升级Airflow可能充满挑战，即使是微小的更改也可能引发管道故障并导致漫长的修复过程。本Session将介绍一种解决方案，通过自动化分析代码仓库、更改日志、最佳实践及其他关键文档，利用LLM守护程序识别潜在问题，从而简化跨多个Airflow版本的迁移流程。该系统会扫描DAG和依赖关系以预测兼容性问题，并生成修复方案（例如替换已废弃的操作符）。

您将看到系统如何扫描 DAG 以发现隐藏风险，自动生成针对性代码补丁，并在迁移后验证稳定性和性能。演示将重点展示即使对于使用向后兼容代码调整和回滚计划的遗留系统，也能实现快速、无错误的过渡。想象一下，将原本需要数月的时间缩短至仅需数小时，同时降低风险并保持环境安全。

关键要点：

• 智能分析：通过交叉引用变更日志、GitHub历史记录和供应商包来标记风险。
• 精确修复：更新语法、依赖项和配置，同时保留工作流程。
• 增强信心：生成符合审计要求的报告和模拟运行结果，以证明升级的必要性。

讲师:

我是一名专注于数据工程的工程师，对探索新兴技术和机器学习充满热情。目前，我负责维护支持创新、数据驱动型解决方案的机器学习基础设施。

我热衷于解决复杂挑战，并持续拓展对新技术趋势的理解。除了技术工作外，我还喜欢作为演讲者分享见解、激发创意，并与技术社区互动，与他人分享知识。