Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Aggiungere o aggiornare DAGs
I Directed Acyclic Graphs (DAGs) sono definiti all'interno di un file Python che definisce la struttura del DAG come codice. Puoi utilizzare la console AWS CLI o la console Amazon S3 per effettuare il caricamento nel tuo DAGs ambiente. Questo argomento descrive i passaggi per aggiungere o aggiornare Apache DAGs Airflow nel tuo ambiente Amazon Managed Workflows for Apache Airflow utilizzando la cartella nel `dags` tuo bucket Amazon S3.
**Topics**
+ [Prerequisiti](#configuring-dag-folder-prereqs)
+ [Come funziona](#configuring-dag-folder-how)
+ [Cosa è cambiato?](#configuring-dag-folder-changed)
+ [Test DAGs con l'utilità CLI di Amazon MWAA](#working-dag-folder-cli-utility)
+ [Caricamento del codice DAG su Amazon S3](#configuring-dag-folder-uploading)
+ [Specificare il percorso della DAGs cartella sulla console Amazon MWAA (la prima volta)](#configuring-dag-folder-mwaaconsole)
+ [Accesso alle modifiche sull'interfaccia utente di Apache Airflow](#configuring-dag-folder-mwaaconsole-view)
+ [Fasi successive](#configuring-dag-folder-next-up)
## Prerequisiti
Avrai bisogno di quanto segue prima di completare i passaggi in questa pagina.
+ **Autorizzazioni**: Account AWS devi aver ottenuto l'accesso dal tuo amministratore alla politica di controllo degli MWAAFull ConsoleAccess accessi di [Amazon](access-policies.md#console-full-access) per il tuo ambiente. Inoltre, il tuo ambiente Amazon MWAA deve essere autorizzato dal tuo [ruolo di esecuzione](mwaa-create-role.md) ad accedere alle AWS risorse utilizzate dal tuo ambiente.
+ **Accesso****: se è necessario accedere agli archivi pubblici per installare le dipendenze direttamente sul server Web, l'ambiente deve essere configurato con l'accesso al server Web di rete pubblica.** Per ulteriori informazioni, vedi [Modalità di accesso ad Apache Airflow](configuring-networking.md).
+ **Configurazione Amazon S3** **: il bucket [Amazon S3](mwaa-s3-bucket.md) utilizzato per archiviare i plug-in `plugins.zip` personalizzati e DAGs le `requirements.txt` dipendenze Python deve essere configurato con Public Access Blocked e Versioning Enabled.**
## Come funziona
Un Directed Acyclic Graph (DAG) è definito all'interno di un singolo file Python che definisce la struttura del DAG come codice. Consiste di quanto segue:
+ Una definizione [DAG](https://airflow.apache.org/docs/stable/concepts.html#dags).
+ [Operatori](https://airflow.apache.org/concepts.html#operators) che descrivono come eseguire il DAG e le [attività](https://airflow.apache.org/docs/stable/concepts.html#tasks) da eseguire.
+ [Relazioni tra operatori](https://airflow.apache.org/concepts.html#bitshift-composition) che descrivono l'ordine in cui eseguire le attività.
Per eseguire una piattaforma Apache Airflow in un ambiente Amazon MWAA, devi copiare la definizione DAG nella cartella nel bucket di `dags` archiviazione. Ad esempio, la cartella DAG nel bucket di archiviazione dovrebbe essere simile a:
**Example cartella DAG**
```
dags/
└ dag_def.py
```
Amazon MWAA sincronizza automaticamente gli oggetti nuovi e modificati dal bucket Amazon S3 alla cartella dei `/usr/local/airflow/dags` container di pianificazione e worker di Amazon MWAA ogni 30 secondi, preservando la gerarchia dei file di origine di Amazon S3, indipendentemente dal tipo di file. L'ora in cui la nuova DAGs richiesta deve essere elencata nell'interfaccia utente di Apache Airflow è controllata da. `scheduler.dag\$1dir\$1list\$1interval` Le modifiche a quelle esistenti DAGs verranno rilevate nel successivo ciclo di elaborazione [DAG](best-practices-tuning.md#best-practices-tuning-scheduler).
**Nota**
Non è necessario includere il file di `airflow.cfg` configurazione nella cartella DAG. Puoi sovrascrivere le configurazioni predefinite di Apache Airflow dalla console Amazon MWAA. Per ulteriori informazioni, vedi [Utilizzo delle opzioni di configurazione Apache Airflow su Amazon MWAA](configuring-env-variables.md).
## Cosa è cambiato?
Per esaminare le modifiche per una versione specifica di Apache Airflow, consulta [la](https://airflow.apache.org/docs/apache-airflow/stable/release_notes.html#release-notes) pagina Note di rilascio.
+ [Configurazioni Apache Airflow v3: riferimento alla configurazione](https://airflow.apache.org/docs/apache-airflow/3.0.6/configurations-ref.html)
+ [Informazioni sull'interfaccia pubblica di Apache Airflow v2: Interfaccia pubblica di Airflow](https://airflow.apache.org/docs/apache-airflow/2.10.3/public-airflow-interface.html)
## Test DAGs con l'utilità CLI di Amazon MWAA
+ L'utilità CLI (Command Line Interface) replica localmente un ambiente Amazon Managed Workflows for Apache Airflow.
+ La CLI crea localmente un'immagine del contenitore Docker simile a un'immagine di produzione Amazon MWAA. Puoi utilizzarlo per eseguire un ambiente Apache Airflow locale per sviluppare e DAGs testare plugin personalizzati e dipendenze prima della distribuzione su Amazon MWAA.
+ Per eseguire la CLI, fare riferimento a [aws-mwaa-docker-images](https://github.com/aws/amazon-mwaa-docker-images)on. GitHub
## Caricamento del codice DAG su Amazon S3
Puoi utilizzare la console Amazon S3 o il AWS Command Line Interface (AWS CLI) per caricare il codice DAG nel tuo bucket Amazon S3. I passaggi seguenti presuppongono che tu stia caricando code (`.py`) in una cartella denominata `dags` nel tuo bucket Amazon S3.
### Usando il AWS CLI
Il AWS Command Line Interface (AWS CLI) è uno strumento open source che è possibile utilizzare per interagire con i AWS servizi utilizzando i comandi nella shell della riga di comando. Per completare la procedura descritta in questa pagina, è necessario quanto segue:
+ [AWS CLI — Installa la versione 2](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv2.html).
+ [AWS CLI — Configurazione rapida con `aws configure`](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html).
**Per caricare utilizzando il AWS CLI**
1. Usa il seguente comando per elencare tutti i tuoi bucket Amazon S3.
```
aws s3 ls
```
1. Usa il seguente comando per elencare i file e le cartelle nel bucket Amazon S3 per il tuo ambiente.
```
aws s3 ls s3://YOUR_S3_BUCKET_NAME
```
1. Il comando seguente carica un `dag_def.py` file in una cartella. `dags`
```
aws s3 cp dag_def.py s3://amzn-s3-demo-bucket/dags/
```
Se una cartella denominata `dags` non esiste già nel tuo bucket Amazon S3, questo comando crea la `dags` cartella e carica il file denominato nella nuova `dag_def.py` cartella.
### Utilizzo della console Amazon S3
La console Amazon S3 è un'interfaccia utente basata sul Web che puoi utilizzare per creare e gestire le risorse nel tuo bucket Amazon S3. I passaggi seguenti presuppongono che tu abbia una cartella denominata. DAGs `dags`
**Per caricare utilizzando la console Amazon S3**
1. Apri la pagina [Ambienti](https://console.aws.amazon.com/mwaa/home#/environments) sulla console Amazon MWAA.
1. Scegli un ambiente.
1. Seleziona il link al **bucket S3** nel **codice DAG nel riquadro S3 per aprire il bucket di archiviazione nella** console.
1. Scegliere la cartella `dags`.
1. Scegli **Carica**.
1. **Scegli Aggiungi file.**
1. Seleziona la copia locale del tuo`dag_def.py`, scegli **Carica**.
## Specificare il percorso della DAGs cartella sulla console Amazon MWAA (la prima volta)
I passaggi seguenti presuppongono che tu stia specificando il percorso di una cartella denominata sul tuo bucket Amazon S3. `dags`
1. Apri la pagina [Ambienti](https://console.aws.amazon.com/mwaa/home#/environments) sulla console Amazon MWAA.
1. Scegli l'ambiente in cui desideri eseguire. DAGs
1. Scegli **Modifica**.
1. **Nel codice DAG nel riquadro Amazon** S3, **scegli Browse** S3 accanto al campo **della** cartella DAG.
1. Seleziona la tua cartella. `dags`
1. Scegliere **Choose (Scegli)**.
1. Scegli **Avanti**, **Aggiorna ambiente**.
## Accesso alle modifiche sull'interfaccia utente di Apache Airflow
Hai bisogno [Politica di accesso all'interfaccia utente di Apache Airflow: Amazon MWAAWeb ServerAccess](access-policies.md#web-ui-access) delle autorizzazioni per il tuo Account AWS in AWS Identity and Access Management (IAM) per accedere all'interfaccia utente di Apache Airflow.
**Per accedere all'interfaccia utente di Apache Airflow**
1. Apri la pagina [Ambienti](https://console.aws.amazon.com/mwaa/home#/environments) sulla console Amazon MWAA.
1. Scegli un ambiente.
1. Scegli **Open Airflow UI**.
## Fasi successive
Testa i tuoi DAGs plugin personalizzati e le dipendenze Python localmente usando on. [aws-mwaa-docker-images](https://github.com/aws/amazon-mwaa-docker-images) GitHub