Airflow 采用了哪些机制使得它能够在不同的平台和环境之间调度任务？

回答思路

1. 【回答框架 1】Airflow 通过将调度器（Scheduler）、执行器（Executor）和元数据库（Metadata Database）解耦，使得任务定义与运行环境分离。调度器负责任务的解析、依赖编排和状态管理，执行器只负责将任务实例交给具体的执行后端，元数据库与任务代码解耦，因此可在不同环境复用同一套调度逻辑。
2. 【回答框架 2】跨平台的关键在于执行器的抽象。Airflow 支持多种执行器，如 LocalExecutor、CeleryExecutor、KubernetesExecutor 等，用户可按需选择适配的平台。例如 KubernetesExecutor 会为每个任务实例动态创建 Pod，任务运行环境被容器化，从而屏蔽底层基础设施差异，实现真正意义上的跨环境运行。
3. 【回答框架 3】环境隔离还体现在连接（Connection）和变量（Variable）的配置化上。Airflow 允许通过环境变量或配置文件注入不同环境的连接信息和变量，任务代码本身不硬编码环境特定的参数，从而保障在开发、测试、生产等环境间无缝迁移。
4. 【回答框架 4】Airflow 还支持 DAG 的序列化和版本管理，多个环境可以共享同一套 DAG 定义，只需在各自环境中加载对应的配置和实例化相应的执行器，即可实现多环境一致性的任务调度。
5. 【关键点 1】执行器抽象是跨平台的核心，不同执行器适配不同运行后端。
6. 【关键点 2】元数据库与任务代码解耦，支持环境间复用调度逻辑。
7. 【关键点 3】连接和变量配置化，避免环境参数硬编码，增强可移植性。
8. 【关键点 4】容器化执行方式（如 KubernetesExecutor）进一步提升环境隔离性。
9. 【易错点 1】不能忽略不同环境之间资源配额、权限和网络策略的差异，否则任务可能因环境限制而失败。
10. 【易错点 2】配置化需要配合严格的密钥管理，避免将敏感信息以明文形式写入代码库。