Airflow 用户调查 2022
今年的调查已经结束，我们已经获得了新的数据供大家使用！我们在两周内收集了 210 份回复。在过去两年中，我们看到贡献和下载量都在持续增长，并预计这种趋势将持续到 2022 年。
原始回复数据将很快在此处提供，与此同时，如果您需要副本，请随时发送电子邮件至 john.thomas@astronomer.io。
TL;DR（太长不看）
用户概述
- 与往年一样，超过一半的 Airflow 用户是数据工程师 (54%)。解决方案架构师 (13%)、开发人员 (12%)、DevOps (6%) 和数据科学家 (4%) 也是活跃的 Airflow 用户！与 2020 年 和 2019 年 的结果相比，解决方案架构师职位的代表性略有增加。
- Airflow 在大型公司中得到使用和流行，64% 的 Airflow 用户在拥有 200 多名员工的公司工作，与 2020 年 相比增加了 11 个百分点。
- 62% 的调查参与者公司拥有 6 名以上的 Airflow 用户。
- 与 2020 年 和 2019 年 的调查结果相比，更多 Airflow 用户 (65.9%) 愿意推荐 Apache Airflow。推荐 Airflow 的意愿总体呈积极趋势，93% 的受访 Airflow 用户愿意推荐 Airflow（2019 年 为 85.7%，2020 年 为 92%），只有 1% 的用户不太可能推荐（2019 年 为 3.6%，2020 年 为 3.5%）。
- Airflow 文档是重要的信息来源，超过 90%（与 2020 年 的结果相比增加了 15%）的调查参与者使用该文档。Airflow 文档也是需要改进的主要领域之一！有趣的是，Stack Overflow 的使用也很重要，大约 60% 的用户表示将其作为信息来源（与 2020 年 的结果相比增加了 24%）。
部署
- 85% 的 Airflow 用户拥有 1 到 7 个活跃的 Airflow 实例。62.5% 的 Airflow 用户在其最大的 Airflow 实例中拥有 11 到 250 个 DAG。75% 的受访 Airflow 用户每个 DAG 有 1 到 100 个任务。
- 近 85% 的用户使用 Airflow 2 的某个版本，9.2% 的用户仍然使用 1.10.15，而其余 6.3% 的用户仍然使用旧版本的 Airflow 1。好消息是，大多数使用 Airflow 1 的用户计划很快迁移到 Airflow 2，资源和容量是主要的障碍。
- 与 2020 年 的结果相比，更多用户对一般监控以及特别是使用外部监控服务（40.7%，高于 29.6%）和来自元数据库的信息（35.7%，高于 25.1%）等工具感兴趣。
- Celery (52.7%) 和 Kubernetes (39.4%) 是最常用的执行器。
使用情况
- 81.3% 回答调查的 Airflow 用户没有对 Airflow 进行任何自定义。
- Xcom (69.8%) 是在任务之间传递输入和输出的最流行的方法，但是从存储中保存和检索输入和输出仍然起着重要作用 (49%)。
- Lineage 本身对于 Airflow 用户来说是一个相当新的主题，他们中的大多数人没有使用 Lineage 解决方案，但如果 Airflow 支持可能会感兴趣 (47.5%)，不熟悉数据 lineage (29%) 或数据 lineage 不是他们关注的问题 (13%)。
- Airflow Web UI 主要用于监控运行 (95.9%)、访问任务日志 (89.8%)、手动触发 DAG (85.2%)、清除任务 (82.7%) 和将任务标记为成功 (60.7%)。使用的前 3 个视图是：DAG 列表、任务日志和 DAG 运行，这与 2020 年 和 2019 年 的结果非常相似。
社区和贡献
- 大多数 Airflow 用户 (57.1%) 意识到他们可以贡献但没有这样做，另外 21.7% 的用户很少贡献。14.8% 的用户不知道他们可以贡献。为了鼓励我们的社区更加积极地贡献，并将目前积极贡献的 6.4% 的用户提高，还有很多工作要做，特别是考虑到贡献的一个重要障碍是缺乏关于如何开始的知识 (37.7%)。
Airflow 的未来
- 改进的主要领域仍然是 Airflow Web UI (49.5%)，紧随其后的是用于日志记录、监控和警报目的的更多遥测数据 (48%)。但是，所有这些努力都应与改进的文档 (36.6%) 和关于使用 Airflow 的资源保持一致，尤其是在我们考虑到新用户入职的需求时 (36.6%)。
- DAG 版本控制 (66.2%) 是 Airflow 新功能的赢家，这不足为奇，因为此功能可能会对 Airflow 用户的日常工作产生积极影响。紧随其后的是其他三个想法：依赖关系管理和数据驱动的调度 (42.6%)、更动态的任务结构 (42.1%) 和多租户 (37.9%)。
用户概述
什么最能描述您当前的职业？（单选）
| 编号 | % | |
| 数据工程师 | 114 | 54% |
| 解决方案架构师 | 27 | 13% |
| 开发人员 | 25 | 12% |
| DevOps | 12 | 6% |
| 数据科学家 | 8 | 4% |
| 支持工程师 | 5 | 2% |
| 数据分析师 | 3 | 1% |
| 业务分析师 | 2 | 1% |
| 其他 | 14 | 7% |
根据调查，超过一半的 Airflow 用户是数据工程师 (54%)。其余 Airflow 用户的角色可以分为解决方案架构师 (13%)、开发人员 (12%)、DevOps (6%) 和数据科学家 (4%)。2022 年的结果与 2019 年 和 2020 年 的结果相似，解决方案架构师职位的代表性略有增加。
您多久与 Airflow 交互一次？（单选）
| 编号 | % | |
| 每天 | 154 | 73% |
| 每周至少一次 | 36 | 17% |
| 每月至少一次 | 11 | 5% |
| 每月不到一次 | 9 | 4% |
参加调查的用户都在其当前角色中积极使用 Airflow。73% 回答的 Airflow 用户每天使用它，17% 每周使用它。
您公司有多少人工作？（单选）
| 编号 | % | |
| 201-5000 | 85 | 41% |
| 5000+ | 49 | 23% |
| 51-200 | 46 | 22% |
| 11-50 | 20 | 10% |
| 1-10 | 9 | 4% |
Airflow 是一个在大型公司中使用和流行的框架，64% 回答的 Airflow 用户（2020 年 为 52.7%）在 200 多名员工的公司工作（41% 在 201-5000 人的公司，23% 在 5000 人以上的公司）。
您公司有多少人使用 Airflow？（单选）
| 编号 | % | |
| 6-20 | 80 | 38% |
| 1-5 | 61 | 29% |
| 51-200 | 49 | 24% |
| 200+ | 18 | 9% |
Airflow 通常被小型到中型团队使用。62% 的调查参与者公司拥有 6 名以上的 Airflow 用户（38% 的用户拥有 6 到 200 名用户，24% 的用户拥有 51 到 200 名用户）。
您有多大可能推荐 Apache Airflow？（单选）
| % 2019 | % 2020 | % 2022 | |
| 非常有可能 | 45.4% | 61.6% | 65.9% |
| 可能 | 40.3% | 30.4% | 26.9% |
| 中立 | 10.7% | 5.4% | 6.3% |
| 不太可能 | 2.6% | 1.5% | 0.5% |
| 非常不可能 | 1% | 1% | 0.5% |
根据调查，与 2020 年 和 2019 年 的调查结果相比，更多 Airflow 用户 (65.9%) 愿意推荐 Apache Airflow。推荐 Airflow 的意愿总体呈积极趋势，93% 的受访 Airflow 用户愿意推荐 Airflow（2020 年 为 92%，2019 年 为 85.7%），只有 1% 的用户不太可能推荐（2019 年 为 3.6%，2020 年 为 3.5%）。
您获取 Airflow 信息的来源是什么？（多选）
| 编号 | % | |
| 文档 | 189 | 90.4% |
| Airflow 网站（博客等） | 142 | 67.9% |
| Stack Overflow | 126 | 60.3% |
| Github 问题 | 104 | 49.8% |
| Slack | 96 | 45.9% |
| Airflow 峰会视频 | 88 | 42.1% |
| GitHub 讨论 | 76 | 36.4% |
| Airflow 社区网络研讨会 | 41 | 19.6% |
| Astronomer 注册表 | 51 | 24.4% |
| Airflow 邮件列表 | 34 | 16.3% |
Airflow 文档是重要的信息来源，超过 90% 的调查参与者使用该文档。与 2020 年 的结果（文档约为 75% 的水平）相比，它越来越重要。此外，超过 60% 的用户从 Airflow 网站 (67.9%) 和 Stack Overflow (60.3%) 获取信息，与 2020 年 的 36% 水平相比也有大幅增加。有趣的是，Slack 的使用率从 2020 年 的 63.05% 下降到 2022 年的 45.9%。
部署
您最大的 Airflow 实例中有多少个活动的 DAG？（单选）
| 编号 | % | |
| 51-250 | 66 | 31.7% |
| 11-50 | 64 | 30.8% |
| 5-10 | 25 | 12.0% |
| 251-500 | 20 | 9.6% |
| <5 | 14 | 6.7% |
| 1000+ | 10 | 4.8% |
| 501-1000 | 9 | 4.3% |
62.5% 的受访 Airflow 用户在其最大的 Airflow 实例中拥有 11 到 250 个 DAG。
您有多少个活动的 Airflow 实例？（单选）
| 编号 | % | |
| 1 | 52 | 25.2% |
| 2 | 46 | 22.3% |
| 4-7 | 40 | 19.4% |
| 3 | 37 | 18.0% |
| 20+ | 19 | 9.2% |
| 8-10 | 7 | 3.4% |
| 11-20 | 5 | 2.4% |
85% 的受访 Airflow 用户拥有 1 到 7 个活动的 Airflow 实例，近 50% 的用户只有 1 个或 2 个实例。
您在单个 DAG 中使用的最大任务数是多少？（单选）
| 编号 | % | |
| 11-25 | 51 | 24.5% |
| 26-50 | 41 | 19.7% |
| 51-100 | 35 | 16.8% |
| <10 | 29 | 13.9% |
| 101-250 | 23 | 11.1% |
| 501-1000 | 9 | 4.3% |
| 1000-2500 | 8 | 3.8% |
| 251-500 | 8 | 3.8% |
| 2500-5000 | 4 | 1.9% |
75% 的受访 Airflow 用户每个 DAG 有 1 到 100 个任务。
您最大的 Airflow 实例中有多少个调度器？（单选）
| 编号 | % | |
| 1 | 113 | 55.1% |
| 2 | 61 | 29.8% |
| 3 | 18 | 8.8% |
| 4+ | 13 | 6.3% |
在参与调查的 Airflow 用户中，超过一半的用户在其最大的 Airflow 实例中仅使用 1 个调度器，但值得注意的是，另一半 Airflow 用户选择使用 2 个或更多调度器。
您使用哪种执行器类型？（多选）
| 编号 | % | |
| Celery | 107 | 52.7 % |
| Kubernetes | 80 | 39.4% |
| 本地 | 49 | 24.1% |
| 顺序 | 21 | 10.3% |
| CeleryKubernetes | 14 | 6.9% |
Celery (52.7%) 和 Kubernetes (39.4%) 是最常用的执行器。CeleryKubernetes (6.9%) 执行器也开始被 Airflow 用户注意到和使用。
如果您使用 Celery 执行器，您最大的 Airflow 实例中有多少个 worker？（单选）
| 编号 | % | |
| 2-5 | 64 | 44.8% |
| 10+ | 28 | 19.6% |
| 1 | 26 | 18.2% |
| 6-10 | 25 | 17.5% |
在参与调查的 Celery 执行器用户中，接近一半（44.8%）的用户在其最大的 Airflow 实例中拥有 2 到 5 个 worker。值得注意的是，近五分之一 (19.6%) 的用户拥有超过 10 个 worker。
您目前使用哪个版本的 Airflow？（单选）
| 编号 | % | |
| 1.10.14 或更早版本 | 13 | 6.3% |
| 1.10.15 | 19 | 9.2% |
| 2.0.x | 23 | 11.1% |
| 2.1.x | 24 | 11.6% |
| 2.2.x | 79 | 38.2% |
| 2.3.x | 49 | 23.7% |
很高兴看到参与调查的用户中，接近 85% 的用户使用 Airflow 2 的某个版本，9.2% 的用户仍然使用 1.10.15，而剩余的 6.3% 的用户仍然使用较旧的 Airflow 1.10 版本。
好消息是，大多数使用 Airflow 1 的用户计划很快迁移到 Airflow 2，因为目前他们认为在能力上有限制，难以进行如此重大的工作。然而，在调查的评论中也可以注意到，一些用户普遍对迁移到 Airflow 2 持怀疑态度，他们对新的调度器或与 helm chart 的兼容性持负面意见。
关于迁移到最新版本的 Airflow 2 的计划，参与调查的用户很坚定，并且特别期待与动态 DAG 相关的特性。然而，一些用户也表示，他们正在等待解决一些依赖关系，或者他们更喜欢等待社区测试新版本一段时间后再决定迁移。
您使用哪些指标来监控 Airflow？（多选）
| 编号 | % | |
| 外部监控服务 | 81 | 40.7% |
| 来自元数据库的信息 | 71 | 35.7% |
| Statsd | 54 | 27.1% |
| 我不使用监控 | 47 | 23.6% |
| 其他 | 14 | 7% |
与 2020 年的结果相比，更多的用户正在以某种方式监控 Airflow。外部监控服务 (40.7%) 和来自元数据库的信息 (35.7%) 开始在 Airflow 监控中发挥更重要的作用。
您如何部署 Airflow？（多选）
| 编号 | % | |
| 在虚拟机上（例如使用 AWS EC2） | 63 | 30.6 % |
| 使用托管服务，如 Astronomer、Google Composer 或 AWS MWAA | 54 | 26.2 % |
| 在 Kubernetes 上（使用 Apache Airflow 的 helm chart） | 46 | 22.3% |
| 在本地 | 43 | 20.9% |
| 在 Kubernetes 上（使用自定义部署） | 39 | 18.9% |
| 在 Kubernetes 上（使用其他 helm chart） | 21 | 10.2% |
| 其他 | 13 | 6.5% |
超过一半的参与调查的 Airflow 用户 (51.4%) 在 Kubernetes 上部署 Airflow。这比 2020 年增加了约 20%。其余主要的部署方法是在虚拟机上 (30.6%) 和通过托管服务 (26.2%)。
您如何将 DAG 从开发环境分发到云端？（单选）
| 编号 | % | |
| 使用同步进程（Git 同步、GCS fuse 等） | 100 | 49% |
| 将它们构建到 Docker 镜像中 | 51 | 25% |
| 共享文件系统 | 30 | 14.7% |
| 其他 | 16 | 7.9% |
| 我不知道 | 7 | 3.4% |
根据调查回复，最流行的 DAG 分发方式是同步进程，大约一半的 Airflow 用户 (49%) 使用此过程将 DAG 从开发环境分发到云端。
使用情况
您是否对 Airflow 进行了任何自定义？（单选）
| 编号 | % | |
| 不，我们使用原生的 Airflow | 165 | 81.3% |
| 是的，我们有一个单独的分支 | 13 | 6.4% |
| 是的，我们使用第三方分支 | 12 | 5.9% |
| 是的，我们将 bug 修复向后移植到旧版本 | 13 | 6.4% |
更多的 Airflow 用户 (81.3%) 没有对 Airflow 进行任何自定义（与 2020 年的 75.9% 相比）。那些进行自定义的 Airflow 用户 (18.7%) 决定引入自定义，主要是为了分离开发和生产工作流程、向后移植 bug 修复、修复安全漏洞或在 Kubernetes pod 上运行回填命令。
您使用哪个元数据数据库？（单选）
| 编号 | %I | |
| PostgreSQL 13 | 86 | 43.9% |
| PostgreSQL 12 | 74 | 37.8% |
| MySQL 8 | 22 | 11.2% |
| MySQL 5 | 9 | 4.6% |
| MariaDB | 4 | 2.0% |
| MsSQL | 1 | 0.5% |
根据调查回复，最流行的元数据数据库是 PostgreSQL 13 (43.9%) 和 PostgreSQL 12 (37.8%)。这比 2020 年大幅增加，PostgreSQL 的总使用率从 68.9% 增加到 81.7%，而 MySQL 的使用率则相应下降，从 23% 降至 15%。考虑到社区关于不增加对更多数据库后端支持，甚至决定仅支持单个数据库的讨论，这是一个有趣的结果。
在您的 Airflow DAG 中，您与提供商和外部服务集成的主要方法是什么？（单选）
| 编号 | % | |
| 使用现有的专用操作符/钩子 | 70 | 34.5% |
| 使用 Bash/Python 操作符 | 58 | 28.6% |
| 使用自定义操作符/钩子 | 50 | 24.6% |
| 使用 KubernetesPodOperator | 25 | 12.3% |
根据调查回复，以下使用 Airflow 连接到外部服务的方式最受欢迎：使用现有的专用操作符/钩子 (34.5%)、使用 Bash/Python 操作符 (28.6%)、使用自定义操作符/钩子 (24.6%)。根据调查回复，使用 KubernetesPodOperator (12.3%) 的普及程度较低。与提供商和外部服务的集成方法排名与 2020 年的排名相似。
您在 Airflow DAG 中使用哪些提供商？（多选）
| 编号 | % | |
| 亚马逊网络服务 | 112 | 55.4% |
| 谷歌云平台 / 谷歌 API | 79 | 39.1% |
| 内部公司系统 | 75 | 37.1% |
| Hadoop / Spark / Flink / 其他 Apache 软件 | 57 | 28.2% |
| 微软 Azure | 17 | 8.4% |
| 其他 | 21 | 10.5% |
| 我的 Airflow DAG 中不使用外部服务 | 14 | 6.9% |
毫不奇怪，亚马逊网络服务（55.4%，2020 年为 59.6%）位居第一，其次是谷歌云平台（39.1%，2020 年为 47.7%）、内部公司系统（37.1%，2020 年为 55.6%）和其他 Apache 产品（28.2%，2020 年为 35.47%）是主要的 Airflow 提供商。
您多久升级一次 Airflow 环境？（单选）
| 编号 | % | |
| 每 12 个月 | 46 | 22.9% |
| 每 6 个月 | 49 | 24.4% |
| 每个季度一次 | 47 | 23.4% |
| 只要有新版本就升级 | 59 | 29.4% |
在参与调查的 Airflow 用户中，不同频率的 Airflow 环境升级几乎同样受欢迎。
您是否将提供商与核心分开升级？（单选）
| 编号 | % | |
| 当我需要时 | 83 | 42.8% |
| 从不 - 总是使用 Airflow 自带的提供商 | 68 | 35.1% |
| 我不知道可以单独升级提供商 | 32 | 16.5% |
| 当提供商发布时我就升级 | 11 | 5.7% |
根据调查回复，Airflow 用户最常在需要时升级提供商 (42.8%)，或者倾向于使用 Airflow 自带的提供商 (35.1%)。令人惊讶的是，16.5% 的参与调查的 Airflow 用户不知道他们可以将提供商与核心 Airflow 分开升级。
您如何在任务之间传递输入和输出？（多选）
| 编号 | % | |
| Xcom | 141 | 69.8% |
| 从存储中保存和检索 | 99 | 49% |
| TaskFlow | 37 | 18.3% |
| 其他 | 5 | 2.5% |
| 我们不传递 | 29 | 14.4% |
根据调查回复，Xcom (69.8%) 是任务之间传递输入和输出的最流行方法，但从存储中保存和检索输入和输出仍然发挥着重要作用 (49%)。有趣的是，接近 15% 的参与调查的 Airflow 用户声明不在任务之间传递任何输出或输入。
您是否使用数据沿袭后端？（多选）
| 编号 | % | |
| 不，但如果 Airflow 完全支持此功能，我将使用它 | 95 | 47.5% |
| 我不熟悉数据沿袭 | 58 | 29% |
| 不，数据沿袭不是我所关心的问题 | 26 | 13% |
| 是的，我将沿袭发送到开源沿袭存储库 | 15 | 7.5% |
| 是的，我将沿袭发送到企业沿袭存储库 | 7 | 3.5% |
| 是的，我将沿袭发送到自定义内部沿袭存储库 | 9 | 4.5% |
当被问及 Airflow 用户使用哪个沿袭后端时，答案表明，虽然沿袭本身是一个相当新的话题，但人们对整个功能很感兴趣。大多数 Airflow 用户回复说，他们目前不使用沿袭解决方案，但如果 Airflow 支持，将来可能会感兴趣 (47.5%)，不熟悉数据沿袭 (29%)，或者数据沿袭不是他们所关心的问题 (13%)。
在您当前的角色中，您使用 Airflow 的哪些界面？（多选）
| 编号 | % | |
| 原始 Airflow 图形用户界面 | 189 | 94% |
| CLI | 98 | 48.8% |
| API | 80 | 39.8% |
| 自定义（自己创建的）Airflow 图形用户界面 | 12 | 6% |
| GCP Composer | 1 | 0.5% |
很明显，使用 Airflow Web UI 非常重要，因为 94% 的参与调查的用户声明将其作为当前角色的一部分使用。CLI (48.8%) 和 API (39.8%) 的使用成对出现，但与 Airflow Web UI 的使用相比不太常见。
（如果标记了 GUI）您使用 GUI 做什么？（多选）
| 编号 | % | |
| 监控运行 | 188 | 95.9% |
| 访问任务日志 | 176 | 89.8% |
| 手动触发 DAG | 167 | 85.2% |
| 清除任务 | 162 | 82.7% |
| 将任务标记为成功 | 119 | 60.7% |
| 其他 | 6 | 3% |
Airflow Web UI 主要用于监控：监控运行 (95.9%) 和故障排除：访问任务日志 (89.8%)、手动触发 DAG (85.2%)、清除任务 (82.7%) 和将任务标记为成功 (60.7%)。
（如果标记了 CLI）您使用 CLI 做什么？（多选）
| 编号 | % | |
| 回填 | 63 | 56.8% |
| 手动触发 DAG | 52 | 46.8% |
| 清除任务 | 26 | 23.4% |
| 监控运行 | 25 | 22.5% |
| 访问任务日志 | 21 | 18.9% |
| 将任务标记为成功 | 11 | 9.9% |
| 其他 | 17 | 15.3% |
与 Airflow Web UI 相比，Airflow CLI 主要用于回填 (56.8%) 和手动触发 DAG (46.8%)。
在 Airflow 中，哪些 UI 视图对您很重要？（多选）
| 编号 | % | |
| DAG 列表 | 178 | 89.4% |
| 任务日志 | 162 | 81.4% |
| DAG 运行 | 160 | 80.4% |
| 图表视图 | 147 | 73.9% |
| 网格/树状视图 | 138 | 69.3% |
| 运行详情 | 117 | 58.8% |
| DAG 详情 | 111 | 55.8% |
| 任务实例 | 102 | 51.3% |
| 任务持续时间 | 91 | 45.7% |
| 代码 | 90 | 45.2% |
| 任务尝试 | 60 | 30.2% |
| 甘特图 | 48 | 21.4% |
| 落地时间 | 27 | 13.6% |
| 其他 | 4 | 2% |
UI 视图重要性排名表明，大多数 Airflow 用户主要将 Web UI 用于监控和/或故障排除目的，其中前 3 个视图是 DAG 列表 (89.4%)、任务日志 (81.4%) 和 DAG 运行 (80.4%)。结果与 2020 年和 2019 年的结果非常相似。
社区和贡献
您是否参与 Airflow 社区的讨论？（单选）
| 编号 | % | |
| 我偶尔会看到 | 99 | 48.3% |
| 我定期关注讨论的内容但不参与 | 53 | 25.9% |
| 我不知道可以参与 | 41 | 20.0% |
| 我积极参与讨论 | 12 | 5.9% |
| 编号 | % | |
| 我知道可以参与，但我没有贡献 | 116 | 57.1% |
| 非常少，只在与我需要的内容相关时 | 44 | 21.7% |
| 我不知道可以参与 | 30 | 14.8% |
| 我定期通过讨论、审查和提交 PR 来做出贡献 | 13 | 6.4% |
与 Airflow 社区讨论相关的结果与参与 Airflow 社区讨论的结果非常相似。大多数参与调查的 Airflow 用户 (57.1%) 知道可以参与，但不贡献或很少贡献 (21.7%)。14.8% 的用户不知道他们可以贡献。再一次，这清楚地表明，为了让我们的社区更积极地贡献，并提高目前积极贡献的 6.4% 的用户比例，还有很多工作要做。
如果您不贡献 - 为什么？
| 编号 | % | |
| 即使我想贡献，也没有时间 | 65 | 38.9% |
| 我不知道如何开始 | 63 | 37.7% |
| 我没有贡献的需求 | 19 | 11.4% |
| 我不知道可以参与 | 12 | 7.2% |
| 我的雇主有政策，使得贡献变得困难 | 8 | 4.8% |
根据调查结果，Airflow 贡献的最大障碍是时间有限 (38.9%)，但令人惊讶且重要的障碍是缺乏关于如何开始的知识 (37.7%)，其次是缺乏关于可以贡献的知识 (7.2%)。
Airflow 的未来
您认为 Airflow 哪些方面可以改进？（多选）
| 编号 | % | |
| Web UI | 100 | 49.5% |
| 日志记录、监控和警报 | 97 | 48.0% |
| 示例、操作指南、入门文档 | 74 | 36.6% |
| 技术文档 | 74 | 36.6% |
| 调度器性能 | 56 | 27.7% |
| 可靠性 | 52 | 25.7% |
| DAG 编写 | 48 | 23.8% |
| REST API | 43 | 21.3% |
| 身份验证和授权 | 41 | 20.3% |
| 外部集成，例如 AWS、GCP、Apache 产品 | 41 | 20.3% |
| 更好地支持各种部署（Docker-compose/Nomad/其他） | 39 | 19.3% |
| 一切对我来说都很好 | 19 | 9.4% |
| 我不知道 | 4 | 2.0% |
结果非常不言自明。根据调查结果，最需要改进的仍然是 Airflow Web UI（49.5%），紧随其后的是用于日志记录、监控和警报的更多遥测数据（48%）。然而，所有这些努力都应与改进的文档（36.6%）和关于使用 Airflow 的资源保持一致，尤其是在考虑到新用户入门的需求时（36.6%）。
您希望在 Airflow 中看到哪些功能？
| 编号 | % | |
| DAG 版本控制 | 129 | 66.2% |
| 依赖管理和数据驱动的调度 | 83 | 42.6% |
| 更动态的任务结构 | 82 | 42.1% |
| 多租户 | 74 | 37.9% |
| 基于信号的调度 | 67 | 34.4% |
| 更好的安全性（隔离） | 65 | 33.3% |
| 通过 API 外部提交新的 DAG | 53 | 27.2% |
| 可组合的操作符 | 46 | 23.6% |
| 支持原生云执行器（AWS/GCP/Azure 等） | 44 | 22.6% |
| 更好地支持机器学习 | 38 | 19.5% |
| 远程 CLI | 36 | 18.5% |
| 支持混合执行器 | 22 | 11.3% |
根据调查结果，DAG 版本控制是 Airflow 新功能的赢家，这并不奇怪，因为此功能可能会对 Airflow 用户的日常工作产生积极影响。紧随其后的是其他三个想法：依赖管理和数据驱动的调度（42.6%）、更动态的任务结构（42.1%）和多租户（37.9%）。该问题中另一个有趣的观点是，只有 11.3% 的人认为 Airflow 中需要支持混合执行器。
数据
如果您有兴趣自己查看原始数据，请在此处获取：（Airflow User Survey 2022.csv）[/data/survey-responses/airflow-user-survey-responses-2022.csv.zip]
分享