Formation Airflow

Description

Cette formation Apache Airflow vous apprend à concevoir, industrialiser et déployer des pipelines data robustes avec Airflow 3 en 3 jours.

Vos pipelines data sont fragiles et difficiles à monitorer ? Adoptez Airflow 3, la TaskFlow API et déployez sur Kubernetes en production.

Pendant 3 jours, vous apprendrez à :

• Concevoir des pipelines data modernes et fiables avec Airflow 3, TaskFlow API, orchestration orientée données et bonnes pratiques ETL
• Industrialiser vos workflows en production grâce au déploiement Kubernetes, CI/CD, gestion des erreurs et qualité des données
• Garantir performance et observabilité avec monitoring, alerting, optimisation du scaling et exploitation de pipelines data et ML complets

Public

Cette formation s’adresse aux data engineers, data scientists, ML engineers et développeurs souhaitant concevoir, industrialiser et déployer des pipelines data robustes avec Apache Airflow.

Les objectifs

• Comprendre l’architecture et les nouveautés d’Airflow 3
• Développer des DAGs modernes avec TaskFlow API
• Concevoir des pipelines ETL robustes et maintenables
• Mettre en place la qualité et l’observabilité des données
• Déployer Airflow en production sur Kubernetes
• Industrialiser et optimiser des pipelines data complets

Pré-requis

• Bonne maîtrise de Python
• Ordinateur portable à apporter

Le programme de la formation Airflow

Jour 1 — Airflow moderne & conception de DAGs avec TaskFlow API

• Comprendre Airflow dans les architectures data modernes
  • Rôle d’Airflow dans les pipelines data et ML (batch, micro-batch, orchestration)
  • Différence orchestration vs processing (Airflow vs Spark / dbt)
  • Cas d’usage réels en entreprise (data platform, IA, analytics)
• Installation et architecture d’Airflow
  • Installation locale avec Docker / Astro CLI
  • Architecture Airflow 3 : Scheduler, API Server, Executors, Metadata DB
  • Introduction aux DAG Bundles et versioning natif
• Création de DAGs modernes avec TaskFlow API
  • @dag et @task : nouvelle manière d’écrire des DAGs
  • Passage de données avec XCom simplifié
  • Dynamic Task Mapping (génération dynamique de tâches)
  • Task Groups pour structurer les workflows
• Orchestration orientée données (Assets & Datasets)
  • Introduction à la logique asset-centric
  • @asset decorator et dépendances basées sur les données
  • Event-driven scheduling vs scheduling temporel
• Les nouveautés d'Airflow 3.0
  • Event-driven scheduling / Asset Watchers
  • DAG Bundles & versioning
  • Nouvelle UI (React) et gains de performance
  • Évolutions des executors et de l’architecture

Mises en pratique : Mise en place d'un pipeline e-commerce

• Création d’un DAG avec TaskFlow API
• Implémentation de dépendances dynamiques
• Première orchestration orientée données

Jour 2 — Pipelines robustes, data engineering moderne & qualité des données

• Conception de pipelines ETL robustes
  • Patterns ETL modernes (idempotence, reprocessing, backfills)
  • Gestion des dépendances complexes
  • Structuration de pipelines maintenables
• Gestion avancée des erreurs et résilience
  • Retry, timeout, SLA, alerting
  • Branching et gestion conditionnelle
  • Debugging avancé (logs, UI, tracing)
• Paramétrisation, configuration et secrets
  • Variables, connexions et secrets backend
  • Intégration avec Vault / Kubernetes Secrets
  • Gestion multi-environnements (dev / staging / prod)
• Data quality & gouvernance
  • Introduction à Great Expectations / Soda
  • Intégration avec dbt dans un pipeline Airflow
  • Bonnes pratiques d’observabilité data
• Intégration cloud & providers Airflow
  • Utilisation des providers (AWS, GCP, Snowflake…)
  • Introduction à MWAA, Cloud Composer
  • Bonnes pratiques cloud-native

Mises en pratique :

• Construction d’un pipeline ETL complet (API → transformation → stockage)
• Ajout de contrôles de qualité de données
• Paramétrisation dynamique selon l’environnement
• Debugging collectif d’un DAG volontairement cassé

Jour 3 — Industrialisation, déploiement Kubernetes & Airflow en production

• Déploiement d’Airflow en production
  • Comparaison des executors (LocalExecutor, CeleryExecutor, KubernetesExecutor, Hybrid executors)
  • Introduction aux nouveautés Airflow 3 (remote execution, nouveaux modèles)
• Airflow sur Kubernetes
  • Déploiement avec Helm
  • Gestion des DAGs (GitSync vs DAG Bundles)
  • Scaling et isolation des tâches
• CI/CD et testing des pipelines
  • Tests de DAGs (dag.test(), unit tests, integration tests)
  • Mise en place d’un pipeline CI/CD (GitHub Actions / GitLab CI)
  • Déploiement sans downtime
• Monitoring & observabilité avancée
  • Logs, métriques et alertes
  • Intégration Prometheus / Grafana
  • Introduction à OpenTelemetry
• Performance & pièges en production
  • Scheduler lag, metadata DB scaling
  • Optimisation des DAGs et parallélisation
  • Gestion des coûts (notamment sur Kubernetes)
• Cas avancés & ouverture
  • Orchestration de pipelines ML (Airflow + MLflow / Kubeflow)
  • Event-driven pipelines / micro-batch
  • Orchestration dbt + Airflow
  • Limites d’Airflow vs Dagster / Prefect / Temporal

Mises en pratique :

• Industrialisation complète du pipeline construit
• Déploiement simulé sur Kubernetes
• Ajout de monitoring et alerting
• Optimisation et revue collective

Télécharger le programme

Formations associées

• 

  Spark Python

  3 jours
• 

  Kafka

  3 jours
• 

  Claude Code

  2 jours
• 

  ETL & Data Warehouse

  3 jours
• 

  Kubernetes

  3 jours
• 

  BigQuery

  2 jours

Formateur

Gaël PEGLIASCO

Avec plus de 20 ans d’expérience dans le développement informatique, Gaël a débuté son parcours en créant des jeux vidéo, motivé par sa passion pour l’intelligence artificielle et le traitement d’images.

Il a appris à maîtriser des langages tels que Python, Java, et C++, consacrant 10 ans à utiliser Python, Django et Plone.

Depuis 2014, il se spécialise dans le calcul parallèle, collaborant avec des multinationales et centres de recherche pour optimiser leurs codes sur supercalculateurs, développer des modèles d'apprentissage automatique ou les assister dans leurs projets de data science

Défenseur de l’open source, Gaël partage son expertise au travers d'articles et de formations. Désormais, il explore l’informatique quantique, et ce toujours avec Python !

FAQ

8 raisons de participer à une formation Human Coders

• Satisfaction client élevée : Un taux de statisfaction de 4,6/5 depuis 2012 (sur 1920 sessions réalisées). 99% des participants se disent satisfaits de nos formations
• Approche pédagogique unique : Des formations en petit groupe, des formateurs passionnés et expérimentés, de véritables workshops... (Plus d'infos sur notre manifeste)
• Catalogue de formations complet : 271 formations au catalogue, de quoi vous accompagner sur tout vos projets
• Écosystème dynamique : Nous accompagnons les dev depuis 14 ans avec des initiatives comme Human Coders News, les Human Talks, le podcast ou encore notre serveur Discord
• Financement facilité : Organisme certifié Qualiopi, indispensable pour que vous puissiez obtenir des aides au financement via votre OPCO
• Références clients prestigieuses : De nombreux clients qui nous font confiance depuis des années
• Accompagnement sur mesure : Nous vous proposons un accompagnement personnalisé par nos consultants pour vous aider dans vos projets au-delà de la formation
• Valorisation professionnelle : Remise d'un diplôme, d'une attestation et d'une certification, suivant les formations effectuées, que vous pourrez afficher sur vos CV et réseaux sociaux