Was ist STACKIT Workflows?
STACKIT Workflows ist ein vollständig verwalteter Workflow-Orchestrierungsdienst auf Basis von Apache Airflow. Nutzer erstellen, planen und überwachen komplexe Datenworkflows als Directed Acyclic Graphs (DAGs) in Python, ohne eine eigene Airflow-Infrastruktur bereitstellen oder pflegen zu müssen. Der Betrieb erfolgt in deutschen Rechenzentren.
Kernfunktionen
- Vollständig verwaltete Apache-Airflow-Infrastruktur mit dokumentiertem Upgrade-Pfad auf Airflow 3
- DAG-Erstellung in Python; eine webbasierte Entwicklungsumgebung ist angekündigt
- Dynamische Ressourcen-Skalierung je nach Workload
- KubernetesPodOperator für isolierte Task-Ausführung mit eigenen Docker-Images
- Operatoren und Decorators für Spark-Jobs und Custom-Python-Code
- Integration mit STACKIT Spark und vordefinierten STACKIT-Observability-Dashboards
Typische Anwendungsfälle
Datenpipeline-Orchestrierung: Teams koordinieren mehrstufige ETL-Prozesse zwischen Datenbanken, Data Lakes und Analyseplattformen inklusive Fehlerbehandlung und Datenqualitätsprüfungen.
ML-Automatisierung: ML-Pipelines werden als DAGs definiert: Datenvorbereitung, Feature Engineering, Modelltraining, Validierung und Deployment lassen sich als zusammenhängender Workflow orchestrieren.
Spark-basierte Verarbeitung: Spark-Jobs werden über spezialisierte Operatoren direkt aus Airflow-DAGs heraus gesteuert.
Vorteile
- Kein eigener Airflow-Infrastrukturbetrieb notwendig
- Kein Lock-in, da Apache Airflow ein etablierter Industriestandard ist
- Isolierte, reproduzierbare Task-Ausführung über Kubernetes
- Betrieb in deutschen Rechenzentren
Integration mit innFactory
Als offizieller STACKIT Partner unterstützt innFactory Sie beim Design und der Implementierung von Datenpipelines: von DAG-Architektur über Fehlerbehandlung bis zur Integration mit dem STACKIT Data-Ökosystem.
Typische Anwendungsfälle
Häufig gestellte Fragen
Was ist STACKIT Workflows?
STACKIT Workflows ist ein vollständig verwalteter Dienst auf Basis von Apache Airflow, mit dem sich komplexe Datenworkflows als Python-DAGs erstellen, zeitlich planen und überwachen lassen. STACKIT betreibt die Airflow-Infrastruktur, sodass kein eigener Airflow-Betrieb notwendig ist.
Muss ich Workflows über Python-Code definieren oder gibt es einen visuellen Editor?
Aktuell werden DAGs als Python-Code erstellt. Eine webbasierte Entwicklungsumgebung ist laut STACKIT-Dokumentation angekündigt, aber noch nicht verfügbar.
Welche Airflow-Version wird unterstützt?
STACKIT Workflows basiert auf Apache Airflow und bietet einen dokumentierten Upgrade-Pfad auf Airflow 3. Für den aktuellen Versionsstand ist die offizielle Dokumentation maßgeblich.
Wie lässt sich Workflows mit anderen STACKIT-Diensten kombinieren?
Workflows integriert sich unter anderem mit STACKIT Spark für Datenextraktion und -verarbeitung sowie mit STACKIT Observability über vordefinierte Dashboards. Task-Ausführungen können über den KubernetesPodOperator in isolierten Kubernetes-Pods mit eigenen Docker-Images laufen.
Was kostet STACKIT Workflows?
Der Dienst wird nutzungsbasiert abgerechnet (Pay-per-use). Für aktuelle Preise ist die offizielle STACKIT-Preisseite maßgeblich.
Hinweis: Alle Produktinformationen auf dieser Seite wurden sorgfältig zusammengestellt, sind jedoch ohne Gewähr und können veraltet oder unvollständig sein. Cloud-Services entwickeln sich schnell weiter — Funktionen, Preise, SLAs und Verfügbarkeit ändern sich laufend. Verbindliche und aktuelle Informationen finden Sie ausschließlich auf der offiziellen Produktseite von STACKIT (offizielle Dokumentation). Diese Seite stellt kein Angebot von STACKIT dar.
