fix(dags): сделать учебные сценарии воспроизводимыми

Управляемые ветки и ошибки, зависимости общих обработчиков, сохранение SQL-результата и фактическое чтение результатов Extract. Добавлен пример пулов и XCom; DQ-сводка сохраняет отказ при all_done.

Проверено на Airflow 2.9.2: импорт и запуск девяти исходных DAG, выбор веток, повтор и окончательные отказы обеих рабочих задач, отрицательный DQ-сценарий и восстановление, фильтрация Extract и ожидание слотов.

airflow-docker/dags/resource_management_dag.py

@@ -0,0 +1,61 @@
+"""Пулы и XCom на двух задачах с наблюдаемой длительностью.
+
+До запуска создайте пул training_pool с двумя слотами.
+Чтение источников имитируется; подключений и входных файлов не требуется.
+"""
+import logging
+import time
+from datetime import datetime
+
+from airflow import DAG
+from airflow.operators.python import PythonOperator
+
+
+def read_source(source, rows):
+    """Имитирует чтение источника в течение 20 секунд."""
+    logging.info("Начало чтения %s", source)
+    time.sleep(20)
+    logging.info("Чтение %s завершено: %s строк (имитация)", source, rows)
+    return rows
+
+
+def calculate_metrics(ti):
+    """Получает небольшие результаты двух задач через XCom."""
+    customers = ti.xcom_pull(task_ids="read_customers")
+    orders = ti.xcom_pull(task_ids="read_orders")
+    return {"customers": customers, "orders": orders}
+
+
+def log_metrics(ti):
+    """Печатает словарь, возвращенный предыдущей задачей."""
+    logging.info("Метрики: %s", ti.xcom_pull(task_ids="calculate_metrics"))
+
+
+with DAG(
+    "resource_management_dag",
+    start_date=datetime(2023, 1, 1),
+    schedule=None,
+    catchup=False,
+    default_args={"owner": "student", "retries": 0},
+    tags=["educational", "pools", "xcom"],
+) as dag:
+    customers_task = PythonOperator(
+        task_id="read_customers",
+        python_callable=read_source,
+        op_kwargs={"source": "customers", "rows": 20},
+        pool="training_pool",
+        pool_slots=2,
+    )
+    orders_task = PythonOperator(
+        task_id="read_orders",
+        python_callable=read_source,
+        op_kwargs={"source": "orders", "rows": 30},
+        pool="training_pool",
+        pool_slots=1,
+    )
+    metrics_task = PythonOperator(
+        task_id="calculate_metrics", python_callable=calculate_metrics,
+    )
+    log_task = PythonOperator(task_id="log_metrics", python_callable=log_metrics)
+
+    [customers_task, orders_task] >> metrics_task >> log_task