--- title: Apache Airflow Reviews meta_title: 'Apache Airflow Avaliações 2026: Detalhes, Preços e Recursos | G2' meta_description: Filtre avaliações de 128 pelo tamanho da empresa, cargo ou setor dos usuários para descobrir como Apache Airflow funciona para um negócio como o seu. aggregate_rating: rating_value: 4.4 review_count: 128 scale: '5' date_modified: '2026-07-13' parent_category: name: Inteligência Artificial url: https://www.g2.com/pt/categories/artificial-intelligence --- # Apache Airflow Reviews **Vendor:** The Apache Software Foundation **Category:** [Software de Orquestração de IA](https://www.g2.com/pt/categories/ai-orchestration) **Average Rating:** 4.4/5.0 **Total Reviews:** 128 ## About Apache Airflow O Apache Airflow é uma plataforma de código aberto projetada para a criação, agendamento e monitoramento de fluxos de trabalho complexos. Desenvolvido em Python, ele permite que os usuários definam fluxos de trabalho como código, facilitando a geração dinâmica de pipelines e a integração perfeita com várias tecnologias. A arquitetura modular do Airflow e seu sistema de filas de mensagens permitem que ele escale de forma eficiente, gerenciando fluxos de trabalho desde máquinas únicas até sistemas distribuídos em larga escala. Sua interface web amigável oferece capacidades abrangentes de monitoramento e gerenciamento, proporcionando insights claros sobre o status das tarefas e logs de execução. Principais Características: - Python Puro: Os fluxos de trabalho são definidos usando código Python padrão, permitindo a geração dinâmica de pipelines e fácil integração com bibliotecas Python existentes. - Interface Web Amigável: Uma aplicação web robusta permite que os usuários monitorem, agendem e gerenciem fluxos de trabalho sem a necessidade de interfaces de linha de comando. - Extensibilidade: Os usuários podem definir operadores personalizados e estender bibliotecas para se adequar ao seu ambiente específico, aumentando a flexibilidade da plataforma. - Escalabilidade: A arquitetura modular do Airflow e o uso de filas de mensagens permitem que ele orquestre um número arbitrário de trabalhadores, tornando-o pronto para escalar conforme necessário. - Integrações Robustas: A plataforma oferece inúmeros operadores plug-and-play para executar tarefas em várias plataformas de nuvem e serviços de terceiros, facilitando a integração fácil com a infraestrutura existente. Valor Principal e Resolução de Problemas: O Apache Airflow aborda os desafios de gerenciar fluxos de trabalho de dados complexos, fornecendo uma plataforma escalável e dinâmica para orquestração de fluxos de trabalho. Ao definir fluxos de trabalho como código, ele garante reprodutibilidade, controle de versão e colaboração entre equipes. A extensibilidade da plataforma e suas integrações robustas permitem que as organizações a adaptem às suas necessidades específicas, reduzindo a sobrecarga operacional e melhorando a eficiência nas tarefas de processamento de dados. Sua interface amigável e capacidades de monitoramento aumentam a transparência e o controle sobre os fluxos de trabalho, levando a uma melhoria na qualidade e confiabilidade dos dados. ## Apache Airflow Pros & Cons **What users like:** - Os usuários apreciam a **facilidade de uso** do Apache Airflow, facilitando o design e o monitoramento de fluxos de trabalho com recursos intuitivos. (35 reviews) - Os usuários apreciam a **interface web intuitiva** do Apache Airflow, permitindo um monitoramento e depuração eficientes dos fluxos de trabalho. (18 reviews) - Os usuários valorizam a **flexibilidade** do Apache Airflow, permitindo fluxos de trabalho personalizados e integração perfeita com vários serviços. (13 reviews) - Os usuários apreciam as **capacidades de automação** do Apache Airflow, elogiando sua simplicidade e eficácia na programação de tarefas. (10 reviews) - Os usuários destacam as **integrações fáceis** do Apache Airflow, aumentando a flexibilidade para fluxos de trabalho e fontes de dados diversificados. (10 reviews) - Os usuários apreciam as **extensas integrações** do Apache Airflow, permitindo conexões perfeitas com várias aplicações e fontes de dados. (10 reviews) - Os usuários adoram a **interface intuitiva do Python** do Apache Airflow, tornando fácil configurar e gerenciar fluxos de trabalho. (9 reviews) - Eficiência (6 reviews) - Escalabilidade (6 reviews) - Facilidade de Desenvolvimento (4 reviews) **What users dislike:** - Os usuários enfrentam uma **configuração difícil** com o Apache Airflow, aprendendo nuances que podem complicar a configuração e o uso iniciais. (13 reviews) - Os usuários acham a **curva de aprendizado desafiadora** , exigindo tempo significativo para dominar os operadores e o sistema de agendamento. (9 reviews) - Os usuários acham que o Apache Airflow tem uma **curva de aprendizado acentuada** , tornando a configuração inicial e a configuração bastante desafiadoras para os novatos. (8 reviews) - Os usuários acham que o Apache Airflow tem uma **curva de aprendizado acentuada** que complica a configuração de tarefas e a depuração, tornando-o desafiador. (6 reviews) - Os usuários acham que a **interface de usuário desatualizada** do Apache Airflow contribui para uma experiência menos eficiente e contínua. (6 reviews) - Os usuários acham a **interface do usuário desajeitada e intimidadora** , impactando a usabilidade e a experiência geral com o Apache Airflow. (6 reviews) - Complexidade (5 reviews) - Os usuários acham a **complexidade da interface** do Apache Airflow desafiadora, exigindo conhecimento técnico significativo para uso eficaz. (5 reviews) - Recursos Faltantes (5 reviews) - Problemas de Desempenho (5 reviews) ## Apache Airflow Reviews ### 1. Workflows escaláveis com Apache Airflow, melhor ferramenta de engenharia de dados para orquestrador, fácil implantação **Rating:** 4.5/5.0 stars **Reviewed by:** Rajesh K. | Senior Cloud Software Engineer , Médio Porte (51-1000 emp.) **Reviewed Date:** April 28, 2026 **O que você mais gosta em Apache Airflow?** É fácil de implantar com o Docker. Forneça autenticação segura. Uma melhor interface de usuário no Airflow 3.x. Há muitos métodos, operadores e hooks adicionados. Fácil de adicionar dependências. Uma melhor ferramenta de monitoramento de fluxo de trabalho. Agende, ative e desative trabalhos facilmente. Bom desempenho quando usado em qualquer plataforma de nuvem como AWS em modo serverless. Facilmente escalável. Fácil de integrar bibliotecas de terceiros. O Apache Airflow é gratuito, mas você precisa pagar pelo custo de computação se estiver usando qualquer nuvem. Uma ampla comunidade de suporte. **O que você não gosta em Apache Airflow?** Quando eu crio uma tarefa no modo de expansão, ela não exibe o fluxo gráfico corretamente. Também notei que há muito registro de log. E ao configurá-la no AWS MWAA em uma VPC privada, requer configuração adicional. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** Eu tenho milhares de trabalhos que preciso monitorar diariamente. No passado, criamos um script personalizado em Python, mas depois encontramos o Airflow e começamos a usá-lo. Agora, em um só lugar, podemos monitorar todos os trabalhos em execução junto com seu status, e podemos facilmente notificar o desenvolvedor ou a pessoa responsável para verificar quaisquer alertas. Isso também me ajuda a fornecer um melhor fluxo de orquestração. ### 2. Poderoso para pipelines complexos de ML, mas vem com uma curva de aprendizado de infraestrutura íngreme **Rating:** 5.0/5.0 stars **Reviewed by:** Sachin G. | Machine Learning Engineer, Médio Porte (51-1000 emp.) **Reviewed Date:** June 08, 2026 **O que você mais gosta em Apache Airflow?** Usamos o Apache Airflow como o orquestrador central para todo o nosso ciclo de vida de aprendizado de máquina e engenharia de dados. Especificamente, ele gerencia os cronogramas e dependências para extrair dados brutos de nossos bancos de dados de produção, orquestrar trabalhos diários de engenharia de características e iniciar pipelines automatizados de re-treinamento de modelos. Uma vez que os modelos são avaliados, o Airflow também aciona os scripts de implantação para enviar artefatos de modelo atualizados para o nosso ambiente de teste. Basicamente, ele atua como a cola que mantém nossos fluxos de trabalho de dados juntos, garantindo que tudo funcione na sequência exata necessária. O que mais aprecio no Airflow é sua filosofia de "configuração como código". Como cada fluxo de trabalho é definido como um script Python, ele se encaixa perfeitamente em nossas práticas de desenvolvimento existentes. Podemos controlar a versão de nossos DAGs no Git, realizar revisões de código neles e facilmente escrever operadores personalizados quando os embutidos não atendem exatamente às nossas necessidades. A interface do usuário também é incrivelmente detalhada; quando um pipeline complexo falha às 3:00 da manhã, a visualização em árvore e a capacidade de acessar diretamente os logs de uma tarefa específica que falhou nos poupam uma quantidade imensa de tempo de solução de problemas. A comunidade de código aberto é enorme, então se você está tentando conectar o Airflow a um banco de dados ou a um serviço em nuvem, as chances são de que já exista um pacote de provedor robusto. **O que você não gosta em Apache Airflow?** A maior dor de cabeça com o Airflow é definitivamente a sobrecarga operacional e a curva de aprendizado íngreme necessária para mantê-lo funcionando sem problemas. Gerenciar o agendador, o servidor web e os trabalhadores—especialmente ao lidar com tarefas de aprendizado de máquina que consomem muitos recursos—requer muito ajuste de infraestrutura. Tivemos dificuldades inicialmente com o agendador ficando sobrecarregado e as tarefas ficando presas em um estado de fila. Além disso, o desenvolvimento local pode ser doloroso de configurar de forma realista, e o fato de que o agendador constantemente analisa arquivos Python significa que você tem que ser extremamente cuidadoso sobre como escreve seu código para evitar uma degradação severa de desempenho. Não é uma ferramenta que você pode simplesmente ligar e esquecer; ela requer atenção dedicada de DevOps. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** Antes de implementar o Airflow, nossas tarefas de sincronização de dados e treinamento de modelos eram geridas por uma mistura fragmentada de cron jobs e scripts shell personalizados. Se uma única etapa falhasse, os scripts subsequentes poderiam rodar com dados corrompidos ou todo o sistema pararia silenciosamente sem que ninguém soubesse. O Airflow resolveu completamente esse problema de visibilidade e dependência. Por exemplo, automatizamos um enorme pipeline de previsão de churn de clientes que requer execução perfeita entre extração de dados, transformação e inferência de modelos. Agora, se a etapa inicial de extração de dados falhar devido a uma falha de rede, o Airflow automaticamente tenta novamente algumas vezes antes de nos alertar no Slack, garantindo que nossos modelos subsequentes sempre treinem com dados frescos e precisos sem intervenção manual. ### 3. Incrível flexibilidade com Python, mas requer manutenção dedicada **Rating:** 5.0/5.0 stars **Reviewed by:** Lokesh S. | Senior Data Scientist, Médio Porte (51-1000 emp.) **Reviewed Date:** June 03, 2026 **O que você mais gosta em Apache Airflow?** Nossos pipelines de dados e todos os fluxos de trabalho de aprendizado de máquina são orquestrados em cima do Apache Airflow. Temos uma variedade de trabalhos ETL rodando em um cronograma e alguns loops de treinamento de ML mais complicados e multi-etapas. O Airflow está no meio, consumindo dados de vários bancos de dados de produção, executando nossos scripts de pré-processamento de dados, alimentando nossos pipelines de treinamento de modelos e enviando os resultados para nossos painéis de análise de dados e armazenamento em nuvem. É como o relógio e o sistema nervoso dentro de todo o nosso design de arquitetura de dados. Esse é definitivamente o ponto de venda do Airflow do qual ninguém pode escapar - configuração como código. Sendo completamente em Python, nos dá muita flexibilidade. Posso trabalhar em fluxos de trabalho de dados reais usando técnicas comuns de engenharia de software, como controle de versão com git, revisões de código e testes unitários do meu código. A interface do usuário também é ótima para depuração: tenho certeza de que alguém está executando um pipeline complexo em algum lugar, às 3:00 da manhã algumas de suas tarefas críticas estão falhando, e usando a visualização em árvore e o acesso direto aos logs das tarefas, posso ter quase certeza de qual tarefa falhou e por quê. Ah, e, como eles têm uma comunidade tão grande, temos um operador ou um provedor para quase qualquer serviço ou ferramenta em nuvem que queremos conectar. **O que você não gosta em Apache Airflow?** Isso é extremamente poderoso, mas de forma alguma é uma ferramenta de "configurar e esquecer". A sobrecarga da infraestrutura é definitivamente alta, e a necessidade de ajustar e manter o agendador funcionando sem um único ponto de falha pode ser muito exigente para uma equipe de tamanho médio. Também é uma curva de aprendizado bastante íngreme para novatos. Criar um DAG corretamente é bastante complexo, porque é preciso entender conceitos como idempotência, datas de execução, etc., que não são intuitivos para um engenheiro júnior e podem levar a mal-entendidos e Execuções Duplas. Finalmente, a máquina de desenvolvimento local pode ser um tanto complicada e complexa de configurar. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** Antes do Airflow, dependíamos de uma rede muito frágil de scripts shell personalizados e cron jobs para nossos pipelines de dados. Imagine se um script desse errado no meio da noite, ele falharia silenciosamente em completar os fluxos de trabalho subsequentes e só saberíamos das falhas mais tarde, quando um responsável de negócios dissesse que os painéis estavam quebrados na manhã seguinte. O Airflow resolveu esse problema de pesadelo. Por exemplo, temos um pipeline de re-treinamento diário que falha quando há uma falha temporária na rede e o Airflow o reenvia algumas vezes. Se continuar a falhar, ele desacelera as várias etapas subsequentes e nos dá uma notificação clara no instante no Slack! Essa confiabilidade reduziu nosso tempo de combate a incêndios manuais e recuperação manual de dados para nós em inúmeras horas. ### 4. Apache Airflow: Ferramenta de orquestração flexível e confiável com uma curva de aprendizado **Rating:** 4.0/5.0 stars **Reviewed by:** Salman K. | Subordinate Consultant, Tecnologia da Informação e Serviços, Empresa (> 1000 emp.) **Reviewed Date:** March 17, 2026 **O que você mais gosta em Apache Airflow?** O que eu mais gosto no Airflow é sua flexibilidade e o número de funcionalidades para construir fluxos de trabalho usando DAGs. É muito útil para gerenciar pipelines complexos com dependências. A integração com diferentes sistemas também é forte. Uma vez configurado, funciona de forma confiável e é usado frequentemente nas operações diárias. **O que você não gosta em Apache Airflow?** A facilidade de uso é uma área onde pode melhorar, especialmente para novos usuários. A configuração inicial e a implementação exigem esforço se você estiver gerenciando por conta própria. A interface do usuário não é muito amigável e às vezes é lenta. Além disso, depurar fluxos de trabalho com falhas pode levar tempo. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** O Airflow está nos ajudando a automatizar e gerenciar pipelines de dados de maneira estruturada. Anteriormente, as tarefas eram manuais e não estavam devidamente agendadas, mas agora tudo funciona através de fluxos de trabalho definidos. Isso melhorou a confiabilidade, reduziu o esforço manual e tornou mais fácil monitorar os processos. A integração com múltiplos sistemas também ajuda a lidar com o fluxo de dados de ponta a ponta de forma eficiente. ### 5. Flexibilidade e Poder para Fluxos de Trabalho Complexos **Rating:** 4.5/5.0 stars **Reviewed by:** Akash M. | Senior Data Engineer, Tecnologia da Informação e Serviços, Empresa (> 1000 emp.) **Reviewed Date:** May 03, 2026 **O que você mais gosta em Apache Airflow?** Eu uso o Apache Airflow para agendar e gerenciar pipelines de dados, e aprecio como ele automatiza pipelines ETL facilmente e permite o monitoramento de tarefas. Adoro sua flexibilidade para construir e gerenciar fluxos de trabalho complexos sem esforço usando código, juntamente com recursos como Operadores e sensores. A interface é muito útil para rastrear pipelines e depurar falhas rapidamente. Ele me ajuda a criar, automatizar e agendar fluxos de trabalho complexos, reduzindo os esforços manuais, tornando o monitoramento de pipelines e o tratamento de erros muito mais fácil. Adoro a maioria dos recursos que o Airflow oferece, e dou uma nota de 9/10, pois adoro esta plataforma. **O que você não gosta em Apache Airflow?** Para iniciantes, o Apache Airflow pode ser complexo de configurar, especialmente com o Docker. Às vezes, quando um DAG é atualizado, a interface pode parecer lenta. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** Eu uso o Apache Airflow para automatizar pipelines ETL, reduzindo os esforços manuais e facilitando o monitoramento dos pipelines e o tratamento de erros. ### 6. Gestão de Fluxo de Trabalho Organizada e Flexível com uma Excelente Interface de Monitoramento **Rating:** 5.0/5.0 stars **Reviewed by:** Brian K. | Technical Lead, Médio Porte (51-1000 emp.) **Reviewed Date:** March 22, 2026 **O que você mais gosta em Apache Airflow?** O que eu mais gosto no Apache Airflow é como ele faz com que o gerenciamento de fluxos de trabalho pareça organizado e previsível. Você pode definir claramente as tarefas, estabelecer dependências e ver tudo disposto em um só lugar, o que torna pipelines complexos muito mais fáceis de entender. Também gosto de como ele é flexível. Você pode construir e personalizar fluxos de trabalho para se adequar a praticamente qualquer pipeline de dados, e o agendamento simplesmente funciona uma vez configurado. A interface do usuário é outro grande ponto positivo, pois facilita o monitoramento das execuções, a depuração de problemas e a visualização rápida de onde algo falhou sem precisar vasculhar logs por muito tempo. **O que você não gosta em Apache Airflow?** Uma coisa que eu não gosto no Apache Airflow é que ele pode parecer bastante pesado e complexo, especialmente no início. Configurá-lo corretamente leva tempo, e há várias partes móveis para entender antes que tudo funcione sem problemas. Depurar também pode ser frustrante às vezes. Quando algo falha, os logs nem sempre são os mais fáceis de seguir, então pode demorar mais do que o esperado para descobrir o que deu errado. Também pode ser um pouco intensivo em recursos, o que não é ideal se você estiver executando projetos menores ou apenas precisar de algo mais leve. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** O Apache Airflow resolve o problema de gerenciar e agendar fluxos de trabalho complexos de maneira clara e estruturada. Em vez de executar scripts manualmente ou depender de cron jobs frágeis, ele permite que você defina tudo como um pipeline com dependências, tentativas de reexecução e monitoramento adequado. Para mim, isso significa que meus pipelines de dados são executados automaticamente e de forma confiável, sem supervisão constante. Também torna muito mais fácil rastrear o que está acontecendo, detectar falhas cedo e corrigir problemas rapidamente. No geral, economiza tempo e me dá confiança de que meus fluxos de trabalho estão sendo executados conforme o esperado. ### 7. Orquestração poderosa para pipelines de dados complexos com ótimo suporte da comunidade **Rating:** 4.5/5.0 stars **Reviewed by:** Aindrila R. | Assistant System Engineer, Software de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** January 03, 2026 **O que você mais gosta em Apache Airflow?** Para mim, a característica de destaque é definitivamente a interface web. Como engenheiro de dados, frequentemente me vejo solucionando problemas, e a visualização em grade no Airflow torna extremamente simples identificar exatamente onde um pipeline falhou. Posso acessar rapidamente os logs de qualquer tarefa específica e determinar o que deu errado em segundos. Este nível de transparência é algo que trabalhos cron tradicionais ou scripts básicos simplesmente não oferecem. Ter um painel central para todos os seus fluxos de trabalho realmente proporciona tranquilidade. **O que você não gosta em Apache Airflow?** O principal desafio é a facilidade de implementação para iniciantes. Configurar a infraestrutura (como o servidor web, o agendador e o banco de dados) requer um bom conhecimento de DevOps, o que pode ser um obstáculo para uma equipe pequena. Como é de código aberto, você não tem suporte ao cliente tradicional, então depende muito da comunidade. Embora a comunidade seja ativa, a documentação às vezes pode ser um pouco avassaladora quando você está tentando resolver um problema de configuração muito específico. É uma ferramenta poderosa, mas a facilidade de uso do ponto de vista da configuração definitivamente poderia ser melhorada. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** Antes de adotar o Apache Airflow, nossa equipe enfrentava desafios significativos ao gerenciar as complexas dependências entre nossos vários scripts de dados. Dependíamos de simples cron jobs e gatilhos manuais, o que significava que muitas vezes não descobríamos uma transformação falhada até muito tempo depois. O Airflow resolveu esses problemas ao servir como nossa 'fonte de verdade' central para automação. Ele orquestra a sequência de nossas tarefas de forma perfeita, garantindo que o Passo B só comece uma vez que o Passo A tenha sido concluído com sucesso. Pessoalmente, descobri que o Airflow reduziu muito o tempo que passo em monitoramento manual e solução de problemas. Em vez de vasculhar logs de servidor para rastrear erros, posso simplesmente consultar o painel do Airflow para identificar exatamente onde uma tarefa falhou. Essa mudança me permitiu dedicar mais tempo ao desenvolvimento de novos pipelines de dados em vez de apenas manter os existentes, resultando em um fluxo de trabalho que é tanto mais confiável quanto escalável. ### 8. Gestão de Fluxo de Trabalho Flexível com Apache Airflow **Rating:** 5.0/5.0 stars **Reviewed by:** Atharva P. | Cloud BI Engineer, Empresa (> 1000 emp.) **Reviewed Date:** May 14, 2026 **O que você mais gosta em Apache Airflow?** O que eu mais gosto no Apache Airflow é a sua flexibilidade em construir e gerenciar fluxos de trabalho complexos usando código. A abordagem baseada em DAG torna fácil definir dependências, agendar tarefas e monitorar a execução de pipelines de forma centralizada. **O que você não gosta em Apache Airflow?** Depurar fluxos de trabalho falhos e gerenciar dependências entre várias tags pode se tornar desafiador ao longo do tempo. Além disso, a configuração inicial e a manutenção podem ser complexas, especialmente para implantações em larga escala, se não for um serviço gerenciado. A configuração local básica é gerenciável, mas a implantação em nível de produção com escalabilidade, monitoramento e alta disponibilidade requer expertise significativa. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** O Apache Airflow resolve nossos desafios de orquestração e agendamento de fluxos de trabalho, automatizando fluxos de trabalho, acionando trabalhos dependentes, gerenciando tentativas e coordenando o movimento de dados. Isso reduz a intervenção manual e melhora a confiabilidade do pipeline. ### 9. ETL simplificado com visualização poderosa de DAG **Rating:** 5.0/5.0 stars **Reviewed by:** Dhanush R. | Senior Technical Customer Success Manager, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** March 31, 2026 **O que você mais gosta em Apache Airflow?** Adoro usar o Apache Airflow para criar pipelines ETL, especialmente com sua visualização de DAG orientada por UI que facilita muito o entendimento do fluxo de trabalho e das dependências. A visualização de gráfico e de estágio é incrível, e identificar erros é direto. O recurso de monitoramento de tarefas é realmente útil, permitindo-me ver quais trabalhos estão em execução, e o manuseio de tentativas e falhas é essencial para operações suaves. A configuração foi direta, particularmente na AWS, e é incrivelmente útil quando integrado com o Acceldata para observabilidade de pipelines. **O que você não gosta em Apache Airflow?** A única coisa que notei, quando há mais DAGs, é que a interface do usuário pode às vezes parecer lenta ao lidar com muitas tarefas. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** O Apache Airflow nos ajuda a criar um pipeline ETL robusto, automatiza fluxos de trabalho do Spark e simplifica a identificação de erros com sua interface de usuário. A visualização do DAG auxilia na compreensão dos fluxos de trabalho e dependências. ### 10. padrão da indústria para tarefas cron **Rating:** 4.5/5.0 stars **Reviewed by:** Mitul C. | Software Engineer, Empresa (> 1000 emp.) **Reviewed Date:** January 27, 2026 **O que você mais gosta em Apache Airflow?** todo o processo é muito extensível, já que há muitos usuários, temos muitos operadores/plugins embutidos. a interface do usuário é muito limpa e intuitiva. **O que você não gosta em Apache Airflow?** Eu não acho que haja um recurso onde possamos ver os logs de todos os trabalhos em um só lugar. Digamos que temos 20-30 etapas, então temos que ir a cada etapa e verificar os logs. Eu gostaria que todos os logs fossem consolidados. **Que problemas Apache Airflow está resolvendo e como isso está beneficiando você?** resolve o problema dos cron jobs e remove a dependência manual. é muito confiável e quaisquer falhas também aparecem com bastante facilidade no processo, se existirem ## Apache Airflow Discussions - [O que é tecnologia de fluxo de ar?](https://www.g2.com/pt/discussions/what-is-airflow-technology) - 1 comment - [O Airflow é um framework?](https://www.g2.com/pt/discussions/is-airflow-a-framework) - 1 comment - [Is Apache airflow an ETL tool?](https://www.g2.com/pt/discussions/is-apache-airflow-an-etl-tool) - 1 comment - [Quem está usando o Apache Airflow?](https://www.g2.com/pt/discussions/who-is-using-apache-airflow) - 1 comment - [View Apache Airflow pricing details and edition comparison](https://www.g2.com/pt/products/apache-airflow/reviews/apache-airflow-review-7083002?section=pricing&secure%5Bexpires_at%5D=2026-07-13+07%3A30%3A54+-0500&secure%5Bsession_id%5D=dcf6934c-a91c-4e23-96bb-71de5823a529&secure%5Btoken%5D=44f70e171337cebf6121cb5d9e480b2812d805ccc6b1086bd37046e9bf5cbdcb&format=llm_user) ## Apache Airflow Integrations - [Amazon EMR](https://www.g2.com/pt/products/amazon-emr/reviews) - [Amazon S3 Glacier](https://www.g2.com/pt/products/amazon-s3-glacier/reviews) - [Amazon Simple Storage Service (S3)](https://www.g2.com/pt/products/amazon-simple-storage-service-s3/reviews) - [Astro by Astronomer](https://www.g2.com/pt/products/astro-by-astronomer/reviews) - [AWS Bedrock](https://www.g2.com/pt/products/aws-bedrock/reviews) - [AWS CloudFormation](https://www.g2.com/pt/products/aws-aws-cloudformation/reviews) - [AWS Glue](https://www.g2.com/pt/products/aws-glue/reviews) - [AWS Lambda](https://www.g2.com/pt/products/aws-lambda/reviews) - [Azure Databricks](https://www.g2.com/pt/products/azure-databricks/reviews) - [Azure Data Factory](https://www.g2.com/pt/products/azure-data-factory/reviews) - [Azure Pipelines](https://www.g2.com/pt/products/azure-pipelines/reviews) - [Erisna](https://www.g2.com/pt/products/erisna/reviews) - [GitHub](https://www.g2.com/pt/products/github/reviews) - [Google Cloud BigQuery](https://www.g2.com/pt/products/google-cloud-bigquery/reviews) - [Google Cloud Data Fusion](https://www.g2.com/pt/products/google-cloud-data-fusion/reviews) - [Google Cloud Storage](https://www.g2.com/pt/products/google-cloud-storage/reviews) - [Kubernetes](https://www.g2.com/pt/products/kubernetes/reviews) - [Microsoft SharePoint](https://www.g2.com/pt/products/microsoft-sharepoint/reviews) - [OpenVAS](https://www.g2.com/pt/products/openvas/reviews) - [PostgreSQL](https://www.g2.com/pt/products/postgresql/reviews) - [Python](https://www.g2.com/pt/products/python/reviews) - [Slack Connector for Jira](https://www.g2.com/pt/products/slack-connector-for-jira/reviews) - [Snowflake](https://www.g2.com/pt/products/snowflake/reviews) - [Spark](https://www.g2.com/pt/products/apache-spark/reviews) - [Tenable Nessus](https://www.g2.com/pt/products/tenable-nessus/reviews) ## Apache Airflow Features **Implantação** - Flexibilidade linguística - Flexibilidade de estrutura - Controle de versão - Facilidade de implantação - Escalabilidade **Implantação** - Flexibilidade linguística - Flexibilidade de estrutura - Controle de versão - Facilidade de implantação - Escalabilidade **Design de Fluxo de Trabalho e Integração - Orquestração de IA** - Gerenciamento de Dependências - Coordenação de Fluxo de Trabalho - Conectividade de API Multi-Fornecedor - Criação de Fluxo de Trabalho em Múltiplas Etapas - Integração de Sistemas Empresariais - Pipelines de Dados em Tempo Real **Gestão** - Catalogação - Monitoramento - Diretor - Modelo de Registro **Operações** - Métricas - Gerenciamento de Infraestrutura - Colaboração **Otimização de Desempenho e Análise - Orquestração de IA** - Painéis de Desempenho de Fluxo de Trabalho - Relatório de Fluxo de Trabalho - Monitoramento da Utilização de Recursos - Gestão de Recursos Computacionais - Escalonamento Dinâmico - Monitoramento de Componentes **Gestão** - Catalogação - Monitoramento - Diretor **Governança e Controles de Conformidade - Orquestração de IA** - Conformidade Regulatória - Aplicação de Política de Governança - Controle de Acesso Baseado em Funções - Gestão de Trilhas de Auditoria - Protocolos de Segurança **IA generativa** - Geração de Texto - Resumo de texto ## Top Apache Airflow Alternatives - [UiPath Agentic Automation](https://www.g2.com/pt/products/uipath-agentic-automation/reviews) - 4.6/5.0 (6,137 reviews) - [Camunda](https://www.g2.com/pt/products/camunda/reviews) - 4.5/5.0 (317 reviews) - [MuleSoft Anypoint Platform](https://www.g2.com/pt/products/mulesoft-anypoint-platform/reviews) - 4.5/5.0 (654 reviews)