在容器化任务调度场景中，Airflow 与 Kubernetes 的集成方式有哪些？请说明其工作原理和适用场景。

回答思路

1. 【回答框架 1】Airflow 与 Kubernetes 的集成主要通过官方提供的 KubernetesExecutor 和 KubernetesPodOperator 实现。KubernetesExecutor 允许每个任务实例动态创建独立的 Pod 来运行，而 KubernetesPodOperator 则允许在传统执行器（如 CeleryExecutor）中启动 Kubernetes Pod 执行特定任务。
2. 【回答框架 2】KubernetesExecutor 的核心机制是：调度器为每个任务实例生成一个 Pod，Pod 中运行 worker 并执行任务。这种模式天然支持动态资源分配、隔离性和弹性伸缩，适合任务数量波动大或需要资源限制的场景。
3. 【回答框架 3】KubernetesPodOperator 则是在任务定义中指定容器镜像、资源请求、环境变量等，由 Airflow 向 Kubernetes API 提交 Pod。它适用于需要自定义运行环境或与 Kubernetes 生态紧密集成的任务。
4. 【回答框架 4】部署层面，Airflow 本身可以部署在 Kubernetes 上（如使用 Helm Chart），实现高可用和弹性伸缩。集成时需配置 Kubernetes 集群的连接信息（如 kube_config 或 in_cluster），并确保 Airflow 有权限创建和管理 Pod。
5. 【回答框架 5】最佳实践包括：为不同任务配置独立的资源配额和优先级；使用 PersistentVolume 共享 DAG 和日志；监控 Pod 状态和资源利用率，避免资源争抢导致任务失败。
6. 【关键点 1】KubernetesExecutor 为每个任务创建独立 Pod，实现动态资源分配和隔离。
7. 【关键点 2】KubernetesPodOperator 允许在传统执行器中运行 Kubernetes Pod，灵活控制容器环境。
8. 【关键点 3】Airflow 可部署在 Kubernetes 上，通过 Helm Chart 等实现高可用和弹性伸缩。
9. 【关键点 4】集成需配置 Kubernetes 连接并正确管理权限和资源。
10. 【关键点 5】适用场景：任务量波动大、需要资源隔离、或需与 Kubernetes 生态结合。
11. 【易错点 1】不要忽视 Kubernetes 集群的资源配额和节点数限制，否则会导致 Pod 创建失败或排队超时。
12. 【易错点 2】避免将 KubernetesExecutor 视为所有场景的银弹，对于短小频繁的任务，创建 Pod 的额外开销可能降低效率。
13. 【易错点 3】注意网络和存储配置，确保 Airflow 与 Kubernetes API Server 通信稳定，同时合理挂载共享存储以避免日志和 DAG 不一致。