Bezpłatna 15-minutowa konsultacja bezpośrednio z naszymi ekspertami.
Apache Airflow to platforma open source, w której programiści definiują pipeline’y danych jako kod, uruchamiają je według harmonogramu i monitorują. Dla sklepów Shopware, także tych prowadzonych w Polsce, sprawdza się wtedy, gdy importy, synchronizacje i analizy stają się zbyt złożone dla cronjobów.
Airflow opisuje procesy jako DAG-i (skierowane grafy acykliczne): każdy węzeł to zadanie, a krawędzie określają kolejność i zależności. DAG-i pisze się w Pythonie, scheduler uruchamia je według harmonogramu lub na wyzwalacz, workery wykonują zadania, a interfejs webowy pokazuje przebiegi, czasy wykonania, błędy i logi. Ponawianie po błędach, powiadomienia i uzupełnianie pominiętych okien czasowych są wbudowane.
Airflow powstał pierwotnie w Airbnb, dziś jest projektem Apache i standardowym narzędziem w zespołach data engineering. Wersje zarządzane oferują Astronomer, AWS (MWAA) i Google Cloud (Cloud Composer).
Do zadań cyklicznych Shopware oferuje mechanizm Scheduled Tasks i Message Queue, a do zdarzeń Flow Builder. Airflow opłaca się wtedy, gdy procesy wykraczają poza Shopware i obejmują kilka systemów w ustalonej kolejności:
Dla pojedynczych prostych procesów Airflow jest przesadą; wtedy wystarczą Flow Builder, Scheduled Task w pluginie lub platforma taka jak n8n.
Airflow komunikuje się z Shopware przez Admin API. Typowa synchronizacja stanów magazynowych w uproszczonej formie:
from airflow import DAG
from airflow.operators.python import PythonOperator
from datetime import datetime, timedelta
def pobierz_stany(): ... # pobranie stanów magazynowych z ERP
def oczysc(): ... # sprawdzenie numerów artykułów, usunięcie duplikatów
def zapisz_shopware(): ... # POST /api/_action/sync w paczkach po 500 artykułów
with DAG("shopware_synchronizacja_stanow", start_date=datetime(2026, 1, 1),
schedule="*/15 * * * *", catchup=False,
default_args={"retries": 3, "retry_delay": timedelta(minutes=5)}) as dag:
pobierz = PythonOperator(task_id="pobierz", python_callable=pobierz_stany)
sprawdz = PythonOperator(task_id="sprawdz", python_callable=oczysc)
zapisz = PythonOperator(task_id="zapisz", python_callable=zapisz_shopware)
pobierz >> sprawdz >> zapisz
DAG uruchamia się co 15 minut, trzykrotnie ponawia nieudane zadania i pokazuje każdy przebieg w interfejsie. Dane dostępowe do Shopware są przechowywane w Airflow Connections lub w secret backendzie, a nie w kodzie.
Apache Airflow to właściwy wybór, gdy zadania danych wokół Shopware stają się złożone, wieloetapowe i krytyczne dla biznesu, a zespół chce utrzymywać je jako kod. Dla małych sklepów utrzymanie jest zbyt pracochłonne; tam wystarczą wbudowane narzędzia Shopware lub platforma no-code. Oferujemy wsparcie sprzedawcom internetowym w Polsce przy tej decyzji i budujemy integrację z Admin API; więcej informacji znajdą Państwo na stronie tworzenie pluginów Shopware. Więcej pojęć wyjaśnia nasz słownik Shopware.