如何在Airflow中展示更多DAG及更长周期的运行结果？

一、Airflow原生配置优化 #

• 调整UI分页参数：找到airflow.cfg里的webserver.task_instance_list_view_page_size，默认是25，改成500甚至1000，单页就能显示更多任务记录，大幅减少翻页操作。同时可以同步调整webserver.dag_run_list_view_page_size，优化DAG运行记录的分页数量。
• 用好任务筛选器：在「Browse」→「Task Instances」页面，用顶部的筛选条件（状态、DAG名称、执行时间范围）精准过滤，直接选90天的时间区间，只加载你需要的任务数据，避免无关内容干扰。
• 切换到Grid视图（2.x+版本）：进入DAG详情页，切换到「Grid」标签，能直观看到全DAG的任务状态分布，还能拖动时间滑块查看历史90天的运行记录，快速定位失败或运行中的任务，不用逐页翻找。

二、适配Airflow的第三方工具 #

• 专用UI插件：比如airflow-dag-viewer这类插件，能扩展原生UI的任务展示能力，支持滚动加载大列表、批量导出任务数据；还有airflow-task-monitor，可以自定义任务状态看板，直接展示超长时间段内的任务明细和统计。
• BI工具对接：把Airflow的元数据库（PostgreSQL/MySQL等）连接到Metabase、Tableau这类BI工具，自己拖曳生成自定义报表，支持3000+行数据展示、90天时间范围筛选，还能做可视化统计，完全不用自己开发新应用。

三、轻量自定义方案（避免重复造轮子） #

• CLI批量导出：用Airflow的CLI命令直接拉取指定范围的任务数据，比如：

  airflow tasks list --dag-id your_dag_id --state failed --start-date 2024-01-01 --end-date 2024-04-01 > failed_tasks.csv
  

  导出成CSV后用Excel或本地表格工具查看，适合临时批量查看需求。
• API轻量封装：调用Airflow 2.x自带的REST API，写几行Python脚本拉取任务数据，用pandas生成HTML表格或者直接打印，不用扩展现有应用，快速实现批量数据展示。

内容的提问来源于stack exchange，提问作者Ray Kiddy