Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Menambahkan atau memperbarui DAGs
Directed Acyclic Graphs (DAGs) didefinisikan dalam file Python yang mendefinisikan struktur DAG sebagai kode. Anda dapat menggunakan AWS CLI atau konsol Amazon S3 untuk mengunggah DAGs ke lingkungan Anda. Topik ini menjelaskan langkah-langkah untuk menambah atau memperbarui Apache DAGs Airflow di lingkungan Alur Kerja Terkelola Amazon untuk Apache Airflow menggunakan folder di bucket Amazon S3 Anda. `dags`
**Topics**
+ [Prasyarat](#configuring-dag-folder-prereqs)
+ [Cara kerjanya](#configuring-dag-folder-how)
+ [Apa yang berubah?](#configuring-dag-folder-changed)
+ [Pengujian DAGs menggunakan utilitas Amazon MWAA CLI](#working-dag-folder-cli-utility)
+ [Mengunggah kode DAG ke Amazon S3](#configuring-dag-folder-uploading)
+ [Menentukan jalur ke DAGs folder Anda di konsol Amazon MWAA (pertama kali)](#configuring-dag-folder-mwaaconsole)
+ [Mengakses perubahan pada Apache Airflow UI Anda](#configuring-dag-folder-mwaaconsole-view)
+ [Apa selanjutnya?](#configuring-dag-folder-next-up)
## Prasyarat
Anda memerlukan yang berikut ini sebelum dapat menyelesaikan langkah-langkah di halaman ini.
+ **Izin** — Anda Akun AWS harus telah diberikan akses oleh administrator Anda ke kebijakan kontrol MWAAFull ConsoleAccess akses [Amazon](access-policies.md#console-full-access) untuk lingkungan Anda. Selain itu, lingkungan Amazon MWAA Anda harus diizinkan oleh [peran eksekusi](mwaa-create-role.md) Anda untuk mengakses AWS sumber daya yang digunakan oleh lingkungan Anda.
+ **Akses** **— Jika Anda memerlukan akses ke repositori publik untuk menginstal dependensi langsung di server web, lingkungan Anda harus dikonfigurasi dengan akses server web jaringan publik.** Untuk informasi lebih lanjut, lihat[Mode akses Apache Airflow](configuring-networking.md).
+ **Konfigurasi Amazon S3** **- Bucket [Amazon S3](mwaa-s3-bucket.md) yang digunakan untuk menyimpan plugin kustom DAGs Anda`plugins.zip`, dan dependensi Python harus dikonfigurasi dengan Akses Publik Diblokir dan `requirements.txt` Diaktifkan Versi.**
## Cara kerjanya
Grafik Asiklik Terarah (DAG) didefinisikan dalam satu file Python yang mendefinisikan struktur DAG sebagai kode. Ini terdiri dari yang berikut:
+ Definisi [DAG](https://airflow.apache.org/docs/stable/concepts.html#dags).
+ [Operator](https://airflow.apache.org/concepts.html#operators) yang menjelaskan cara menjalankan DAG dan [tugas](https://airflow.apache.org/docs/stable/concepts.html#tasks) yang harus dijalankan.
+ [Hubungan operator](https://airflow.apache.org/concepts.html#bitshift-composition) yang menggambarkan urutan untuk menjalankan tugas.
Untuk menjalankan platform Apache Airflow di lingkungan Amazon MWAA, Anda perlu menyalin definisi DAG ke folder `dags` di bucket penyimpanan Anda. Misalnya, folder DAG di bucket penyimpanan Anda harus menyerupai:
**Example Folder DAG**
```
dags/
└ dag_def.py
```
Amazon MWAA secara otomatis menyinkronkan objek baru dan yang diubah dari bucket Amazon S3 Anda ke folder penjadwal Amazon MWAA dan `/usr/local/airflow/dags` container pekerja setiap 30 detik, menjaga hierarki file sumber Amazon S3, terlepas dari jenis file. Waktu yang DAGs dibutuhkan baru untuk dicantumkan di UI Apache Airflow Anda dikendalikan oleh. `scheduler.dag\$1dir\$1list\$1interval` Perubahan yang ada DAGs akan diambil pada [loop pemrosesan DAG](best-practices-tuning.md#best-practices-tuning-scheduler) berikutnya.
**catatan**
Anda tidak perlu menyertakan file `airflow.cfg` konfigurasi di folder DAG Anda. Anda dapat mengganti konfigurasi Apache Airflow default dari konsol Amazon MWAA. Untuk informasi lebih lanjut, lihat[Menggunakan opsi konfigurasi Apache Airflow di Amazon MWAA](configuring-env-variables.md).
## Apa yang berubah?
Untuk meninjau perubahan rilis Apache Airflow tertentu, lihat halaman Catatan Rilis[.](https://airflow.apache.org/docs/apache-airflow/stable/release_notes.html#release-notes)
+ [Konfigurasi Apache Airflow v3: Referensi Konfigurasi](https://airflow.apache.org/docs/apache-airflow/3.0.6/configurations-ref.html)
+ Apache Airflow v2 informasi antarmuka publik[:](https://airflow.apache.org/docs/apache-airflow/2.10.3/public-airflow-interface.html) Antarmuka Publik Aliran Udara
## Pengujian DAGs menggunakan utilitas Amazon MWAA CLI
+ Utilitas antarmuka baris perintah (CLI) mereplikasi Alur Kerja Terkelola Amazon untuk lingkungan Apache Airflow secara lokal.
+ CLI membangun image container Docker secara lokal yang mirip dengan image produksi Amazon MWAA. Anda dapat menggunakan ini untuk menjalankan lingkungan Apache Airflow lokal untuk mengembangkan dan DAGs menguji, plugin khusus, dan dependensi sebelum menerapkan ke Amazon MWAA.
+ Untuk menjalankan CLI, lihat pada. [aws-mwaa-docker-images](https://github.com/aws/amazon-mwaa-docker-images) GitHub
## Mengunggah kode DAG ke Amazon S3
Anda dapat menggunakan konsol Amazon S3 atau AWS Command Line Interface (AWS CLI) untuk mengunggah kode DAG ke bucket Amazon S3 Anda. Langkah-langkah berikut mengasumsikan Anda mengunggah kode (`.py`) ke folder bernama `dags` di bucket Amazon S3 Anda.
### Menggunakan AWS CLI
The AWS Command Line Interface (AWS CLI) adalah alat open source yang dapat Anda gunakan untuk berinteraksi dengan AWS layanan menggunakan perintah di shell baris perintah Anda. Untuk menyelesaikan langkah-langkah di halaman ini, Anda memerlukan yang berikut:
+ [AWS CLI — Instal versi 2](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv2.html).
+ [AWS CLI - Konfigurasi cepat dengan `aws configure`](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html).
**Untuk mengunggah menggunakan AWS CLI**
1. Gunakan perintah berikut untuk membuat daftar semua bucket Amazon S3 Anda.
```
aws s3 ls
```
1. Gunakan perintah berikut untuk mencantumkan file dan folder di bucket Amazon S3 untuk lingkungan Anda.
```
aws s3 ls s3://YOUR_S3_BUCKET_NAME
```
1. Perintah berikut mengunggah `dag_def.py` file ke `dags` folder.
```
aws s3 cp dag_def.py s3://amzn-s3-demo-bucket/dags/
```
Jika folder bernama `dags` belum ada di bucket Amazon S3 Anda, perintah ini membuat `dags` folder dan mengunggah file bernama `dag_def.py` ke folder baru.
### Menggunakan konsol Amazon S3
Konsol Amazon S3 adalah antarmuka pengguna berbasis web yang dapat Anda gunakan untuk membuat dan mengelola sumber daya di bucket Amazon S3 Anda. Langkah-langkah berikut menganggap Anda memiliki DAGs folder bernama`dags`.
**Untuk mengunggah menggunakan konsol Amazon S3**
1. Buka halaman [Lingkungan](https://console.aws.amazon.com/mwaa/home#/environments) di konsol Amazon MWAA.
1. Pilih lingkungan.
1. Pilih tautan **bucket S3** di **kode DAG di panel S3** untuk membuka bucket penyimpanan Anda di konsol.
1. Pilih `dags` folder.
1. Pilih **Unggah**.
1. Pilih **Tambahkan file**.
1. Pilih salinan lokal Anda`dag_def.py`, pilih **Unggah**.
## Menentukan jalur ke DAGs folder Anda di konsol Amazon MWAA (pertama kali)
Langkah-langkah berikut mengasumsikan Anda menentukan jalur ke folder di bucket Amazon S3 Anda bernama. `dags`
1. Buka halaman [Lingkungan](https://console.aws.amazon.com/mwaa/home#/environments) di konsol Amazon MWAA.
1. Pilih lingkungan tempat Anda ingin berlari DAGs.
1. Pilih **Edit**.
1. **Pada **kode DAG di panel Amazon S3**, pilih **Jelajahi S3 yang berdekatan dengan bidang** folder DAG.**
1. Pilih `dags` folder Anda.
1. Pilih **Tutup**.
1. Pilih **Berikutnya**, **Perbarui lingkungan**.
## Mengakses perubahan pada Apache Airflow UI Anda
Anda memerlukan [Kebijakan akses Apache Airflow UI: Amazon MWAAWeb ServerAccess](access-policies.md#web-ui-access) izin untuk Akun AWS in AWS Identity and Access Management (IAM) untuk mengakses UI Apache Airflow Anda.
**Untuk mengakses UI Apache Airflow Anda**
1. Buka halaman [Lingkungan](https://console.aws.amazon.com/mwaa/home#/environments) di konsol Amazon MWAA.
1. Pilih lingkungan.
1. Pilih **Buka UI Aliran Udara**.
## Apa selanjutnya?
Uji plugin khusus DAGs, dan dependensi Python Anda secara lokal menggunakan on. [aws-mwaa-docker-images](https://github.com/aws/amazon-mwaa-docker-images) GitHub