dagster README

The project's README from github.com/dagster-io/dagster. As one markdown file: README.md.

dagster logo

Dagster is a cloud-native data pipeline orchestrator for the whole development lifecycle, with integrated lineage and observability, a declarative programming model, and best-in-class testability.

It is designed for developing and maintaining data assets, such as tables, data sets, machine learning models, and reports.

With Dagster, you declare—as Python functions—the data assets that you want to build. Dagster then helps you run your functions at the right time and keep your assets up-to-date.

Here is an example of a graph of three assets defined in 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]
    df.columns = ["country", "pop2022", "pop2023", "change", "continent", "region"]
    df["change"] = df["change"].str.rstrip("%").astype("float")
    return df


@dg.asset
def continent_change_model(country_populations: pd.DataFrame) -> LinearRegression:
    data = country_populations.dropna(subset=["change"])
    return LinearRegression().fit(pd.get_dummies(data[["continent"]]), data["change"])


@dg.asset
def continent_stats(
    country_populations: pd.DataFrame, continent_change_model: LinearRegression
) -> pd.DataFrame:
    result = country_populations.groupby("continent").sum()
    result["pop_change_factor"] = continent_change_model.coef_
    return result

The graph loaded into Dagster's web UI:

An example asset graph as rendered in the Dagster UI

Dagster is built to be used at every stage of the data development lifecycle - local development, unit tests, integration tests, staging environments, all the way up to production.

Quick Start:

If you're new to Dagster, we recommend checking out the docs or following the hands-on tutorial.

Dagster is available on PyPI and officially supports Python 3.9 through Python 3.14.

uv add dagster dagster-webserver dagster-dg-cli

Documentation

You can find the full Dagster documentation here, including the Quickstart guide.

Key Features:

image

Dagster as a productivity platform

Identify the key assets you need to create using a declarative approach, or you can focus on running basic tasks. Embrace CI/CD best practices from the get-go: build reusable components, spot data quality issues, and flag bugs early.

Dagster as a robust orchestration engine

Put your pipelines into production with a robust multi-tenant, multi-tool engine that scales technically and organizationally.

Dagster as a unified control plane

Maintain control over your data as the complexity scales. Centralize your metadata in one tool with built-in observability, diagnostics, cataloging, and lineage. Spot any issues and identify performance improvement opportunities.

Master the Modern Data Stack with integrations

Dagster provides a growing library of integrations for today’s most popular data tools. Integrate with the tools you already use, and deploy to your infrastructure.


image

Community

Connect with thousands of other data practitioners building with Dagster. Share knowledge, get help, and contribute to the open-source project. To see featured material and upcoming events, check out our Dagster Community page.

Join our community here:

Contributing

For details on contributing or running the project for development, check out our contributing guide.

License

Dagster is Apache 2.0 licensed.

dagster (dagster-io/dagster)

Searching Database…

16.3K ·GitHub
Dagster
Что это такое?Dagster — это cloud-native оркестратор дата-пайплайнов, который охватывает весь цикл разработки: он собирает, запускает и наблюдает за данными-ассетами вроде таблиц, датасетов, ML-моделей и отчётов, со встроенными lineage и observability.
Это код-фреймворк или сервис, который я запускаю?И то и другое: вы объявляете данные-ассеты как обычные Python-функции, Dagster запускает их в нужный момент, поддерживает в актуальном состоянии и показывает граф ассетов в веб-интерфейсе.
Как его запустить?Установите его с PyPI командой pip install dagster; официально поддерживаются Python 3.9–3.14, а в документации есть быстрый старт (quickstart) и практический туториал.
Он подойдёт к дата-инструментам, которыми я уже пользуюсь?Да — Dagster поставляется с растущей библиотекой интеграций для популярных дата-инструментов, а разворачивать его можно на собственной инфраструктуре.
Он готов для продакшена или больше для локальных экспериментов?Он создан для всего жизненного цикла — локальная разработка, юнит-тесты, интеграционные тесты, стейджинг-окружения и вплоть до продакшена.
Для какой работы с данными он предназначен?Для разработки и поддержки данных-ассетов — таблиц, датасетов, моделей машинного обучения и отчётов, то есть для дата-инжиниринга, аналитики и MLOps.
За него нужно платить?Нет — Dagster — проект с открытым исходным кодом под лицензией Apache 2.0.
Как выглядит код?Вы описываете данные-ассеты как обычные Python-функции; в README показан граф из трёх ассетов, определённых на Python, и этот же граф загружается прямо в веб-интерфейс Dagster для визуализации.
Как следить за состоянием пайплайнов?Dagster работает как единый control plane: метаданные собраны в одном инструменте со встроенными observability, диагностикой, каталогизацией и lineage, так что по мере роста сложности вы можете находить проблемы и возможности для оптимизации производительности.
Он масштабируется дальше личных скриптов одного человека?Да — движок оркестрации мультиарендный и работает с разными инструментами, он рассчитан на рост как технический, так и организационный, с переиспользуемыми компонентами и практиками CI/CD, которые поощряются с самого начала.
С чего начать новичку?В README указаны документация и практический туториал; гайд по быстрому старту (quickstart) — самый быстрый путь к первому запущенному пайплайну.
What are similar projects?airflow, kestra, taipy, prefect, dolphinscheduler, full-stack-data-engineering, kedro, OpenMetadata
Which topics is it in?data-integration, data-pipelines, etl, metadata, mlops, scheduler, data-engineering, cloud-native, analytics, workflow, workflow-automation, orchestration
Creator
dagster-io
Size
1.4 GB
Stars
16.3K
Updated
CommitOct 16Release1.13.26Oct 09
Age
8y
Commits · 90 Days