处理回填和持续运行的不同计划间隔的最佳方法是什么？
对于回填，我想使用每日间隔，但对于持续运行，我想使用每小时间隔。
我可以想到三种方法：
我看到的最简单的方法是在一个 .py 文件中定义两个 DAG。dag_backfill以每天为间隔，过去的开始日期和结束日期为datetime.now()，dag_ongoing每小时间隔和开始日期为datetime.now()，在dag_backfill完成时接管。但是，这里不鼓励在一个文件中使用两个 DAG ：
我们确实支持每个 python 文件多个 DAG 定义，但不建议这样做，因为我们希望从故障和部署角度更好地隔离 DAG...
两个 .py 文件导入构成管道的相同 python 函数。我担心在这种方法中保持单独的文件一致。
只有一个每小时间隔的 DAG 检查运行日期是否超过过去 1 天，如果是，则仅在这些日期的午夜运行。我觉得这是不雅的，因为它会模糊回填将运行的时间表，至少从 gui 主页。
这个或已知的最佳实践有共同的模式吗？
使用files.download(). 在熊猫中创建数据框后，我的代码的结尾是：
#...other stuff that creates a ~50,000 row, ~8Mb CSV...
dataDf.to_csv('myFilename.csv', index=False)
files.download('myFilename.csv')
运行这个我有时会得到错误 MessageError: TypeError: Failed to fetch
有时，再次重新运行单元会使下载工作，有时在失败的单元之后创建另一个单元并运行files.download('myFilename.csv')正常。
有谁知道如何阻止这种情况发生？或者知道为什么它只偶尔发生？
我想与非技术用户共享此文件，因此如果他们只需按第一个单元格侧面的播放按钮并自动下载文件，那将非常方便。
from airflow import DAG（在文档中的教程中使用）和from airflow.models import DAG（在示例 DAG 中使用）之间有什么区别吗？
我是 Airflow 的新手，不确定它们是否应该以不同的方式使用。