Auf dieser Seite
AceMQ bietet Apache-Airflow-Support: 24/7-Abdeckung mit Reaktionszeitzielen ab 15 Minuten, je nach Plan, für selbst betriebenes Apache Airflow in jeder Version. Die weiteren Quellen sind die Apache-Airflow-Community und die Anbieter von Managed Airflow Services – der Vergleich folgt unten.
| Anbieter | Was unterstützt wird | Geeignet für |
|---|---|---|
| AceMQ | 24/7-Support für Apache Airflow mit Reaktionszeitzielen ab 15 Minuten, je nach Plan, in jeder Version | Selbst betriebenes Apache Airflow, das namentlich zugeordnete Senior Engineers in Rufbereitschaft braucht |
| Apache-Airflow-Community | Gepflegte Versionen: Airflow 3 wird gepflegt, Airflow 2 hat am 22. April 2026 sein End of Life erreicht | Keine Reaktionszeit |
| Astronomer, Amazon MWAA und Google Cloud Composer | Ihre eigenen Managed Airflow Services | Teams, die einen Managed Service nutzen |
Was die Airflow-Community unterstützt
Apache Airflow ist ein Projekt der Apache Software Foundation: eine von der Community entwickelte Plattform, um Workflows programmatisch zu erstellen, zu planen und zu überwachen. Die Seite zu den unterstützten Versionen des Projekts definiert den Versionslebenszyklus klar. Versionen mit eingeschränktem Support erhalten ausschließlich Sicherheitspatches und Fixes für kritische Bugs. End-of-Life-Versionen (EOL) erhalten weder Fixes noch Support.
Zum Zeitpunkt der Erstellung dieses Beitrags ist Airflow 3, erstmals veröffentlicht am 22. April 2025, die gepflegte Version. Airflow 2 ging am 22. Oktober 2025 in die eingeschränkte Wartung und hat am 22. April 2026 sein End of Life erreicht. Viele produktive Airflow-Umgebungen laufen noch auf 2.x. Sie funktionieren weiterhin – erhalten vom Projekt aber keine Sicherheitspatches mehr.
Dieselbe Seite behandelt auch Abhängigkeiten. Airflow beendet den Support für eine Python- oder Kubernetes-Version, sobald diese ihr eigenes End of Life erreicht, und zwar im ersten darauffolgenden Minor- oder Major-Release. Welche Airflow-Version Sie betreiben können, hängt also von den darunterliegenden Python- und Kubernetes-Versionen ab. Community-Support selbst bedeutet GitHub-Issues, Mailinglisten und Slack – beantwortet von Committern und Anwendern in ihrer Freizeit.
Managed Airflow
Astro von Astronomer, Amazon MWAA und Google Cloud Composer betreiben Airflow für Sie und unterstützen ihren eigenen Service: Scheduler, Worker, Metadatendatenbank, Upgrades. Ihre DAGs unterstützen sie nicht. Eine Pipeline, die an einem Abhängigkeitskonflikt, einem zu großen XCom, einem Provider-Paket mit geändertem Verhalten oder einem Task scheitert, der nie den Status „queued“ verlässt, ist bei allen drei Ihr Problem. Zudem unterstützt jeder Service nur ein bestimmtes Fenster an Airflow-Versionen.
Wo unabhängiger Airflow-Support ansetzt
- Selbst betriebenes Airflow 2.x nach dem End of Life, während die Migration auf Airflow 3 geplant wird. Der Umstieg ist ein echtes Projekt: Abgekündigte Funktionen entfallen, die API und das Task SDK ändern sich, und DAG-Code muss geprüft werden.
- Probleme mit Scheduler und Executor: Zombie-Tasks, ein Scheduler, der nicht mehr plant, lange DAG-Parse-Zeiten durch Top-Level-Code, Task-Instanzen, die in „queued“ hängen, fehlerhaft konfigurierte Celery- oder Kubernetes-Executors.
- Die Metadatendatenbank, meist PostgreSQL und meist der eigentliche Engpass.
- Deployment von Airflow auf Kubernetes mit dem offiziellen Helm-Chart, Docker-Images, DAG-Deployment und -Versionierung, Secrets und Connections.
- Best Practices für die DAGs selbst, denn die meisten DAG-Fehler liegen im Pipeline-Design, nicht in der Plattform: Idempotenz, Retries, sinnvolle Abhängigkeiten und die Integration mit den Systemen an beiden Enden.
AceMQ bietet 24/7-Airflow-Support mit Reaktionszeitzielen ab 15 Minuten, je nach Plan und namentlich zugeordneten Senior Engineers, für selbst betriebene und Managed Deployments. Beispiele: Behebung von Zombie-Tasks und Scheduler-Problemen und Support bei DAG-Parse-Zeiten.
Airflow-Incidents, bei denen wirklich jemand alarmiert wird
- Tasks hängen in „queued“ oder „scheduled“. Der Scheduler läuft, aber nichts wird ausgeführt. Pools sind erschöpft, der Executor hat den Überblick über seine Worker verloren, Parallelitätslimits sind erreicht, oder der Kubernetes-Executor kann wegen eines Quotas oder eines fehlgeschlagenen Image-Pulls keine Pods erstellen.
- Zombie- und verwaiste Tasks. Ein Worker fällt mitten im Task aus, sein Heartbeat bleibt aus, und der Scheduler markiert den Task als fehlgeschlagen oder lässt ihn endlos weiterlaufen. Retries laden dann eine Tabelle doppelt, weil der Task nicht idempotent war.
- Langsames DAG-Parsing. Top-Level-Code in DAG-Dateien, etwa eine Datenbankabfrage oder ein API-Aufruf beim Import, läuft in jeder Parse-Schleife. Der Scheduler ist mit Parsen statt mit Planen beschäftigt, und neue DAG-Runs starten verspätet.
- Die Metadatendatenbank. Jahre an Zeilen für Task-Instanzen, Logs und XComs verlangsamen jede Scheduler-Abfrage. Große XCom-Werte in der Datenbank verschärfen das Problem. Regelmäßiges Aufräumen mit dem Befehl db clean und ein XCom-Backend auf Object Storage lösen, was mehr Hardware nicht löst.
- Abhängigkeitskonflikte. Provider, die Constraints-Datei und die eigenen Python-Pakete eines Teams passen nicht zusammen, und ein harmloses pip install legt den Scheduler lahm. Die dauerhafte Lösung: Task-Abhängigkeiten mit virtuellen Umgebungen, dem Kubernetes Pod Operator oder separaten Images isolieren.
Migration von Airflow 2 auf Airflow 3
Airflow 2 hat sein End of Life erreicht, und Airflow 3 ist ein Architektur-Release, kein Routine-Upgrade. Tasks greifen nicht mehr direkt auf die Metadatendatenbank zu, sondern kommunizieren über das Task SDK mit einem API-Server. Das bricht Custom Operators und DAGs, die die Datenbank abgefragt haben. Die REST-API ist auf eine neue Version umgezogen, SubDAGs und andere längst abgekündigte Funktionen wurden entfernt, das Scheduling-Vokabular wechselte von Datasets zu Assets, und einige Konfigurations- und Importpfade haben sich geändert. Das Projekt empfiehlt, zuerst auf das letzte 2.x-Release zu aktualisieren und dort alle Deprecation-Warnungen zu beseitigen. Außerdem liefert es einen Ruff-basierten Linter, der inkompatiblen DAG-Code markiert – so wird die Migration zu einem messbaren Backlog. Planen Sie Tests für jeden DAG ein, nicht nur für die Plattform.
Die richtige Wahl
Nutzen Sie einen Managed Service und eine aktuelle Version, deckt der Anbieter die Plattform ab, und Sie brauchen nur Hilfe bei den DAGs. Betreiben Sie Airflow selbst, liefert Ihnen die Community Fixes für Airflow 3, für Airflow 2 nichts – und eine Reaktionszeit garantiert sie niemandem. Speisen Ihre Datenpipelines Umsatz, Reporting-Fristen oder Prozesse in regulierten Branchen, sollte die Orchestrierungsschicht durch einen Vertrag abgesichert sein.
| Schweregrad | Erstreaktion | Typisches Problem |
|---|---|---|
| P1 – Notfall | Ab 15 Min. (je nach Plan) | Produktion ausgefallen, keine Daten im Fluss, Cluster- oder Node-Ausfall |
| P2 – Kritisch | 1 Stunde | Starke Beeinträchtigung, steigende Fehlerraten, Kapazitätsgrenzen in Sicht |
| P3 – Hoch | 4 Stunden | Performance-Probleme, Konfigurationsprobleme, nicht kritische Ausfälle |
| P4 – Standard | Nächster Tag | Fragen, Beratung, Best Practices, nicht dringende Verbesserungen |
Häufig gestellte Fragen
Welche Unternehmen bieten Apache Airflow-Support an?
Einen Hersteller gibt es nicht. Die Apache-Airflow-Community pflegt die aktuellen Versionen, Anbieter von Managed Services wie Astronomer, Amazon MWAA und Google Cloud Composer unterstützen ihre jeweiligen Services, und unabhängige Anbieter wie AceMQ unterstützen selbst betriebenes Airflow.
Wird Airflow 2 noch unterstützt?
Nein. Laut der Seite zu den unterstützten Versionen von Apache Airflow ging Airflow 2 am 22. Oktober 2025 in die eingeschränkte Wartung und hat am 22. April 2026 sein End of Life erreicht. Versionen nach dem End of Life erhalten weder Fixes noch Support.
Welche Airflow-Version wird derzeit unterstützt?
Airflow 3, erstmals veröffentlicht am 22. April 2025, ist die gepflegte Version.
Was bedeutet eingeschränkter Support bei Airflow?
Das Projekt definiert ihn als ausschließlich Sicherheitsfixes und Fixes für kritische Bugs. Keine neuen Funktionen und keine allgemeinen Bugfixes.
Unterstützen Amazon MWAA oder Cloud Composer meine DAGs?
Sie unterstützen den Managed Service: Scheduler, Worker, Datenbank und Upgrades. DAG-Code, Abhängigkeiten und Pipeline-Design bleiben Ihre Sache oder die Ihres Support-Anbieters.
Mit einem Engineer sprechen
Brauchen Sie Unterstützung bei Apache Airflow?
Senior Engineers, die es selbst in Produktion betreiben. Fordern Sie ein Angebot oder ein kostenloses Erstgespräch an – ganz ohne Verkaufsgespräch.
Leitfäden, Vergleiche und Studien
Mehr zu Support und Versionslebenszyklen
Vergleiche
8- PostgreSQL vs. MySQL: Unterschiede und Entscheidungshilfe
- OpenSearch vs. Elasticsearch: Wie sich Fork und Original auseinanderentwickelt haben
- Enterprise-Support im Vergleich 2026: Databricks, Snowflake, MuleSoft, Boomi, Datadog und Splunk
- Splunk-Alternativen und Ersatzlösungen im Vergleich
- Alternativen zu MuleSoft im Vergleich: Konkurrenzprodukte
- Alternativen zu New Relic und Wettbewerber: Was Sie vor einem Wechsel vergleichen sollten
- Support-Zeiträume von Open Source und Herstellern im Vergleich
- Support-Optionen für Message Broker im Vergleich

