如何运行Airflow中故障DAG？解决依赖缺失及虚拟环境关联问题

算力阿峰

2026-8-4

解决Airflow自定义DAG依赖找不到的问题

核心原因

Airflow的webserver和scheduler进程使用的Python环境，和你项目的虚拟环境并非同一个，导致无法识别已安装的依赖包（如astro、pandas）。

激活项目虚拟环境
定位到项目虚拟环境的路径，执行激活命令：
```
source /mnt/d/projects/pipeline/pipeline-v1/venv/bin/activate
```
（若你的虚拟环境名称不是venv，替换为实际名称即可）
在虚拟环境内重新安装Airflow
确保Airflow安装在包含所有项目依赖的虚拟环境中，执行：
```
pip install apache-airflow
```
（需指定Airflow版本的话，添加版本号后缀，比如pip install apache-airflow==2.8.0）
修改Airflow配置指定Python解释器
打开airflow.cfg文件，找到python_executable配置项，将其设置为虚拟环境内的Python路径：
```
python_executable = /mnt/d/projects/pipeline/pipeline-v1/venv/bin/python
```

重启Airflow服务
先停止当前运行的Airflow进程：

airflow webserver -k stop
airflow scheduler -k stop

再重新启动后台服务：

airflow webserver -D
airflow scheduler -D

验证依赖与环境一致性
在激活的虚拟环境中执行以下命令，确认依赖已正确安装：
```
pip list | grep -E "pandas|astro"
python -c "import pandas; from astro.files import File"
```
若第二条命令无报错，说明依赖导入正常。