Airflow多Pod模板使用问题：无法覆盖默认Worker Docker镜像

核心问题原因 #

当你在Helm values中把worker_container_repository和worker_container_tag设为~时，Airflow仍会默认使用images.airflow下的镜像参数自动注入到Pod模板中，覆盖模板里的自定义镜像配置。要让模板优先级更高，需完全禁用这个自动注入逻辑。

步骤1：调整Helm Values配置 #

修改values.yaml，将KubernetesExecutor的镜像相关参数设为空字符串（而非~），让Airflow不再自动注入镜像配置：

images:
  airflow:
    repository: <custom-docker-image>
    tag: webserver

config:
  kubernetes_executor:
    worker_container_repository: ""
    worker_container_tag: ""
    # 可选：若需由模板控制镜像拉取策略，也设为空
    worker_container_image_pull_policy: ""

步骤2：配置多套Pod模板 #

将不同镜像的Pod模板放在Airflow可访问的路径（比如git-sync同步的dags目录下的templates文件夹，或通过ConfigMap挂载），模板需保留官方模板的核心配置，仅修改镜像部分：

模板1（test环境）：templates/template_test.yaml #

apiVersion: v1
kind: Pod
metadata:
  name: airflow-worker-pod
spec:
  containers:
    - name: base
      image: custom-docker-image:test_template
      imagePullPolicy: IfNotPresent
      # 复制官方模板的其他配置：资源限制、环境变量、命令等
      resources:
        requests:
          cpu: "100m"
          memory: "256Mi"
        limits:
          cpu: "500m"
          memory: "1Gi"
      env:
        - name: AIRFLOW__CORE__EXECUTOR
          value: KubernetesExecutor
      # 其他官方模板内容...

模板2（prod环境）：templates/template_prod.yaml #

apiVersion: v1
kind: Pod
metadata:
  name: airflow-worker-pod
spec:
  containers:
    - name: base
      image: custom-docker-image:prod_template
      imagePullPolicy: Always
      # 对应prod环境的资源配置等
      resources:
        requests:
          cpu: "500m"
          memory: "1Gi"
        limits:
          cpu: "2"
          memory: "4Gi"
      # 其他官方模板内容...

步骤3：Task中指定对应模板 #

通过executor_config指定任务使用的Pod模板，实现多环境切换：

from airflow.decorators import task

@task(
    executor_config={
        "kubernetes": {
            "pod_template_file": "/opt/airflow/dags/templates/template_test.yaml"
        }
    }
)
def test_env_task():
    # 测试环境任务逻辑
    print("Running in test worker image")

@task(
    executor_config={
        "kubernetes": {
            "pod_template_file": "/opt/airflow/dags/templates/template_prod.yaml"
        }
    }
)
def prod_env_task():
    # 生产环境任务逻辑
    print("Running in prod worker image")

验证方法 #

1. 更新Helm部署：helm upgrade airflow apache-airflow/airflow -f your-values.yaml -n <airflow-namespace>
2. 触发任务后，查看Worker Pod的镜像：kubectl get pods -n <airflow-namespace> -o jsonpath='{.items[*].spec.containers[0].image}'

内容的提问来源于stack exchange，提问作者user430953