Airflow 3 有资产了，还换 Dagster 吗？

名词越来越像，差别还剩什么？

摘要

Airflow 3 引入了 Asset，Dagster 的核心卖点不再独占。差别还在：Dagster 从“产出什么数据”出发，Airflow 从“跑哪些任务”出发。新项目、dbt 为主选 Dagster，存量多、生态广选 Airflow。

先说明：两篇“官方对比”都不中立

Dagster 官网有一篇对比页，口号是“该离开 Airflow 了”。它的页脚写着 Prefect 的版权：Prefect 在 2026 年 7 月宣布收购 Dagster Labs。页面里“开发效率是 Airflow 的 2 倍”没有给来源和方法。

Airflow 这边也一样。托管商 Astronomer 写了反向的对比页，称 Airflow 有 1700 多个 provider 包，Dagster 约 67 个集成，还说 Dagster 的资产图在几百个资产时会变慢，同样没给来源。

所以下面的数字我都标了出处：厂商自述的，写明是自述；能查的，我直接查了。

老区别：任务 vs 资产

Airflow 的单位是任务：A 跑完跑 B，B 跑完跑 C。图上的节点是“一件要做的事”。

Dagster 的单位是数据资产：你声明“我要产出这张表”，依赖写在函数参数里。

import dagster as dg


@dg.asset
def raw_orders() -> list[dict]:
    return [{"id": 1, "amount": 30}, {"id": 2, "amount": 70}]


@dg.asset
def daily_revenue(raw_orders: list[dict]) -> int:
    return sum(o["amount"] for o in raw_orders)

daily_revenue 的参数名就是它依赖的资产，血缘图是顺手得到的。

新变化：Airflow 3 也有 Asset 了

Airflow 3.0 在 2025 年 4 月 22 日发布，把原来的 Dataset 演进成了 Asset。官方文档里的写法是这样：

from airflow.sdk import DAG, Asset
from airflow.providers.standard.operators.bash import BashOperator  # 官方片段未写这行

example_asset = Asset("s3://asset/example.csv")

with DAG(dag_id="producer", ...):
    BashOperator(task_id="producer", outlets=[example_asset], ...)

with DAG(dag_id="consumer", schedule=[example_asset], ...):
    ...

任务用 outlets 声明自己更新了哪个资产，下游 DAG 用 schedule=[example_asset] 在资产更新后被触发。依赖多个资产时，Airflow 会攒着事件，等它们都更新。文档还提到用 AssetWatcher 做事件驱动的调度。

同一版本还带来了 DAG 版本化（一次运行会在开始时的版本上跑完，哪怕中途上传了新版本），以及由调度器托管的 backfill。

这些变化把“Airflow 只会管任务”这个说法改成了“Airflow 也能按资产触发”。

那差别还剩什么

按我读到的材料，剩下三处：

1. 资产是不是一等公民。 在 Airflow 里，资产是挂在任务上的标记（outlets），任务仍是主角。在 Dagster 里，资产本身就是被定义和运行的对象，运行记录、失败历史、新鲜度、质量检查都按资产归档。Astronomer 的对比页也承认，资产模型长期是 Dagster 的主要差异点，只是说 Airflow 3 缩小了差距。

2. 本地开发的手感。 Dagster 一条 dagster dev 起本地界面。Airflow 也有一条命令 airflow standalone，能把全部组件拉起来，官方说生产环境要分开部署。几个细节要知道：Windows 要用 WSL2，不支持 Poetry 和 pip-tools，3.x 的管理员密码写在 $AIRFLOW_HOME 下的一个生成文件里，官方提示终端输出里不一定显示。Dagster 官网引用用户的话，说 Airflow 本地要 docker 和复杂的基础设施，这是用户的主观感受，不是测过的数据。

3. 生态和规模。 这一点是 Airflow 的：我在 2026 年 10 月 24 日查 GitHub，Airflow 约 4.7 万 star，Dagster 约 1.6 万；两个都是 Apache-2.0。社区、插件、招聘池，Airflow 都大得多。Astronomer 说 OpenAI 用 Airflow 跑约 7000 条管道，这是它的自述。

已有 Airflow 怎么办

Dagster 的迁移方案叫 Airlift，思路是不动 Airflow 代码：先在 Dagster 里观测所有 Airflow 实例的 DAG，再逐步把新管道建在 Dagster 上，最后关掉旧的。官方称整个过程是增量的、低风险的。

这话是厂商说的，别当保证。有两个现实问题官方页面没回答：

• 你要同时养两套系统一段时间。
• Dagster+ 按积分计费：Solo 每月 10 美元，Starter 每月 100 美元，每次资产物化和每个 op 执行算 1 个积分，页面没有列出任何包含的额度。开源版自托管没有这笔钱。

另外，2026 年 7 月 Prefect 宣布收购 Dagster Labs。Dagster 官方说不并入 Prefect、不要求客户迁移，开源承诺不变。选型时值得留意后续动作。

怎么选

我的看法：Airflow 3 把“能不能按资产触发”这件事补上了，所以不要为了这一条换系统。真正值得换的理由是你想让资产成为主角，血缘、新鲜度、质量检查放在同一个模型里。如果这不是你的痛点，升级 Airflow 的收益更大、风险更小。

你会怎么选

如果今天让你拍板，你选 Dagster，还是留在 Airflow 3？是存量 DAG 让你留下，还是“资产是一等公民”让你想换？

Dagster 项目地址：github.com/dagster-io/dagster，Airflow 项目地址：github.com/apache/airflow。