Визуализация потоков воздуха в чистых помещениях |Аттестация чистых помещений | Услуги лаборатории

Для чего нужна визуализация потоков воздуха в чистых помещениях?

ГОСТ Р ИСО 14644-3-2007 так определяет цели проведения визуализации воздушных потоков:

 Цель данного испытания – подтвердить, что направление потока, картина распределения потоков или и то и другое соответствуют проекту или соответствующей спецификации. 

При первичной аттестации чистых помещений в оснащенном состоянии может возникнуть вопрос, какое влияние оказывает технологическое оборудование, установленное в помещении на движение воздуха?

Ответ на этот вопрос и дает визуализация воздушных потоков. Визуализация потоков вблизи технологического оборудования также позволяет обнаружить застойные зоны, в которых движение воздуха затруднено или отсутствует, что может приводить к росту концентрации частиц и несоответствию помещения требованиям по классу чистоты.

В помещениях с однонаправленным воздушным потоком (высокоасептических операционных, критических зонах фармпроизводств) визуализация потоков наряду с измерением скорости потока, позволяет оценить, насколько эффективно ламинарный поток воздуха выполняет свою защитную функцию.

Визуализация воздушных потоков также часто требуется при проведении испытаний ламинарных боксов (боксов биобезопасности, укрытий с чистым воздухом) для проверки степени удержания частиц внутри бокса.

Другие полезные данные о чистых зонах, получаемые методом визуализации:

• поведение потоков в зонах приточного и отработанного воздуха
• зоны влияния отработанного технологического воздуха
• обтекание персонала на рабочих местах
• обтекание частей оборудования (лент транспортера и т.д.)

Для каждого отдельного чистого помещения должен быть разработан план визуализации, учитывающий особенности чистого помещения, его назначение, установленное оборудование и технологическое оснащение.

Методы визуализации потока

ГОСТ Р ИСО 14644-3-2007 определяет несколько возможных методов визуализации воздушных потов, среди которых – визуализация потоков воздуха с помощью нитей, с помощью введения в поток воздуха аэрозольных частиц, фото- и видеосъемка процесса визуализации, а также математическое моделирование потоков воздуха в чистом помещении.

• Визуализация с помощью нитей

  Метод состоит в наблюдении за нитями (шелковыми нитями, отдельными нейлоновыми волокнами, флажками или тонкими лентами), которые крепятся к штырькам или точкам пересечения проволочной сетки, находящимся в потоке воздуха. Это дает видимую картину направления потока воздуха и их изменения из-за турбулентности. Целесообразно использовать эффективную подсветку и видеозапись или фотографию полученной картины потоков воздуха. Для определения угла отклонения потока следует выполнить измерения в двух точках (например, на расстоянии от 0,5 до 2 м).

• Визуализация с помощью аэрозольного генератора или генератора частиц (метод введения частиц)

  Метод состоит в наблюдении за поведением частиц, которые вводятся в поток воздуха. Применение источников света с высокой интенсивностью светового потока позволяет определить направление и однородность потока воздуха. Трассирующие частицы могут быть получены из распыляемой деионизованной воды, спирта и пр. Источник частиц должен быть выбран так, чтобы исключить загрязнение воздуха и поверхностей чистого помещения.
  При выборе метода распыления следует учесть требования к размеру частиц (капель). Он должен быть достаточным для визуализации потока воздуха выбранным методом, но не настолько большим, чтобы гравитация или иной эффект могли повлиять на их движение и искажение получаемой картины.

• Визуализация потоков воздуха с помощью видеозаписи

  Видеозапись картины визуализации потоков воздуха позволяет получить количественные характеристики потоков (векторы скоростей) в двухмерном изображении. При этом используются цифровые камеры, передающие изображение на компьютеры с необходимыми интерфейсами и программным обеспечением. Для достижения большей пространственной разрешающей способности могут использоваться лазерные источники света и пр.

• Визуализация потоков воздуха методом построения распределения скоростей (математическое моделирование и расчет воздушных потоков)

  Распределение скоростей потоков воздуха может быть построено по нескольким точкам, в которых скорость определяется термоанемометром, ультразвуковым анемометром или другим прибором. Последующее моделирование воздушных потоков позволяет оценить влияние изменений параметров работы систем ОВК на потоки воздуха в помещении.

Как проводится визуализация воздушных потоков

В соответствии с методикой, приведенной в ГОСТ Р ИСО 14644-3-2007, визуализация может проводиться различными способами, пригодными для достижения целей испытания:

 Целью проверки направления потока воздуха и визуализации потока является подтверждение того, что направление и однородность потока соответствуют установленным требованиям, и если нужно пространственным и температурным характеристикам.  

В нашей лаборатории имеется различное оборудование для проведения визуализации потоков воздуха – генератор тумана, генератор аэрозольных частиц, высокоскоростная цифровая камера и вспомогательное оборудование.

Наиболее удобным и наименее затратным способом визуализации, применяемым специалистами нашей лаборатории, является визуализация потока с использованием генератора аэрозольных частиц. При этом способе для создания видимого потока частиц используется жидкость DEHS и аэрозольный генератор – то же оборудование, которое используется при испытаниях фильтров на утечку и определении времени восстановления.

В случаях, когда использовать DEHS-аэрозоль нежелательно из-за высоких требований к чистоте воздуха и поверхностей, например, в эксплуатируемом состоянии, визуализировать поток можно при помощи ультразвукового генератора тумана, где в качестве источника аэрозолей используется деионизованная (сверхчистая) вода. При таком способе визуализации риск загрязнения поверхностей полностью отсутствует.

Моделирование воздушных потоков для визуализации

В случае, если конфигурация помещения относительно простая, и целью визуализации является получение информации о скоростях и направлении движения воздуха в помещении, можно провести математическое моделирование чистого помещения, сделать расчет распределения скоростей движения воздуха и построить визуальное представление воздушных потоков в любой плоскости или в 3D.

Отчет о визуализации потоков воздуха

Отчет о проведенной визуализации включает в себя фотографии, демонстрирующие движение воздушных потоков, и информацию о соответствии полученной картины требованиям нормативной и проектной документации.

При проведении визуализации методом математического моделирования и построения распределения скоростей воздушных потоков в ряде случаев отчет может включать в себя видеоролик, наглядно демонстрирующий движение воздуха и аэродинамические процессы.

---

Воздушный поток

17.07.2021

Обычно под воздушным потоком в корпусе ПК подразумевают циркуляцию воздуха внутри корпуса, которая существенно влияет на температуру всех внутренних компонентов системы.

Поэтому для обеспечения максимальной производительности и минимального шума системы необходимо уделять большое внимание эффективности воздушного потока.

Эффективность потока

Эффективный воздушный поток зависит от циркуляции всасываемого вентиляторами корпуса через воздухозаборники воздуха снаружи корпуса, вентиляторами компонентов внутри и вентиляторами корпуса,  выдувающими воздух из системы. Не эффективный воздушный поток приводит к более высоким температурам компонентов внутри корпуса ПК.

Помимо ухудшения общей производительности, последствиями могут быть также аварийное отключение из-за высокой температуры и, в худшем случае, даже повреждение оборудования. Кроме того, некоторые вентиляторы могут вращаться слишком быстро, что приводит к увеличению громкости. С другой стороны, продуманный воздушный поток приводит к более тихой работе системы за счет более точного использования вентиляторов и с их меньшей скоростью вращения.

Создание эффективного воздушного потока

Обычно корпус ПК вентилируется спереди назад и снизу вверх. Вентиляторы корпуса являются основными инструментами для управления воздушным потоком. Поскольку теплый воздух всегда стремится вверх и, следовательно, воздух под корпусом холоднее, чем над корпусом, вентиляционные отверстия без вентиляторов работают по тому же принципу. Большинство корпусов рассчитаны именно на такой обдув, поэтому он считается универсальным решением, почти всегда позволяющим добиться определенных результатов.

После проверки температуры системы следует отрегулировать положение вентиляторов, если отдельные компоненты системы имеют особенно высокое тепловыделение. Для более низких температур процессора передние вентиляторы устанавливаются таким образом, чтобы поток воздуха от них был направлен на кулер процессора, а теплый воздух отводился непосредственно через тыльный вентилятор. С другой стороны, для снижения температуры видеокарты стоит направлять поток воздуха от вентиляторов точно в область под видеокартой, обеспечивая ее собственную систему охлаждения максимальным количеством свежего воздуха.

Если у вашего корпуса закрытая фронтальная часть, передние вентиляторы будут гораздо менее эффективными. И в данном случае использование верхних или нижних вентиляторов будет эффективным дополнением к их работе. Блок питания стоит размещать таким образом, чтобы к нему подавался более холодный наружный воздух, а не теплый воздух изнутри корпуса.

Дополнительный совет

Чтобы воздух проходил максимально свободно, очень важным фактором является аккуратная компоновка интерьера корпуса. Поэтому настоятельно рекомендуется использование модульной системы кабелей с минимальным количеством свободно свисающих кабелей, и не только из эстетических соображений. Также стоит убедиться, что жесткие диски не перекрывают воздушный поток.

Регулярная чистка внутренней части корпуса обеспечивает лучшее охлаждение, поскольку со временем пыль оседает на лопастях вентилятора, ребрах охлаждения и фильтрах корпуса.

Множество корпусов для ПК предлагают очень большое разнообразие различных возможностей и особенностей, которые делают невозможным создание какого-то простого решения, особенно учитывая такой немаловажный фактор как громкость.

Таким образом, несмотря на различную конструкцию ПК корпусов, соблюдение основных правил поможет значительно улучшить воздушный поток внутри корпуса, а вместе с этим снизить температуры компонентов, поэтому всегда стоит внимательно относиться к конфигурации и характеристикам вентиляторов.

• Назад
• Обзор
• Далее

Что такое воздушный поток? — Документация по воздушному потоку

Apache Airflow — это платформа с открытым исходным кодом для разработки, планирования, и мониторинг пакетно-ориентированных рабочих процессов. Расширяемая среда Python Airflow позволяет создавать рабочие процессы связь практически с любой техникой. Веб-интерфейс помогает управлять состоянием ваших рабочих процессов. Воздушный поток могут быть развернуты разными способами: от одного процесса на вашем ноутбуке до распределенной установки для поддержки даже самые большие рабочие процессы.

Основная характеристика рабочих процессов Airflow заключается в том, что все рабочие процессы определены в коде Python. «Рабочие процессы как code» служит нескольким целям:

• Dynamic : Конвейеры Airflow настроены как код Python, что позволяет создавать динамические конвейеры.

• Расширяемый : Платформа Airflow содержит операторов для подключения к многочисленным технологиям. Все компоненты Airflow расширяемы, что позволяет легко адаптировать их к вашей среде.

• Гибкий : Встроенная параметризация рабочего процесса использует механизм шаблонов Jinja.

Взгляните на следующий фрагмент кода:

 from datetime import datetime
от импорта воздушного потока DAG
из задачи импорта airflow.decorators
из airflow.operators.bash импортировать BashOperator
# DAG представляет рабочий процесс, набор задач
с DAG(dag_id="demo", start_date=datetime(2022, 1, 1), schedule="0 0 * * *") в качестве dag:
    # Задачи представлены в виде операторов
    привет = BashOperator(task_id="привет", bash_command="эхо привет")
    @задача()
    воздушный поток ():
        печать("поток воздуха")
    # Установить зависимости между задачами
    привет >> воздушный поток ()
 

Здесь вы видите:

• DAG под названием «demo», начиная с 1 января 2022 года и работая один раз в день. DAG — это представление рабочего процесса в Airflow.

• Две задачи: BashOperator, выполняющий сценарий Bash, и функция Python, определенная с помощью декоратора @task

• >> между задачами определяет зависимость и управляет порядком выполнения задач

Airflow оценивает этот сценарий и выполняет задачи с заданным интервалом и в определенном порядке. Статус «демо» DAG виден в веб-интерфейсе:

В этом примере демонстрируется простой сценарий Bash и Python, но эти задачи могут выполнять любой произвольный код. Думать выполнения задания Spark, перемещения данных между двумя сегментами или отправки электронной почты. Такая же структура может быть замечено выполнение с течением времени:

Каждый столбец представляет один запуск DAG. Это два наиболее часто используемых представления в Airflow, но есть и несколько других. другие представления, позволяющие глубже погрузиться в состояние ваших рабочих процессов.

Airflow — это платформа для оркестровки пакетных рабочих процессов. Платформа Airflow содержит операторов для подключения многих технологий и легко расширяется для подключения к новой технологии. Если ваши рабочие процессы имеют четкую запускаться и заканчиваться, а также запускаться через равные промежутки времени, их можно запрограммировать как DAG Airflow.

Если вы предпочитаете кодирование кликам, Airflow — это инструмент для вас. Рабочие процессы определяются как код Python, который означает:

• Рабочие процессы могут храниться в системе управления версиями, чтобы можно было вернуться к предыдущим версиям

• Рабочие процессы могут разрабатываться несколькими людьми одновременно

• Тесты могут быть написаны для проверки функциональности

• Компоненты расширяемы, и вы можете использовать широкий набор существующих компонентов

Богатая семантика планирования и выполнения позволяет легко определять сложные конвейеры, работающие на регулярной основе. интервалы. Обратная засыпка позволяет вам (повторно) запускать конвейеры на исторических данных после внесения изменений в вашу логику. А возможность повторного запуска частичных конвейеров после устранения ошибки помогает максимально повысить эффективность.

Пользовательский интерфейс Airflow обеспечивает как подробное представление конвейеров и отдельных задач, так и обзор трубопроводы с течением времени. Из интерфейса вы можете просматривать журналы и управлять задачами, например, повторяя задачу в случае неудачи.

Открытый исходный код Airflow гарантирует, что вы работаете с компонентами, разработанными, протестированными и используемыми многими другими компаний по всему миру. В активном сообщества вы можете найти множество полезных ресурсов в виде посты в блогах, статьи, конференции, книги и многое другое. Вы можете подключаться к другим пирам через несколько каналов такие как Slack и списки рассылки.

Airflow был создан для ограниченных пакетных рабочих процессов. Хотя CLI и REST API позволяют запускать рабочие процессы, Airflow не был создан для бесконечно работающих рабочих процессов, основанных на событиях. Airflow не является потоковым решением. Однако потоковая система, такая как Apache Kafka, часто работает вместе с Apache Airflow. Кафка может использоваться для приема и обработки в режиме реального времени, данные о событиях записываются в место хранения, а Airflow периодически запускает рабочий процесс, обрабатывающий пакет данных.

Если вы предпочитаете щелкать, а не кодировать, Airflow, вероятно, не является правильным решением. Веб-интерфейс призван сделать максимально упростить управление рабочими процессами, а инфраструктура Airflow постоянно совершенствуется, чтобы сделать опыт разработчика как можно более плавным. Однако философия Airflow заключается в том, чтобы определить рабочие процессы как код. поэтому кодирование всегда будет требоваться.

Была ли эта запись полезной?

Установка — Документация по воздушному потоку

• Использование выпущенных исходников

• Использование PyPI

• Использование производственных образов Docker

• Использование официальной таблицы Airflow Helm

• Использование служб управляемого воздушного потока

• Использование сторонних изображений, диаграмм, развертываний

На этой странице описаны варианты установки, которые вы можете использовать при рассмотрении вопроса об установке Airflow. Airflow состоит из множества компонентов, часто распределенных между многими физическими или виртуальными машинами, поэтому установка Airflow может быть довольно сложной, в зависимости от выбранных вами параметров.

Вы также должны проверить предварительные условия, которые должны быть выполнены при установке Airflow а также Поддерживаемые версии, чтобы узнать, каковы политики поддержки Airflow, Python и Kubernetes.

Airflow требует установки дополнительных зависимостей — что можно сделать через дополнения и провайдеров.

При установке Airflow необходимо настроить базу данных, которая должна также обновляться при обновлении Airflow.

Предупреждение

По состоянию на июнь 2021 г. Airflow 1.10 устарела и не получит никаких исправлений, даже критических. исправления безопасности. Следите за обновлениями с 1.10 до 2, чтобы узнать как обновить устаревшую версию 1.10 до Airflow 2.

Подробнее: Установка из исходников

Когда этот вариант работает лучше всего

• Этот вариант лучше всего подходит, если вы планируете собирать все свое программное обеспечение из исходников.

• Apache Airflow — один из проектов, принадлежащих Apache Software Foundation. Для всех проектов ASF требуется, чтобы они могли быть установлены с использованием официальных исходных кодов, опубликованных через Official Apache Downloads.

• Это лучший выбор, если вам необходимо проверить целостность и происхождение программного обеспечения

Предполагаемые пользователи

С чем вы собираетесь работать

• Предполагается, что вы самостоятельно создадите и установите воздушный поток и его компоненты.

• Вы должны разработать и выполнить развертывание всех компонентов Airflow.

• Вы отвечаете за настройку базы данных, создание схемы базы данных и управление ею с помощью команд airflow db , автоматизированный запуск и восстановление, обслуживание, очистка и обновления Airflow и поставщиков Airflow.

Что Apache Airflow Community предоставляет для этого метода

• У вас есть инструкции по сборке программного обеспечения, но из-за различных сред и инструменты, которые вы, возможно, захотите использовать, вы можете ожидать, что возникнут проблемы, характерные для вашего развертывания и среды. вам придется диагностировать и решать.

Куда обратиться за помощью

• #development резервный канал для создания программного обеспечения.

• Slack #troubleshooting — это канал для быстрых общих вопросов по устранению неполадок. Обсуждения GitHub, если вы ищете более продолжительное обсуждение и хотите поделиться дополнительной информацией.

• Если вы можете предоставить описание воспроизводимой проблемы с программным обеспечением Airflow, вы можете открыть проблему на GitHub Issues

Подробнее: Установка из PyPI

Когда этот вариант работает лучше всего

• Этот метод установки полезен, если вы не знакомы с контейнерами и Docker и хотите установить Apache Airflow на физических или виртуальных машинах, и вы привыкли устанавливать и запускать программное обеспечение с помощью механизм развертывания.

• Единственный официально поддерживаемый механизм установки — через pip с использованием механизмов ограничений. Ограничение файлы управляются менеджерами выпусков Apache Airflow, чтобы убедиться, что вы можете повторно установить Airflow из PyPI со всеми поставщиками и требуемые зависимости.

• В случае установки PyPI вы также можете проверить целостность и происхождение пакетов пакетов загружается из PyPI, как описано на странице установки, но программное обеспечение, которое вы загружаете из PyPI, предварительно собрано для вас, чтобы вы могли установить его без сборки, и вы не собирали программное обеспечение из исходников.

Предполагаемые пользователи

С чем вы собираетесь работать

• Предполагается, что вы установите Airflow — все его компоненты — самостоятельно.

• Вы должны разработать и выполнить развертывание всех компонентов Airflow.

• Вы отвечаете за настройку базы данных, создание схемы базы данных и управление ею с помощью команд airflow db , автоматизированный запуск и восстановление, обслуживание, очистка и обновление Airflow и Airflow Providers.

Что Apache Airflow Community предоставляет для этого метода

• У вас есть установка из PyPI о том, как установить программное обеспечение, но из-за различных сред и инструментов, которые вы, возможно, захотите использовать, вы можете ожидайте, что возникнут проблемы, характерные для вашего развертывания и среды, которые вам придется решать. диагностировать и решить.

• У вас есть Quick Start, где вы можете увидеть пример Quick Start с запущенным Airflow локально, который вы можете использовать для быстрого запуска Airflow для локального тестирования и разработки. Однако это всего лишь вдохновение. Не ожидайте, что этот docker-compose готов к производственной установке, при таком подходе вам необходимо создать собственное готовое к работе развертывание.

Куда обратиться за помощью

• #устранение неполадок 9Канал 0042 на Airflow Slack для быстрого общего вопросы по устранению неполадок. Обсуждения на GitHub если вы ищете более продолжительное обсуждение и хотите поделиться дополнительной информацией.

• Если вы можете предоставить описание воспроизводимой проблемы с программным обеспечением Airflow, вы можете открыть проблема на GitHub выпускает

Дополнительные сведения: Образ Docker для Apache Airflow

Когда этот вариант работает лучше всего

Этот метод установки полезен, если вы знакомы со стеком Container/Docker. Он обеспечивает возможность запуск компонентов Airflow изолированно от другого программного обеспечения, работающего на тех же физических или виртуальных машинах, с помощью простого поддержание зависимостей.

Образы создаются менеджерами выпусков Apache Airflow и используют официально выпущенные пакеты из PyPI. и официальные файлы ограничений — те же, что используются для установки Airflow из PyPI.

Предполагаемые пользователи

• Пользователи, которые знакомы с контейнерами и стеком Docker и понимают, как создавать собственные образы контейнеров.

• Пользователи, которые понимают, как устанавливать поставщиков и зависимости от PyPI с ограничениями, если они хотят расширить или настроить образ.

• Пользователи, которые знают, как создавать развертывания с помощью Docker, связывая вместе несколько контейнеров Docker и поддерживая такие развертывания.

Что вы должны обрабатывать

• Ожидается, что вы сможете настраивать или расширять образы Container/Docker, если хотите добавить дополнительные зависимости. Ожидается, что вы соберете развертывание, состоящее из нескольких контейнеров. (например, используя docker-compose) и убедиться, что они связаны друг с другом.

• Вы отвечаете за настройку базы данных, создание схемы базы данных и управление ею с помощью команд airflow db , автоматизированный запуск и восстановление, обслуживание, очистка и обновления Airflow и поставщиков Airflow.

• Вы несете ответственность за управление собственными настройками и расширениями для ваших пользовательских зависимостей. С официальными образами Airflow Docker обновления Airflow и Airflow Providers, которые являются частью эталонного изображения, обрабатываются сообществом — вам нужно обязательно подобрать эти изменения при выпуске путем обновления базового образа. Однако вы несете ответственность за создание конвейер создания ваших собственных пользовательских образов с вашими собственными добавленными зависимостями и провайдерами, и вам нужно повторите шаг настройки и создайте собственный образ, когда будет выпущена новая версия образа Airflow.

• Следует выбрать правильный механизм развертывания. Существует ряд доступных вариантов развертывание контейнеров. Вы можете использовать свой собственный настраиваемый механизм, настраиваемые развертывания Kubernetes, настраиваемый Docker Compose, настраиваемые диаграммы Helm и т. д., и вам следует выбирать их в зависимости от вашего опыта. и ожидания.

Что Apache Airflow Community предоставляет для этого метода

• У вас есть инструкции: Создание образа о том, как создать и настроить свой образ.

• У вас есть работающий поток воздуха в Docker, где вы можете увидеть пример быстрого запуска, который вы можете использовать для быстрого запуска Airflow для локального тестирования и разработки. Однако это всего лишь вдохновение. Не рассчитывайте использовать этот файл docker-compose.yml для производственной установки, вам нужно ознакомиться с Docker Compose и его возможностями и создайте с его помощью собственное готовое к работе развертывание, если вы выбираете Docker Compose для своего развертывания.

• Образ Docker управляется теми же людьми, которые создают Airflow, и они обязуются поддерживать он обновляется всякий раз, когда выпускаются новые функции и возможности Airflow.

Куда обратиться за помощью

• Для быстрых вопросов об официальном образе Docker есть канал #production-docker-image в Airflow Slack.

• Канал #troubleshooting в Airflow Slack для быстрого общего вопросы по устранению неполадок. Обсуждения на GitHub если вы ищете более продолжительное обсуждение и хотите поделиться дополнительной информацией.

• Если вы можете предоставить описание воспроизводимой проблемы с программным обеспечением Airflow, вы можете открыть проблема на GitHub выпускает

Дополнительные сведения: Helm Chart для Apache Airflow

Когда этот вариант работает лучше всего

• Этот метод установки полезен, если вы не только знакомы со стеком Container/Docker, но и когда использовать Kubernetes и хотите установить и поддерживать Airflow с помощью установки Kubernetes, управляемой сообществом механизм через диаграмму Хельма.

• Он обеспечивает не только возможность запуска компонентов Airflow отдельно от другого программного обеспечения. работает на тех же физических или виртуальных машинах и управляет зависимостями, но также предоставляет возможности более простое обслуживание, настройка и обновление Airflow таким образом, который стандартизирован и будет поддерживаться сообществом.

• The Chart использует официальные образы Docker Airflow Production для запуска Airflow.

Предполагаемые пользователи

• Пользователи, которые знакомы с контейнерами и стеком Docker и понимают, как создавать собственные образы контейнеров.

• Пользователи, которые понимают, как устанавливать поставщиков и зависимости от PyPI с ограничениями, если они хотят расширить или настроить образ.

• Пользователи, которые управляют своей инфраструктурой с помощью Kubernetes и управляют своими приложениями в Kubernetes с помощью Helm Charts.

Что вы должны обрабатывать

• Предполагается, что вы сможете настраивать или расширять образы Container/Docker, если хотите. добавить дополнительные зависимости. Ожидается, что вы соберете развертывание, состоящее из нескольких контейнеров. (например, с помощью Docker Compose) и убедиться, что они связаны друг с другом.

• Вы отвечаете за настройку базы данных.

• The Helm Chart управляет схемой вашей базы данных, автоматизирует запуск, восстановление и перезапуск компоненты приложения и связывание их вместе, поэтому вам не нужно об этом беспокоиться.

• Вы несете ответственность за управление собственными настройками и расширениями для ваших пользовательских зависимостей. С официальными образами Airflow Docker обновления Airflow и Airflow Providers, которые являются частью эталонного изображения, обрабатываются сообществом — вам нужно обязательно подобрать эти изменения при выпуске путем обновления базового образа. Однако вы несете ответственность за создание конвейер создания ваших собственных пользовательских образов с вашими собственными добавленными зависимостями и провайдерами, и вам нужно повторите шаг настройки и создайте собственный образ, когда будет выпущена новая версия образа Airflow.

Что Apache Airflow Community предоставляет для этого метода

• У вас есть инструкции: Создание образа о том, как создать и настроить свой образ.

• У вас есть Helm Chart для Apache Airflow — полная документация по настройке и установке Helm Chart.

• The Helm Chart управляется теми же людьми, которые создают Airflow, и они стремятся сохранить он обновляется всякий раз, когда выпускаются новые функции и возможности Airflow.

Куда обратиться за помощью

• Для быстрых вопросов об официальном образе Docker есть канал #production-docker-image в Airflow Slack.

• Для быстрых вопросов по официальной диаграмме Helm есть канал #helm-chart-official в Slack.

• Канал #troubleshooting в Airflow Slack для быстрого общего вопросы по устранению неполадок. Обсуждения на GitHub если вы ищете более продолжительное обсуждение и хотите поделиться дополнительной информацией.

• Если вы можете предоставить описание воспроизводимой проблемы с программным обеспечением Airflow, вы можете открыть проблема на GitHub выпускает

Перейдите на страницу экосистемы, чтобы найти все управляемые службы для воздушного потока.

Когда этот вариант работает лучше всего

Предполагаемые пользователи

Что вы должны обрабатывать

Какую помощь Apache Airflow Community предоставляет для этого метода

05

5

5

5

50012

• Первым выбором должна быть поддержка, предоставляемая управляемыми службами. Есть несколько каналы в Apache Airflow Slack, предназначенные для разных групп пользователей, и если у вас есть прийти к выводу, что вопрос больше связан с Airflow, чем с управляемой службой, вы можете использовать эти каналы.

Перейдите на страницу «Экосистема», чтобы найти все варианты развертывания сторонних производителей.

Когда этот вариант работает лучше всего

• Эти методы установки полезны в случае, если ни один из официальных методов, упомянутых ранее, не работает для вас, или вы исторически использовали их. Однако рекомендуется, чтобы всякий раз, когда вы рассматриваете какие-либо изменения, вам следует подумать о переходе на один из методов, официально поддерживаемых Apache Airflow.