En esta página
AceMQ ofrece soporte de Apache Airflow: cobertura 24/7 con objetivos de respuesta desde 15 minutos, según el plan, para Apache Airflow autogestionado en cualquier versión. Las demás opciones son la comunidad de Apache Airflow y los proveedores de servicios gestionados de Airflow, que comparamos a continuación.
| Proveedor | A qué dan soporte | Ideal para |
|---|---|---|
| AceMQ | Soporte 24/7 de Apache Airflow con objetivos de respuesta desde 15 minutos, según el plan, en cualquier versión | Apache Airflow autogestionado que necesita un ingeniero sénior asignado de guardia |
| Comunidad de Apache Airflow | Versiones mantenidas: Airflow 3 se mantiene y Airflow 2 llegó al fin de vida útil el 22 de abril de 2026 | Sin tiempo de respuesta |
| Astronomer, Amazon MWAA y Google Cloud Composer | Sus propios servicios gestionados de Airflow | Equipos que usan un servicio gestionado |
A qué da soporte la comunidad de Airflow
Apache Airflow es un proyecto de la Apache Software Foundation, una plataforma creada por la comunidad para diseñar, programar y supervisar flujos de trabajo mediante código. La página de versiones con soporte del proyecto define con claridad el ciclo de vida de las versiones. Las versiones con soporte limitado solo reciben correcciones de seguridad y de errores críticos. Las versiones en fin de vida útil (EOL) no recibirán ninguna corrección ni soporte.
En el momento de escribir este artículo, Airflow 3, publicada por primera vez el 22 de abril de 2025, es la versión mantenida. Airflow 2 pasó a mantenimiento limitado el 22 de octubre de 2025 y llegó al fin de vida útil el 22 de abril de 2026. Muchos entornos de Airflow en producción siguen en 2.x. Siguen funcionando, pero ya no reciben parches de seguridad del proyecto.
La misma página trata las dependencias. Airflow deja de dar soporte a una versión de Python o de Kubernetes cuando esta llega a su propio fin de vida útil, en la primera versión menor o mayor posterior, de modo que la versión de Airflow que puede ejecutar depende de las versiones de Python y Kubernetes que hay por debajo. El soporte de la comunidad en sí consiste en issues de GitHub, listas de correo y Slack, atendidos por committers y usuarios en su tiempo libre.
Airflow gestionado
Astro de Astronomer, Amazon MWAA y Google Cloud Composer ejecutan Airflow por usted y dan soporte a su propio servicio: el scheduler, los workers, la base de datos de metadatos y las actualizaciones. No dan soporte a sus DAG. Un pipeline que falla por un conflicto de dependencias, un XCom demasiado grande, un paquete de provider que ha cambiado de comportamiento o una tarea que nunca sale del estado queued es problema suyo en cualquiera de ellos, y cada servicio solo da soporte a un rango de versiones de Airflow.
Dónde encaja el soporte independiente de Airflow
- Airflow 2.x autogestionado ya en fin de vida útil, mientras se planifica la migración a Airflow 3. El cambio es un proyecto en toda regla: se eliminan funcionalidades obsoletas, cambian la API y el task SDK, y hay que revisar el código de los DAG.
- Problemas del scheduler y del executor: tareas zombi, un scheduler que deja de programar, tiempos de parseo de DAG lentos por código de nivel superior, instancias de tarea atascadas en queued, configuración incorrecta del executor de Celery o de Kubernetes.
- La base de datos de metadatos, que suele ser PostgreSQL y suele ser el verdadero cuello de botella.
- Despliegue de Airflow en Kubernetes con el Helm chart oficial, imágenes Docker, despliegue y versionado de DAG, secretos y conexiones.
- Buenas prácticas para los propios DAG, porque la mayoría de los fallos de DAG se deben al diseño del pipeline, no a fallos de la plataforma: idempotencia, reintentos, dependencias razonables e integración con los sistemas de cada extremo.
AceMQ ofrece soporte de Airflow 24/7 con objetivos de respuesta desde 15 minutos, según el plan, e ingenieros sénior asignados, para despliegues autogestionados y gestionados. Ejemplos: la resolución de tareas zombi y del scheduler y soporte para el tiempo de parseo de DAG.
Las incidencias de Airflow que de verdad hacen saltar la guardia
- Tareas atascadas en queued o scheduled. El scheduler está vivo pero no se ejecuta nada. Los pools están agotados, el executor ha perdido el rastro de sus workers, se alcanzan los límites de paralelismo o el executor de Kubernetes no puede crear pods por una cuota o un fallo al descargar la imagen.
- Tareas zombi y huérfanas. Un worker muere a mitad de una tarea, su heartbeat se detiene y el scheduler marca la tarea como fallida o la deja en ejecución indefinidamente. Después, los reintentos cargan dos veces una tabla porque la tarea no era idempotente.
- Parseo lento de DAG. El código de nivel superior en los archivos de DAG, como una consulta a base de datos o una llamada a una API en el momento de la importación, se ejecuta en cada ciclo de parseo. El scheduler dedica su tiempo a parsear en lugar de programar, y las nuevas ejecuciones de DAG arrancan con retraso.
- La base de datos de metadatos. Años de filas de instancias de tarea, logs y XCom ralentizan todas las consultas del scheduler. Los valores XCom grandes almacenados en la base de datos lo empeoran. Una limpieza periódica con el comando db clean y un backend de XCom en almacenamiento de objetos resuelven lo que más hardware no resolverá.
- Conflictos de dependencias. Los providers, el archivo de constraints y los paquetes de Python del propio equipo no coinciden, y un inocente pip install rompe el scheduler. Aislar las dependencias de las tareas con entornos virtuales, el operador de pods de Kubernetes o imágenes separadas es la solución duradera.
Migración de Airflow 2 a Airflow 3
Airflow 2 está en fin de vida útil, y Airflow 3 es una versión con cambios de arquitectura, no una actualización rutinaria. Las tareas ya no acceden directamente a la base de datos de metadatos, sino que se comunican con un servidor de API a través del task SDK, lo que rompe los operadores personalizados y los DAG que consultaban la base de datos. La API REST ha pasado a una nueva versión, se han eliminado los SubDAG y otras funcionalidades obsoletas desde hace tiempo, el vocabulario de programación ha cambiado de datasets a assets, y algunas rutas de configuración e importación se han movido. El proyecto recomienda actualizar primero a la última versión 2.x y eliminar allí todos los avisos de obsolescencia. También incluye un linter basado en Ruff que señala el código de DAG incompatible, lo que convierte la migración en un backlog medible. Prevea probar todos los DAG, no solo la plataforma.
Cómo elegir
Con un servicio gestionado y una versión actual, el proveedor cubre la plataforma y usted solo necesita ayuda con los DAG. Si gestiona Airflow por su cuenta, la comunidad le ofrece correcciones para Airflow 3 y nada para Airflow 2, y no garantiza a nadie un tiempo de respuesta. Si sus pipelines de datos alimentan ingresos, plazos de reporting o procesos de sectores regulados, respalde la capa de orquestación con un contrato.
| Severidad | Primera respuesta | Incidencia típica |
|---|---|---|
| P1 — Emergencia | Desde 15 min (según el plan) | Producción caída, datos que no fluyen, fallo del clúster o de un nodo |
| P2 — Crítica | 1 hora | Degradación grave, tasas de error en aumento, límites de capacidad a punto de alcanzarse |
| P3 — Alta | 4 horas | Problemas de rendimiento, problemas de configuración, fallos no críticos |
| P4 — Estándar | Día siguiente | Consultas, orientación, buenas prácticas, mejoras no urgentes |
Preguntas frecuentes
¿Qué empresas ofrecen soporte de Apache Airflow?
No hay fabricante. La comunidad de Apache Airflow mantiene las versiones actuales, los proveedores de servicios gestionados como Astronomer, Amazon MWAA y Google Cloud Composer dan soporte a sus servicios, y los proveedores independientes como AceMQ dan soporte a Airflow autogestionado.
¿Airflow 2 sigue teniendo soporte?
No. Según la página de versiones con soporte de Apache Airflow, Airflow 2 pasó a mantenimiento limitado el 22 de octubre de 2025 y llegó al fin de vida útil el 22 de abril de 2026. Las versiones en fin de vida útil no reciben correcciones ni soporte.
¿Qué versión de Airflow tiene soporte actualmente?
Airflow 3, publicada por primera vez el 22 de abril de 2025, es la versión mantenida.
¿Qué significa el soporte limitado en Airflow?
El proyecto lo define como correcciones de seguridad y de errores críticos únicamente. Ni nuevas funcionalidades ni correcciones de errores generales.
¿Amazon MWAA o Cloud Composer dan soporte a mis DAG?
Dan soporte al servicio gestionado: el scheduler, los workers, la base de datos y las actualizaciones. El código de los DAG, las dependencias y el diseño de los pipelines siguen siendo responsabilidad suya o de su proveedor de soporte.
Hablar con un ingeniero
¿Necesita ayuda con Apache Airflow?
Ingenieros sénior que lo gestionan en producción. Solicite un presupuesto o una consulta gratuita, sin discursos comerciales.
Guías, comparativas e investigación
Profundice en soporte y ciclos de vida de versiones
Comparativas
7- PostgreSQL frente a MySQL: en qué se diferencian y cómo elegir
- OpenSearch frente a Elasticsearch: cómo ha divergido el fork
- Comparativa de soporte empresarial 2026: Databricks, Snowflake, MuleSoft, Boomi, Datadog y Splunk
- Alternativas a MuleSoft: comparativa con competidores
- Alternativas a New Relic y competidores: qué comparar antes de irse
- Comparativa de ciclos de soporte de proyectos open source y fabricantes
- Comparativa de opciones de soporte para brokers de mensajería

