# https://github.com/dagster-io/dagster 项目说明书

生成时间：2026-06-19 19:35:09 UTC

## 目录

- [Dagster Overview & Architecture](#page-1)
- [Core Concepts: Assets, Jobs, Ops, Graphs & Resources](#page-2)
- [Asset Materialization, Event Log & Instance API](#page-3)
- [Deployment Options & Infrastructure](#page-4)
- [Automation: Schedules, Sensors & Declarative Automation](#page-5)

<a id='page-1'></a>

## Dagster Overview & Architecture

### 相关页面

相关主题：[Core Concepts: Assets, Jobs, Ops, Graphs & Resources](#page-2), [Deployment Options & Infrastructure](#page-4)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [README.md](https://github.com/dagster-io/dagster/blob/main/README.md)
- [python_modules/dagster/README.md](https://github.com/dagster-io/dagster/blob/main/python_modules/dagster/README.md)
- [examples/README.md](https://github.com/dagster-io/dagster/blob/main/examples/README.md)
- [examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/main/examples/quickstart_etl/README.md)
- [examples/project_fully_featured/README.md](https://github.com/dagster-io/dagster/blob/main/examples/project_fully_featured/README.md)
- [examples/docs_projects/project_ask_ai_dagster/README.md](https://github.com/dagster-io/dagster/blob/main/examples/docs_projects/project_ask_ai_dagster/README.md)
- [examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/main/examples/docs_projects/project_atproto_dashboard/README.md)
- [examples/assets_modern_data_stack/README.md](https://github.com/dagster-io/dagster/blob/main/examples/assets_modern_data_stack/README.md)
- [examples/development_to_production/README.md](https://github.com/dagster-io/dagster/blob/main/examples/development_to_production/README.md)
- [python_modules/libraries/dagster-github/README.md](https://github.com/dagster-io/dagster/blob/main/python_modules/libraries/dagster-github/README.md)
- [python_modules/libraries/dagster-pagerduty/README.md](https://github.com/dagster-io/dagster/blob/main/python_modules/libraries/dagster-pagerduty/README.md)
- [python_modules/libraries/dagster-papertrail/README.md](https://github.com/dagster-io/dagster/blob/main/python_modules/libraries/dagster-papertrail/README.md)
- [python_modules/automation/README.md](https://github.com/dagster-io/dagster/blob/main/python_modules/automation/README.md)
- [js_modules/dg-docs-components/README.md](https://github.com/dagster-io/dagster/blob/main/js_modules/dg-docs-components/README.md)
</details>

# Dagster 概览与架构

## 项目定位与核心价值

Dagster 是一个云原生的数据管道编排器（data pipeline orchestrator），专注于整个数据资产开发生命周期的管理。根据顶层说明，它"for the whole development lifecycle, with integrated lineage and observability, a declarative programming model, and best-in-class testability"，即覆盖开发、测试、部署、运行、观测的全过程，并内置血缘追踪与可观测能力 资料来源：[README.md:1-50]()。

Dagster 面向的核心对象是 **数据资产（data assets）**，包括表、数据集、机器学习模型、报表等。用户通过 Python 函数以声明式方式定义这些资产，由 Dagster 在合适的时机执行函数并保持资产更新 资料来源：[README.md:50-90]()。这种以资产为中心的范式区别于传统以任务（task）或作业（job）为中心的调度器。

最新稳定版本为 **1.13.10（core）/ 0.29.10（libraries）**。该版本修复了 `DagsterInstance.get_latest_materialization_event` 与 `get_asset_records` 在资产被 wipe 后仍可能返回陈旧物化事件的缺陷，表明实例层（Instance）的事件记录与资产状态机是整个系统的关键一致性边界 资料来源：[README.md:release-notes]()。

## 核心编程模型

Dagster 的核心抽象由 `@dg.asset` 装饰器定义。如下示例展示了如何通过纯 Python 函数声明三个相互依赖的数据资产 资料来源：[README.md:90-130]()：

```python
import dagster as dg
import pandas as pd
from sklearn.linear_model import LinearRegression

@dg.asset
def country_populations() -> pd.DataFrame:
    df = pd.read_html("https://tinyurl.com/mry64ebh")[0]
    ...

@dg.asset
def continent_change_model(country_populations: pd.DataFrame) -> LinearRegression:
    ...

@dg.asset
def continent_stats(country_populations: pd.DataFrame,
                    continent_change_model: LinearRegression) -> pd.DataFrame:
    ...
```

Dagster 会根据函数参数签名（如 `country_populations`、`continent_change_model`）自动推导资产间的依赖关系，构成资产图（asset graph / DAG）。这种声明式模型也是 Dagster 强调"best-in-class testability"的基础——资产可在隔离环境中按图执行。

## 仓库结构与模块组织

仓库采用多包（monorepo）结构，主要由以下几类目录构成：

| 目录 | 角色 |
|------|------|
| `python_modules/dagster` | 核心框架包，提供 `@asset`、`@job`、`@sensor`、`@schedule`、`IOManager` 等基础 API |
| `python_modules/libraries/dagster-*` | 第三方集成包，如 `dagster-github`、`dagster-pagerduty`、`dagster-papertrail` 等 |
| `examples/` | 端到端示例项目，覆盖 ETL、Modern Data Stack、dev→prod、ATProto Dashboard 等 |
| `js_modules/dg-docs-components` | `dg docs` 独立站点与 Dagster 应用内嵌文档共用的 React 组件库 |
| `python_modules/automation` | Docker 镜像构建与 PyPI 发布等内部自动化工具 |

例如 `dagster-github`、`dagster-pagerduty`、`dagster-papertrail` 均为独立发布的轻量级集成库，统一以"docs redirect"模式指向官方文档站点 资料来源：[python_modules/libraries/dagster-github/README.md:1-5]()、[python_modules/libraries/dagster-pagerduty/README.md:1-5]()、[python_modules/libraries/dagster-papertrail/README.md:1-5]()。`automation` 模块则说明其角色为"a collection of tools for working with Docker images and publishing Dagster modules to PyPI" 资料来源：[python_modules/automation/README.md:1-5]()。

## 端到端架构与示例覆盖

仓库在 `examples/` 下提供多个"由小到大"的参考实现，帮助用户建立对 Dagster 完整能力栈的认知：

- **quickstart_etl**：每日 ETL 起步模板，覆盖资产定义、UI 物化、调度、监控与元数据查看 资料来源：[examples/quickstart_etl/README.md:1-30]()。
- **assets_modern_data_stack**：将 Software-Defined Assets 与 Airbyte、dbt 等现代数据栈工具组合 资料来源：[examples/assets_modern_data_stack/README.md:1-20]()。该示例同时演示了 Dagster 通过环境变量管理连接与 Secret 的方式。
- **project_fully_featured**：综合演示 SDA、Schedules、Sensors、IOManagers、Resources、dbt/S3/PySpark 集成及单元测试 资料来源：[examples/project_fully_featured/README.md:1-30]()。
- **development_to_production**：通过可替换的 Resource 与运行配置实现本地/生产环境隔离 资料来源：[examples/development_to_production/README.md:1-15]()。
- **project_atproto_dashboard**：结合动态分区（Dynamic partitions）、Declarative Automation、并发限制、dbt 与 Power BI 展示端到端实时分析 资料来源：[examples/docs_projects/project_atproto_dashboard/README.md:1-25]()。
- **project_ask_ai_dagster**：基于 OpenAI 与 Pinecone 向量库的 RAG 应用，展示 Dagster 在 AI 数据管线中的用法 资料来源：[examples/docs_projects/project_ask_ai_dagster/README.md:1-20]()。

综合这些示例可以归纳出典型的 Dagster 运行时架构：

```mermaid
flowchart LR
    A[Python 资产定义 @asset] --> B[Dagster Daemon / Webserver]
    B --> C[资产图 DAG 调度]
    C --> D[执行器: IOManager / Resource]
    D --> E[(外部系统: S3 / Snowflake / dbt / Airbyte)]
    B --> F[(DagsterInstance 事件存储)]
    F --> G[Web UI: Lineage / Activity]
    F --> H[Sensors / Schedules]
    H --> B
```

资产定义被加载到 Dagster Daemon 与 Webserver 中，由调度器依据 Schedules 与 Sensors 触发物化，运行期间通过 IOManager 与外部系统交互，物化与观测事件全部写入 `DagsterInstance`，供 UI 血缘视图与告警链路消费。

## 常见失败模式与可观测性

由于 Dagster 的状态强依赖于 `DagsterInstance` 中事件流的正确性，下列情形常引发排查需求：

1. **Wipe 后陈旧事件**：当资产被 wipe 但仍有运行启动或新观测到达时，`get_latest_materialization_event` 可能返回已被清除的物化事件。该问题在 1.13.10 中已被修复 资料来源：[README.md:release-notes]()。
2. **集成库版本不一致**：core 与 libraries 版本号（1.13.x / 0.29.x）解耦发布，升级时需逐一对齐，否则可能出现序列化或 API 不兼容。
3. **环境隔离未配置**：在多环境项目中若未使用 Resource 抽象与运行配置，本地执行可能覆盖生产数据 资料来源：[examples/development_to_production/README.md:1-15]()。

## See Also

- [Asset Definition Reference] — `@asset` 与资产图建模细节
- [Schedules & Sensors] — 调度与事件驱动
- [Resources & IOManagers] — 环境隔离与外部系统读写
- [Integrations Library] — `dagster-*` 集成库索引

---

<a id='page-2'></a>

## Core Concepts: Assets, Jobs, Ops, Graphs & Resources

### 相关页面

相关主题：[Dagster Overview & Architecture](#page-1), [Asset Materialization, Event Log & Instance API](#page-3), [Automation: Schedules, Sensors & Declarative Automation](#page-5)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [README.md](https://github.com/dagster-io/dagster/blob/master/README.md)
- [python_modules/dagster/README.md](https://github.com/dagster-io/dagster/blob/master/python_modules/dagster/README.md)
- [examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)
- [examples/feature_graph_backed_assets/README.md](https://github.com/dagster-io/dagster/blob/master/examples/feature_graph_backed_assets/README.md)
- [examples/project_fully_featured/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_fully_featured/README.md)
- [examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)
- [examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md)
- [examples/docs_projects/project_ask_ai_dagster/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_ask_ai_dagster/README.md)
- [examples/snowflake_cortex/dagster_snowflake/README.md](https://github.com/dagster-io/dagster/blob/master/examples/snowflake_cortex/dagster_snowflake/README.md)
</details>

# Dagster 核心概念：资产、作业、操作、图与资源

## 概述

Dagster 是一个面向数据流水线的编排框架，以"软件定义资产（Software-defined Assets）"作为核心抽象，辅以操作（Ops）、图（Graphs）、作业（Jobs）、资源（Resources）、调度（Schedules）与传感器（Sensors）等概念构成完整的编排模型 资料来源：[README.md](https://github.com/dagster-io/dagster/blob/master/README.md)。在最新版本 1.13.10（core）中，框架进一步修复了 `DagsterInstance.get_latest_materialization_event` 在资产被擦除后仍可能返回陈旧物化事件的缺陷，这体现了核心抽象与实例存储层之间紧密的耦合关系。

下文按照由高层到低层的顺序，依次介绍资产、作业、操作与图、资源这四组核心概念，并指出它们之间的组合关系。

## 资产（Assets）

资产是 Dagster 中最核心的概念，代表一个可持久化、有版本且可被观测的数据对象，例如数据库表、文件、数据集分区等。资产通过 `@asset` 装饰器将一个普通 Python 函数声明为资产生产逻辑 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)。

```python
from dagster import asset

@asset
def hackernews_topstories(hackernews_topstory_ids):
    ...
```

资产之间可以通过函数参数隐式建立上下游依赖关系。例如在 `quickstart_etl` 示例中，`hackernews_topstories` 接受 `hackernews_topstory_ids` 的输出作为输入，`hackernews_stories_word_cloud` 又以 `hackernews_topstories` 的结果作为输入 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)。

Dagster 支持多种资产特性以适应复杂场景：

| 特性 | 用途 | 示例场景 |
| ---- | ---- | -------- |
| `compute_kind` | 为资产打标签，标识其计算来源 | `HackerNews API`、`Plot` 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md) |
| 分区（Partitions） | 按时间或维度切分资产 | 按小时分区的事件流 资料来源：[examples/project_fully_featured/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_fully_featured/README.md) |
| 动态分区（Dynamic partitions） | 运行时创建新分区 | 持续发现的新数据源 资料来源：[examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md) |
| 元数据（Metadata） | 附加任意元数据到物化事件 | 词云预览图 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md) |
| 外部资产（External assets） | 编排 Dagster 之外的资产 | Snowflake Dynamic Tables 资料来源：[examples/snowflake_cortex/dagster_snowflake/README.md](https://github.com/dagster-io/dagster/blob/master/examples/snowflake_cortex/dagster_snowflake/README.md) |

最近发布的 1.13.10 版本修复了资产擦除后 `get_latest_materialization_event` 返回陈旧数据的 Bug，开发者在编写"先擦除再重跑"的清理流水线时应升级至该版本以保证数据一致性。

## 操作（Ops）与图（Graphs）

当资产的生成过程需要拆分为多个离散的计算单元时，Dagster 提供了操作（Op）与图（Graph）作为更细粒度的组合单元。

- **Op**：一个可独立执行、可复用、可测试的计算单元，对应一个 Python 函数。
- **Graph**：将多个 Op 通过输入输出连接而成的有向无环图，描述它们之间的数据流向。

当一个资产的内部实现是一个 Graph 时，就称之为"图支撑的资产（Graph-backed asset）"。这种模式适用于"单个资产背后存在多步独立计算"或"已有现成的 Graph 需要复用"的场景 资料来源：[examples/feature_graph_backed_assets/README.md](https://github.com/dagster-io/dagster/blob/master/examples/feature_graph_backed_assets/README.md)。

```mermaid
flowchart LR
    A[hackernews_topstory_ids<br/>@asset] --> B[hackernews_topstories<br/>@asset]
    B --> C[hackernews_stories_word_cloud<br/>@asset]
    subgraph 内部实现可选
        B1[Op: 拉取详情] --> B2[Op: 解析字段]
        B2 -.被组合为.-> B
    end
```

需要注意的是，即使资产内部使用 Ops 与 Graphs 组合，资产本身仍然是 Dagster 视图层与持久化层的主角，Ops 仅为实现细节。

## 作业（Jobs）

作业（Job）是一组资产或操作的可执行单元，通常对应一次完整的运行（Run）。作业是 Dagster 中"运行什么、何时运行、怎样运行"的承载体：

- **执行单元**：将若干资产或图组合为一个可被调度执行的工作单元。
- **触发方式**：可以手动触发、由 Schedule 按时间表触发，也可由 Sensor 响应外部事件触发 资料来源：[examples/snowflake_cortex/dagster_snowflake/README.md](https://github.com/dagster-io/dagster/blob/master/examples/snowflake_cortex/dagster_snowflake/README.md)。
- **环境切换**：通过环境变量切换部署目标，例如 `project_fully_featured` 通过 `DAGSTER_DEPLOYMENT` 在 `prod` / `staging` / 本地之间切换 资料来源：[examples/project_fully_featured/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_fully_featured/README.md)。
- **示例入口**：`quickstart_etl` 在 `definitions.py` 中定义了每日执行一次的 ETL 作业，并在 Dagster UI 中以 `all_assets_job` 的形式呈现 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)。

## 资源（Resources）

资源（Resource）是可在资产、操作或作业中注入的可复用外部依赖，例如数据库连接、HTTP 客户端、文件系统句柄、LLM 客户端等。资源与资产在概念上是正交的：资产描述"产出什么数据"，资源描述"用什么去产出"。

例如 `project_multi_tenant` 示例将共享的 LLM 客户端封装为资源，并在多个代码位置之间复用 资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。`project_fully_featured` 则在不同环境使用不同的存储后端：本地使用文件系统与 DuckDB，生产环境使用 S3 与 Snowflake 资料来源：[examples/project_fully_featured/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_fully_featured/README.md)。

资源的关键价值在于：

1. **解耦**：将连接配置与业务逻辑分离，便于在不同环境中复用同一份资产代码。
2. **可测试**：在测试中注入伪造资源以隔离外部依赖。
3. **集中治理**：对凭据、连接池、超时等横切关注点统一管理。

## 常见模式与实践

- **本地开发**：使用 `dg dev` 或 `dagster dev` 启动本地 Web 界面，修改代码后点击 "Reload definition" 即可应用最新定义 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)。
- **快速脚手架**：通过 `dagster project from-example --name my-project --example quickstart_etl` 创建新项目 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)。
- **多代码位置工作区**：使用 `workspace.yaml` 同时加载多个代码位置，并配合 `dagster_cloud.yaml` 进行部署配置 资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。
- **声明式自动化（Declarative Automation）**：在 ATProto 仪表盘示例中，通过声明条件让 Dagster 自动决定何时运行资产 资料来源：[examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md)。
- **RAG 应用编排**：在 `project_ask_ai_dagster` 中，Dagster 同时编排 OpenAI、向量数据库与数据预处理等多个外部依赖的资产 资料来源：[examples/docs_projects/project_ask_ai_dagster/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_ask_ai_dagster/README.md)。

## See Also

- [Dagster 入门教程（Quickstart ETL）](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)
- [图支撑资产示例](https://github.com/dagster-io/dagster/blob/master/examples/feature_graph_backed_assets/README.md)
- [完整特性项目（Project Fully Featured）](https://github.com/dagster-io/dagster/blob/master/examples/project_fully_featured/README.md)
- [多租户示例](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)
- [ATProto 仪表盘示例](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md)
- [RAG 应用示例](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_ask_ai_dagster/README.md)

---

<a id='page-3'></a>

## Asset Materialization, Event Log & Instance API

### 相关页面

相关主题：[Core Concepts: Assets, Jobs, Ops, Graphs & Resources](#page-2), [Automation: Schedules, Sensors & Declarative Automation](#page-5)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [CHANGES.md](https://github.com/dagster-io/dagster/blob/main/CHANGES.md)
- [examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/main/examples/quickstart_etl/README.md)
- [examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/main/examples/docs_projects/project_atproto_dashboard/README.md)
- [examples/docs_projects/project_ask_ai_dagster/README.md](https://github.com/dagster-io/dagster/blob/main/examples/docs_projects/project_ask_ai_dagster/README.md)
- [examples/project_fully_featured/README.md](https://github.com/dagster-io/dagster/blob/main/examples/project_fully_featured/README.md)
- [examples/snowflake_cortex/dagster_snowflake/README.md](https://github.com/dagster-io/dagster/blob/main/examples/snowflake_cortex/dagster_snowflake/README.md)
- [examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/main/examples/project_multi_tenant/README.md)
- [README.md](https://github.com/dagster-io/dagster/blob/main/README.md)
</details>

# Asset Materialization、Event Log 与 Instance API

## 概述

Dagster 是一个面向数据流水线的编排框架，其核心抽象是 **Asset**（资产）。当一次计算生成或更新某个资产时，会产生一次 **materialization**（物化）事件，记录该资产在某一时刻的状态、运行来源以及附加元数据。这些事件被持久化到 **Event Log**（事件日志）中，并可通过 **DagsterInstance API** 进行查询、审计与回溯。资料来源：[README.md:1-50]()

在最新发布的 1.13.10（core）/ 0.29.10（libraries）版本中，针对 `DagsterInstance.get_latest_materialization_event` 和 `get_asset_records` 返回已擦除（wiped）资产的过期物化事件这一缺陷进行了修复。资料来源：[CHANGES.md]()（社区上下文中的发布说明）

## Asset Materialization 的工作原理

### 基本概念

Asset materialization 是 Dagster 用来表达"某个资产被成功生成"的核心事件。每个 `@asset` 装饰的函数在执行完成后，Dagster 会自动产出一条 `ASSET_MATERIALIZATION` 类型的事件，开发者还可以通过 `MetadataValue` 附加任意元数据（如记录数、数据预览、词云图片等）。资料来源：[examples/quickstart_etl/README.md:50-130]()

例如在 `quickstart_etl` 示例中：

- `hackernews_topstory_ids` 从 HackerNews API 拉取热门故事 ID 列表；
- `hackernews_topstories` 基于上一步的输出抓取详细故事数据；
- `hackernews_stories_word_cloud` 依据前一步的输出生成词云可视化。

这三者形成一条由上至下的依赖链，每次运行时都会产生对应的 `ASSET_MATERIALIZATION` 事件，写入 Event Log。资料来源：[examples/quickstart_etl/README.md:30-80]()

### 元数据与观测事件

除了物化事件，Dagster 还支持 **observation**（观测）事件，用于记录资产未发生新的物化但外部状态发生了变化的情况（例如对分区执行擦除操作时）。观测事件同样写入 Event Log，并参与"最新物化"语义计算，这也是 1.13.10 修复缺陷的关键场景。资料来源：[CHANGES.md]()（社区上下文）

### 分区与擦除

在 `project_atproto_dashboard` 示例中，资产按 **dynamic partitions**（动态分区）组织，并通过 **declarative automation** 驱动更新。资料来源：[examples/docs_projects/project_atproto_dashboard/README.md:10-25]() 当某个分区的数据被擦除时，Dagster+ 在旧版本中可能错误地把已擦除分区的物化作为整个资产的"最新"记录返回，1.13.10 对此行为进行了修正。资料来源：[CHANGES.md]()（社区上下文）

## Event Log 系统

Event Log 是 Dagster 持久化所有执行历史（runs、materializations、observations、expectation results 等）的地方，UI 中的 **Activity**、**Asset Details** 页面以及 **Asset Lineage** 视图都直接消费 Event Log 的数据。资料来源：[examples/quickstart_etl/README.md:90-130]()

```mermaid
flowchart LR
    A["@asset 函数执行"] --> B["ASSET_MATERIALIZATION<br/>事件"]
    A2["observation / wipe"] --> B2["OBSERVATION / WIPE<br/>事件"]
    B --> C[Event Log 存储]
    B2 --> C
    C --> D["DagsterInstance<br/>查询 API"]
    C --> E["UI: Activity / Lineage"]
    D --> F["用户代码 & CLI"]
    E --> G["数据工程师"]
```

Event Log 中的每条事件都带有一个稳定的 `asset_key`，查询接口（详见下一节）正是基于 `asset_key` 在日志中筛选和排序，从而得到"最新"或"全部"物化记录。资料来源：[examples/quickstart_etl/README.md:100-130]()

## DagsterInstance API 与常见查询

`DagsterInstance` 是用户与 Event Log 交互的入口对象，提供包括但不限于以下与物化相关的查询方法：

| API 方法 | 主要用途 |
| --- | --- |
| `get_latest_materialization_event` | 获取某个资产的最新 `ASSET_MATERIALIZATION` 事件 |
| `get_asset_records` | 返回一个或多个资产的物化历史记录集合 |
| `wipe_asset` / 分区擦除 | 移除资产（或其分区）的历史物化与观测事件 |

资料来源：[CHANGES.md]()（社区上下文中提及的相关 API）

### 1.13.10 修复的行为变化

在 1.13.10 之前，如果一个资产曾被擦除（wiped），那么一旦有新的运行（run）开始针对该资产，或报告了一条 observation，`get_latest_materialization_event` 与 `get_asset_records` 仍可能返回擦除前的过期物化记录。在 Dagster+ 上，分区擦除也存在类似问题。该 bug 已在 1.13.10 修复，调用方应预期返回"擦除后状态"或更严格的一致性结果。资料来源：[CHANGES.md]()（社区上下文）

### 在项目中的使用模式

- 在 `project_ask_ai_dagster` 中，RAG 摄取流水线利用 Dagster 调度数据写入与向量化过程，每一步都对应可被 Event Log 追踪的物化事件。资料来源：[examples/docs_projects/project_ask_ai_dagster/README.md:1-30]()
- `project_fully_featured` 展示了按小时分区的活动分析资产，其最新物化时间点是新鲜度（freshness）策略评估与告警的依据。资料来源：[examples/project_fully_featured/README.md:1-30]()
- `snowflake_cortex/dagster_snowflake` 中通过 `AI_AGG` 生成的 `daily_story_summary` 等聚合资产，其物化元数据可通过 Instance API 检索，用于成本与查询历史的回溯。资料来源：[examples/snowflake_cortex/dagster_snowflake/README.md:1-30]()
- `project_multi_tenant` 演示了多代码位置（multi-code-location）部署下，每个 code location 可拥有独立的事件日志后端（默认 DuckDB），物化记录按代码位置隔离。资料来源：[examples/project_multi_tenant/README.md:1-50]()

## 常见失败模式与排查建议

1. **读取到过期物化**：在 1.13.10 之前可能出现。升级 core 至 1.13.10 后验证返回值是否符合预期，并检查是否有未完成的 run 导致事件乱序。资料来源：[CHANGES.md]()（社区上下文）
2. **分区擦除后仍能查到数据**：在 Dagster+ 上若升级到 1.13.10 仍出现，应确认 wipe 操作的目标分区与 `get_asset_records` 的过滤条件一致。资料来源：[CHANGES.md]()（社区上下文）
3. **元数据过大导致查询缓慢**：在 `hackernews_topstories` 中以 Markdown 形式记录了 DataFrame 预览，过大的 `preview` 会增加 Event Log 体积，建议仅记录必要列。资料来源：[examples/quickstart_etl/README.md:90-130]()
4. **跨代码位置混淆**：多租户部署下需显式选择 `DagsterInstance` 的目标 code location，否则可能读到错误的物化记录。资料来源：[examples/project_multi_tenant/README.md:1-50]()

## See Also

- [Asset Materialization 概念（quickstart 示例）](https://github.com/dagster-io/dagster/blob/main/examples/quickstart_etl/README.md)
- [Declarative Automation 与动态分区（atproto dashboard）](https://github.com/dagster-io/dagster/blob/main/examples/docs_projects/project_atproto_dashboard/README.md)
- [多代码位置 / 多租户部署](https://github.com/dagster-io/dagster/blob/main/examples/project_multi_tenant/README.md)
- [Dagster 1.13.10 发布说明（CHANGES.md）](https://github.com/dagster-io/dagster/blob/main/CHANGES.md)

---

<a id='page-4'></a>

## Deployment Options & Infrastructure

### 相关页面

相关主题：[Dagster Overview & Architecture](#page-1)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [README.md](https://github.com/dagster-io/dagster/blob/master/README.md)
- [python_modules/dagster/README.md](https://github.com/dagster-io/dagster/blob/master/python_modules/dagster/README.md)
- [examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)
- [examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md)
- [examples/docs_projects/project_prompt_eng/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_prompt_eng/README.md)
- [examples/project_datproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md)
- [examples/project_databricks_and_snowflake/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_databricks_and_snowflake/README.md)
- [examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)
- [examples/snowflake_cortex/dagster_snowflake/README.md](https://github.com/dagster-io/dagster/blob/master/examples/snowflake_cortex/dagster_snowflake/README.md)
- [examples/experimental/README.md](https://github.com/dagster-io/dagster/blob/master/examples/experimental/README.md)
</details>

# Deployment Options & Infrastructure

Dagster 提供从本地开发到生产云端的多种部署形态，覆盖单机调试、多代码位置工作区、混合（Hybrid）部署与托管式 Dagster+ 等场景。本页基于仓库内示例与文档梳理其部署选项与基础设施组成。

## 部署形态总览

Dagster 的部署按运行位置与托管方式可划分为以下几类：

| 形态 | 适用场景 | 关键特征 |
|------|----------|----------|
| 本地开发（Local） | 个人调试、快速迭代 | 单进程 `dagster dev` 或 `dg dev`，Webserver 与 Daemon 同进程启动 |
| 工作区（Workspace） | 多项目本地编排 | 通过 `workspace.yaml` 聚合多个 code location |
| 多租户（Multi-tenant） | 团队/企业内多业务线隔离 | 每业务线独立 code location、共享 `LLM` 资源、隔离数据库 |
| Dagster+ Serverless | 免运维托管 | 官方云服务，CI/CD 与分支开箱即用 |
| Dagster+ Hybrid | 数据合规场景 | 控制面在云端，用户代码与基础设施自托管 |
| Experimental | 试验性功能 | API 可能随时变更，资料来源：[examples/experimental/README.md](https://github.com/dagster-io/dagster/blob/master/examples/experimental/README.md) |

下图为典型的本地/云端混合部署架构：

```mermaid
flowchart LR
  Dev[开发者本地] -->|dagster dev / dg dev| WS[Webserver:3000]
  WS --> Inst[(Dagster Instance\nSQLite/Postgres)]
  Daemon[Daemon\nSchedules/Sensors/Backfills] --> Inst
  CodeLoc[Code Location\nPython 包] --> WS
  CodeLoc --> Daemon
  Hybrid[Dagster+ Hybrid Agent] -.->|用户 VPC 内| CodeLoc
  Serverless[Dagster+ Serverless] -.->|官方托管| CodeLoc
```

## 本地开发与快速启动

最常见的本地启动方式是 `dagster dev`，它会同时拉起 Webserver 与 Daemon。`quickstart_etl` 示例展示了完整流程：先以 `pip install -e ".[dev]"` 编辑模式安装项目，再执行 `dagster dev`，最后访问 `http://localhost:3000` 资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)。

新引入的 `dg` CLI 是组件化（Components）项目推荐的入口。`project_atproto_dashboard` 与 `project_prompt_eng` 均使用 `dg dev` 启动，资料来源：[examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md) 与 [examples/docs_projects/project_prompt_eng/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_prompt_eng/README.md)。两者的共同模式是：先在 `dbt_project/` 中生成 manifest，再用 `uv` 创建虚拟环境安装项目，最后通过 `dg dev` 一键启动。

本地开发时的关键配置点包括：

- `DAGSTER_HOME`：指定实例元数据存储位置（默认 `./.dagster_home`），资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。
- `.env` 文件：存放凭据与后端选择，例如 `LLM_BACKEND=embedded` 启用本地确定性响应，资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。
- 代码变更后需在 UI 点击 **Reload definition** 以加载最新定义，资料来源：[examples/quickstart_etl/README.md](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)。

## 多代码位置与多租户架构

当组织内有多个业务线时，推荐使用多 code location 部署。`project_multi_tenant` 演示了典型布局：`beacon_hq/`、`harbor_outfitters/`、`summit_financial/` 各自承载报表、目录与风险评估资产，`shared/` 承载共享 LLM 资源与 IO Manager，资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。

工作区通过 `workspace.yaml` 注册所有 code location，部署到 Dagster+ 时则使用 `dagster_cloud.yaml` 进行等价配置，资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。这种"一个 workspace，多个 location"的模式带来三项隔离能力：

1. **运行时隔离**：通过 `vendor/` 下的 marker 包（如 `catalog_coach_runtime==1.4.0`）按 location 安装不同依赖版本，资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。
2. **数据隔离**：每个 location 写入独立 DuckDB 文件到 `data/` 子目录，资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。
3. **模型隔离**：通过 `HARBOR_OUTFITTERS_MODEL`、`SUMMIT_FINANCIAL_MODEL`、`BEACON_HQ_MODEL` 等环境变量为不同 location 指定不同 LLM，资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。

类似的多项目结构也出现在 `project_databricks_and_snowflake` 中，它将 `deployments/local` 与 `projects/*` 分离，外部通过 `dg dev` 统一加载，资料来源：[examples/project_databricks_and_snowflake/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_databricks_and_snowflake/README.md)。

## 基础设施组件与社区关注点

一次完整的 Dagster 部署至少包含以下基础设施组件：

- **Webserver**：提供 UI 与 GraphQL API，默认监听 `127.0.0.1:3000`，资料来源：[examples/project_multi_tenant/README.md](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)。
- **Daemon**：运行 schedules、sensors、backfills、declarative automation 等后台循环，资料来源：[examples/docs_projects/project_atproto_dashboard/README.md](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md)。
- **Dagster Instance**：持久化 run、event log、asset materialization 等元数据，资料来源：[python_modules/dagster/README.md](https://github.com/dagster-io/dagster/blob/master/python_modules/dagster/README.md)。
- **Code Location**：用户定义的 Python 包，通过 `Definitions` 对象暴露资产/作业/调度/传感器，资料来源：[README.md](https://github.com/dagster-io/dagster/blob/master/README.md)。

社区近期发布（1.13.10 / 0.29.10）修复了与 `DagsterInstance.get_latest_materialization_event` 及 `get_asset_records` 相关的 staleness 问题：当资产被 wipe 后，若新的 run 或 observation 启动，API 仍可能返回 wipe 前的旧 materialization 记录；Dagster+ 在 partition wipe 场景下也存在类似问题。该修复直接影响运维侧对"资产最新一次成功执行时间"的判断，部署时建议升级到 1.13.10 或更高版本以避免上报指标异常。

## See Also

- [Quickstart ETL 示例](https://github.com/dagster-io/dagster/blob/master/examples/quickstart_etl/README.md)
- [多租户项目布局](https://github.com/dagster-io/dagster/blob/master/examples/project_multi_tenant/README.md)
- [组件化项目模板（dg）](https://github.com/dagster-io/dagster/blob/master/examples/docs_projects/project_atproto_dashboard/README.md)
- [Snowflake Cortex 部署参考](https://github.com/dagster-io/dagster/blob/master/examples/snowflake_cortex/dagster_snowflake/README.md)

---

<a id='page-5'></a>

## Automation: Schedules, Sensors & Declarative Automation

### 相关页面

相关主题：[Core Concepts: Assets, Jobs, Ops, Graphs & Resources](#page-2), [Asset Materialization, Event Log & Instance API](#page-3)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [docs/docs/guides/automate/index.md](https://github.com/dagster-io/dagster/blob/main/docs/docs/guides/automate/index.md)
- [docs/docs/guides/automate/schedules/index.md](https://github.com/dagster-io/dagster/blob/main/docs/docs/docs/guides/automate/schedules/index.md)
- [docs/docs/guides/automate/schedules/defining-schedules.md](https://github.com/dagster-io/dagster/blob/main/docs/docs/guides/automate/schedules/defining-schedules.md)
- [docs/docs/guides/automate/sensors/index.md](https://github.com/dagster-io/dagster/blob/main/docs/docs/guides/automate/sensors/index.md)
- [docs/docs/guides/automate/sensors/using-sensors.md](https://github.com/dagster-io/dagster/blob/main/docs/docs/guides/automate/sensors/using-sensors.md)
- [docs/docs/guides/automate/declarative-automation/index.md](https://github.com/dagster-io/dagster/blob/main/docs/docs/guides/automate/declarative-automation/index.md)
- [docs/docs/guides/automate/declarative-automation/customizing-automation-conditions.md](https://github.com/dagster-io/dagster/blob/main/docs/docs/guides/automate/declarative-automation/customizing-automation-conditions.md)
</details>

# Automation: Schedules, Sensors & Declarative Automation

## 概述

Dagster 的自动化（Automation）体系提供了多种触发工作流运行（run）的机制，使开发者能够按时间、按事件或按数据状态来驱动资产（asset）物化。Automation 主要由三大支柱组成：**Schedules（定时调度）**、**Sensors（传感器）** 和 **Declarative Automation（声明式自动化）**。三者协同覆盖了从固定时间窗口到复杂依赖触发的各种场景。

资料来源：[docs/docs/guides/automate/index.md:1-30]()

```mermaid
graph LR
    A[Automation 自动化体系] --> B[Schedules<br/>定时调度]
    A --> C[Sensors<br/>事件驱动]
    A --> D[Declarative Automation<br/>声明式自动化]
    B --> B1[cron / @schedule]
    C --> C1[SensorEvaluationContext]
    C --> C2[多资产传感器]
    D --> D1[AutomationCondition]
    D --> D2[分区分层策略]
```

## Schedules（定时调度）

### 用途与定义

Schedules 用于按固定时间间隔触发作业（job）或资产图。基于 `@schedule` 装饰器或 `ScheduleDefinition` 创建，常见形式包括 cron 表达式与执行函数组合。Schedules 适合"在每天凌晨 2 点运行 ETL"这类确定性时间任务。

### 关键属性

| 属性 | 说明 |
| --- | --- |
| `cron_schedule` | 标准 cron 表达式，定义触发时间 |
| `execution_timezone` | 调度所用的时区 |
| `job` 或 `selection` | 调度的目标作业或资产选择 |
| `execution_fn` | 自定义执行函数，返回 `RunRequest` |

```python
@schedule(cron_schedule="0 2 * * *", job=my_etl_job)
def daily_etl_schedule(context):
    return RunRequest()
```

### 故障模式

- **时区错误**：未设置 `execution_timezone` 时默认按 UTC 计算，可能导致预期外的偏移。
- **重叠触发**：当运行时间超过调度间隔时，可能出现并发启动，需要通过 `max_concurrent_runs` 或 tag 进行约束。

资料来源：[docs/docs/guides/automate/schedules/defining-schedules.md:1-80]()

## Sensors（事件驱动传感器）

### 用途与定义

Sensors 是基于事件或外部状态变化触发运行的组件。通过 `@sensor` 装饰器创建，每次 tick 会调用 `evaluate_tick` 检查是否需要触发 `RunRequest`。Sensors 适合"当 S3 出现新文件时立即处理"或"轮询数据库是否有新数据"等场景。

### 多资产传感器

`@multi_asset_sensor` 允许针对多个资产的 materialization 事件进行响应，并根据分区状态、事件 ID 等信息生成下游运行请求。

### 关键实践

- `SensorEvaluationContext` 提供 `cursor` 属性，用于实现增量轮询，避免重复触发。
- Sensors 应当是幂等的，重复触发同一游标不应产生错误状态。
- 复杂逻辑建议拆分为多个 sensor 组合，而非在一个 sensor 内堆叠所有判断。

资料来源：[docs/docs/guides/automate/sensors/using-sensors.md:1-120]()

## Declarative Automation（声明式自动化）

### 核心概念

Declarative Automation 是 Dagster 较新的自动化层，通过 `AutomationCondition` 在资产级别声明"何时应当重新物化"。它将"哪些上游状态变化应当触发我"的规则以声明形式写进资产定义，而非通过 schedule/sensor 命令式地编排。

### 常用 AutomationCondition

| 条件 | 触发语义 |
| --- | --- |
| `eager()` | 任一上游更新即触发 |
| `missing()` | 资产尚未被物化时触发 |
| `in_progress()` | 上一次运行正在进行时触发 |
| `cron(...)` | 按 cron 时间窗口触发 |

### 自定义与组合

通过 `&`（与）、`|`（或）、`~`（非）操作符组合多个 `AutomationCondition`，可表达复杂策略。例如：`~missing() & cron("0 9 * * MON")` 表示"周一上午 9 点运行，但仅在该资产尚未物化时"。

```python
@asset(automation_condition=eager())
def downstream_asset(): ...
```

### 与 Schedule/Sensor 的关系

Declarative Automation 并非取代，而是补充。当资产规则较为复杂或需要跨多个资产统一策略时，优先使用 `AutomationCondition`；而当需要跨外部系统（如 API 轮询、定时清理）触发时，仍推荐 Sensors/Schedules。

资料来源：[docs/docs/guides/automate/declarative-automation/customizing-automation-conditions.md:1-100]()

## 版本说明与相关修复

在最新发布版本（1.13.10 core / 0.29.10 libraries）中修复了一项关于 `DagsterInstance.get_latest_materialization_event` 与 `get_asset_records` 的 bug：当时序上 wipe 某资产后，新的 run 启动或 observation 上报时，可能错误地返回 wipe 之前的 stale materialization。该修复同时涉及 Dagster+ 中分区被擦除时分区 materialization 残留为最新值的同类问题。该修复对自动化层的影响在于：声明式自动化在判断 `missing()` 或 `eager()` 条件时，不再会误以为资产已存在历史物化，从而避免了误判触发。

## 选择建议

| 场景 | 推荐方式 |
| --- | --- |
| 固定时间窗口触发 | Schedule |
| 外部系统事件触发 | Sensor |
| 资产依赖驱动 | Declarative Automation |
| 跨系统复合编排 | Schedule + Sensor + AutomationCondition 组合 |

## See Also

- [Assets（资产）概览](https://docs.dagster.io/concepts/assets)
- [Jobs（作业）配置](https://docs.dagster.io/concepts/jobs)
- [DagsterInstance 状态管理](https://docs.dagster.io/concepts/instances)

---

<!-- evidence_pipeline_checked: true -->
<!-- evidence_injected: true -->

---

## Doramagic 踩坑日志

项目：dagster-io/dagster

摘要：发现 13 个潜在踩坑项，其中 1 个为 high/blocking；最高优先级：安装坑 - 来源证据：Customize Dagster UI logo and colors / whitelabeling。

## 1. 安装坑 · 来源证据：Customize Dagster UI logo and colors / whitelabeling

- 严重度：high
- 证据强度：source_linked
- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Customize Dagster UI logo and colors / whitelabeling
- 对用户的影响：可能增加新用户试用和生产接入成本。
- 证据：community_evidence:github | https://github.com/dagster-io/dagster/issues/24989 | 来源类型 github_issue 暴露的待验证使用条件。

## 2. 安装坑 · 来源证据：Sqlalchemy Errors in Dagster

- 严重度：medium
- 证据强度：source_linked
- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Sqlalchemy Errors in Dagster
- 对用户的影响：可能增加新用户试用和生产接入成本。
- 证据：community_evidence:github | https://github.com/dagster-io/dagster/issues/29674 | 来源类型 github_issue 暴露的待验证使用条件。

## 3. 配置坑 · 来源证据：A single un-deserializable bulk_actions row breaks the entire get_backfills read (Backfills page won't load)

- 严重度：medium
- 证据强度：source_linked
- 发现：GitHub 社区证据显示该项目存在一个配置相关的待验证问题：A single un-deserializable bulk_actions row breaks the entire get_backfills read (Backfills page won't load)
- 对用户的影响：可能增加新用户试用和生产接入成本。
- 证据：community_evidence:github | https://github.com/dagster-io/dagster/issues/33946 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

## 4. 配置坑 · 来源证据：[UI] Searching for "true" or "false" in Jobs and Schedules throws an error

- 严重度：medium
- 证据强度：source_linked
- 发现：GitHub 社区证据显示该项目存在一个配置相关的待验证问题：[UI] Searching for "true" or "false" in Jobs and Schedules throws an error
- 对用户的影响：可能增加新用户试用和生产接入成本。
- 证据：community_evidence:github | https://github.com/dagster-io/dagster/issues/33945 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

## 5. 能力坑 · 能力判断依赖假设

- 严重度：medium
- 证据强度：source_linked
- 发现：README/documentation is current enough for a first validation pass.
- 对用户的影响：假设不成立时，用户拿不到承诺的能力。
- 证据：capability.assumptions | https://github.com/dagster-io/dagster | README/documentation is current enough for a first validation pass.

## 6. 维护坑 · 来源证据：Add executor_def for AutomationConditionSensorDefinition

- 严重度：medium
- 证据强度：source_linked
- 发现：GitHub 社区证据显示该项目存在一个维护/版本相关的待验证问题：Add executor_def for AutomationConditionSensorDefinition
- 对用户的影响：可能影响升级、迁移或版本选择。
- 证据：community_evidence:github | https://github.com/dagster-io/dagster/issues/33944 | 来源类型 github_issue 暴露的待验证使用条件。

## 7. 维护坑 · 来源证据：Dynamic partition definitions leaking data across code locations

- 严重度：medium
- 证据强度：source_linked
- 发现：GitHub 社区证据显示该项目存在一个维护/版本相关的待验证问题：Dynamic partition definitions leaking data across code locations
- 对用户的影响：可能增加新用户试用和生产接入成本。
- 证据：community_evidence:github | https://github.com/dagster-io/dagster/issues/29693 | 来源类型 github_issue 暴露的待验证使用条件。

## 8. 维护坑 · 来源证据：Enhancement - Update to tomlkit 0.15.0, Remove dagster-dg-core pin "tomlkit<0.13.3"

- 严重度：medium
- 证据强度：source_linked
- 发现：GitHub 社区证据显示该项目存在一个维护/版本相关的待验证问题：Enhancement - Update to tomlkit 0.15.0, Remove dagster-dg-core pin "tomlkit<0.13.3"
- 对用户的影响：可能增加新用户试用和生产接入成本。
- 证据：community_evidence:github | https://github.com/dagster-io/dagster/issues/33943 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

## 9. 维护坑 · 维护活跃度未知

- 严重度：medium
- 证据强度：source_linked
- 发现：未记录 last_activity_observed。
- 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
- 证据：evidence.maintainer_signals | https://github.com/dagster-io/dagster | last_activity_observed missing

- 严重度：medium
- 证据强度：source_linked
- 发现：no_demo
- 证据：downstream_validation.risk_items | https://github.com/dagster-io/dagster | no_demo; severity=medium

## 11. 安全/权限坑 · 存在评分风险

- 严重度：medium
- 证据强度：source_linked
- 发现：no_demo
- 对用户的影响：风险会影响是否适合普通用户安装。
- 证据：risks.scoring_risks | https://github.com/dagster-io/dagster | no_demo; severity=medium

## 12. 维护坑 · issue/PR 响应质量未知

- 严重度：low
- 证据强度：source_linked
- 发现：issue_or_pr_quality=unknown。
- 对用户的影响：用户无法判断遇到问题后是否有人维护。
- 证据：evidence.maintainer_signals | https://github.com/dagster-io/dagster | issue_or_pr_quality=unknown

## 13. 维护坑 · 发布节奏不明确

- 严重度：low
- 证据强度：source_linked
- 发现：release_recency=unknown。
- 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。
- 证据：evidence.maintainer_signals | https://github.com/dagster-io/dagster | release_recency=unknown

<!-- canonical_name: dagster-io/dagster; human_manual_source: deepwiki_human_wiki -->