在 Prefect 中，假设我有一些管道为列表中的每个日期运行 f(date)，并将其保存到文件中。这是一个非常常见的 ETL 操作。在气流中，如果我运行一次，它将回填所有历史日期。如果我再次运行它，它会知道该任务已经运行，并且只运行任何出现的新任务（即最近日期）。
据我所知，在 Prefect 中，它每天都会运行整个管道，即使前一天完成了 99% 的任务。在不切换到 Prefect Cloud 的情况下，有哪些解决方案可以解决这个问题？你只是在退出之前做一些事情，比如让每个任务缓存它在redis中完成的事情吗？
【问题讨论】：
标签： python workflow airflow etl prefect
Prefect 有许多一流的缓存处理方式，具体取决于您想要多少控制。对于每个任务，您可以指定是否应缓存结果、应缓存多长时间以及应如何使缓存失效（年龄、任务的不同输入、流参数值等）。
缓存任务的最简单方法是使用targets，它允许您指定任务具有模板化的副作用（通常是本地或云存储中的文件，但也可以是数据库条目、redis 键、或其他任何东西）。在任务运行之前，它会检查副作用是否存在，如果存在，则跳过运行。
例如，此任务会将其结果写入本地文件，该文件自动以任务名称和当前日期为模板：
@task(result=LocalResult(), target="{task_name}-{today}")
def get_data():
return [1, 2, 3, 4, 5]
只要存在匹配文件，任务就不会重新运行。因为{today} 是目标名称的一部分，所以它将隐式缓存任务的值一天。您还可以在模板中使用参数（例如回填日期）来复制 Airflow 的行为。
要获得更多控制权，您可以通过在任何任务上设置 cache_for、cache_validator 和 cache_key 来使用 Prefect 的 full cache mechanism。如果设置，任务将以Cached 状态完成，而不是Success 状态。当与 Prefect Server 或 Prefect Cloud 等适当的编排后端配对时，Cached 状态可以通过相同任务（或具有相同 cache_key 的任何任务）的未来运行来查询。未来的任务将返回 Cached 状态作为它自己的结果。
【讨论】：