, comunidad activa, sin bloqueo de proveedor

¿Cuándo usar esta solución?

ETL y pipelines de datos

Describa sus trabajos de ingestión, transformación y exportación de datos como DAG de Python. Airflow gestiona la planificación, los reintentos, la resolución de dependencias y las alertas ante fallos.

Flujos de trabajo de ciencia de datos planificados

Ejecute notebooks de Jupyter, modelos dbt o scripts de entrenamiento de ML según un calendario. Los sensores de Airflow permiten que cada paso posterior espere a que los datos del paso anterior estén listos antes de ejecutarse.

Automatización de procesos internos

Automatice cualquier proceso repetible de varios pasos — generación de informes, mantenimiento de bases de datos, sincronizaciones de API — sin pagar por un planificador en la nube.

Guía

Desplegar Apache Airflow en su VPS

  1. Solicitar un VPS

    Mínimo 2 vCPU y 4 GB de RAM para LocalExecutor con una carga de tareas moderada. Ubuntu 24.04 con Docker es el sistema operativo recomendado.

  2. Desplegar desde el Marketplace

    Marketplace → Automatización y Workflows → Apache Airflow → Desplegar. Arrancan tres contenedores: PostgreSQL, airflow-init (ejecuta las migraciones y crea la cuenta de administrador, luego finaliza), y webserver y scheduler. El webserver escucha en el puerto 8080, enlazado a 127.0.0.1.

  3. Iniciar sesión por primera vez

    Las credenciales se muestran en su área de cliente de ServOrbit tras el despliegue. Abra un túnel SSH: ssh -L 8080:127.0.0.1:<port> root@<ip-vps> y abra http://localhost:8080 en su navegador.

  4. Crear su primer DAG

    Los archivos DAG residen en el volumen dags montado en /opt/airflow/dags. Cree un archivo .py en ese directorio: el planificador lo detecta en unos segundos y lo muestra en la interfaz web.

  5. Monitorizar y mantener

    La interfaz web muestra el historial de ejecuciones de cada DAG, las duraciones de las tareas, los logs y las causas de fallo. Configure alertas por correo o use el provider de Slack para notificar a su equipo.

Preguntas frecuentes

Preguntas sobre Apache Airflow

← Volver a Automatización y flujos de trabajoTodas las aplicaciones
No. Airflow es un orquestador de flujos de trabajo, no un motor de cómputo. Planifica y supervisa tareas Python en CPU — las propias tareas pueden llamar a APIs GPU o clústeres Spark, pero Airflow solo necesita RAM y CPU estándar.

Integrar el botón de despliegue

¿Mantiene un proyecto que utiliza Apache Airflow? Este botón permite a sus lectores desplegarlo en un VPS con un clic, sin leer documentación de Docker.

Deploy Apache Airflow on ServOrbit
Markdown
[![Deploy Apache Airflow on ServOrbit](https://servorbit.com/brand/deploy/button.svg)](https://servorbit.com/vps-cloud?template=airflow&utm_source=deploy-badge&utm_medium=referral&utm_campaign=airflow)
HTML
<a href="https://servorbit.com/vps-cloud?template=airflow&utm_source=deploy-badge&utm_medium=referral&utm_campaign=airflow"><img src="https://servorbit.com/brand/deploy/button.svg" alt="Deploy Apache Airflow on ServOrbit" height="40"></a>

El botón lleva al pedido de un VPS con la plantilla preseleccionada. La imagen se sirve desde servorbit.com: no tiene que alojar nada por su parte.

Soluciones complementarias

Automatización y flujos de trabajo

n8n

Automatice sus flujos de trabajo entre aplicaciones sin código. Más de 400 integraciones, 100 % autoalojado en su VPS.

Automatización y flujos de trabajo

Kestra

Plataforma de orquestación de flujos de trabajo declarativos en YAML — pipelines de datos, ETL y automatización orientada a eventos self-hosted. Director de orquesta de sus procesos internos, desencadenados por horario, webhook o API.

Automatización y flujos de trabajo

Windmill

Plataforma de automatización code-first autoalojada: transforme scripts Python, TypeScript, Go o Bash en workflows, API internas e interfaces — 17 k ⭐, AGPLv3.

¿Necesita ayuda?

Consulte nuestro centro de ayuda y nuestra FAQ, o contacte con nuestro equipo: llamada, WhatsApp o correo electrónico.

Escribir por WhatsAppse abre en una pestaña nueva
o escribirnos