dagucloud/dagu
运维与部署面向运维和内部自动化的自托管 YAML 工作流引擎,可调度脚本、容器和 SSH 任务,无需外部数据库。
项目介绍
Dagu 是一个本地优先的工作流引擎,面向运维和内部自动化场景。它不要求把业务逻辑改写成框架代码,而是在现有脚本旁边用声明式 YAML 描述 DAG,由 Dagu 负责执行顺序、依赖关系、定时调度、重试、日志和运行历史。步骤可以是本地 shell 命令、Docker 容器、Kubernetes Job、SSH 远程命令、HTTP 请求或可复用的 Action。
目标用户是那些主要工作并非编排的团队,例如系统管理员、数据工程师和小型基础设施团队:他们已经有能跑的脚本,只想要调度和可见性。项目把自己定位为 cron(缺少依赖、重试和历史)以及 Airflow、Temporal 等重量级平台(需要把逻辑迁入其编程模型)的替代方案。单个 Go 二进制包含服务端、调度器和执行器,不依赖外部数据库或消息队列,支持 Linux、macOS 和 Windows。
快速使用
用支持的方式安装,例如 Homebrew:
brew install dagu
其他方式包括 shell 安装脚本、npm、Scoop、Docker、Helm 和 Windows 安装包,详见安装文档。
在空目录中创建 hello.yaml:
steps:
- id: hello
run: echo "hello from Dagu"
先单次运行,再从同一目录启动 Web UI:
dagu start hello.yaml
dagu start-all --dags .
打开 http://localhost:8080,首次启动时创建管理员账号。如果安装器已把 Dagu 注册为后台服务,它可能已在 8080 端口运行,此时通过 UI 添加工作流,或把 YAML 放进安装器提示的 DAGs 目录。也可以先试在线演示。
工作流能力
除了按顺序执行命令,Dagu 还支持在 Web UI 中渲染的参数表单、带 max_concurrent 并发的子 DAG、带重叠策略(skip、all、latest)和补跑窗口的 cron 调度、按步骤配置的重试策略和 continue_on 失败处理、生命周期钩子,以及暂停运行等待操作员输入的人工任务。Build 工作流可以在命令和输入文件未变化时复用步骤结果(增量工作流)。外部 CLI 可以通过 tools: 固定版本并缓存,默认使用 aqua 作为提供方。
运行过程会把日志、状态和产物写入本地文件;Prometheus 指标、结构化 JSON 日志、邮件和 webhook 通知以及产物浏览器用于日常运维。
运行方式
所有部署方式都是自托管,运行同一份 YAML。dagu start-all 把 HTTP 服务、调度器和协调器放在一个进程里;设置 DAGU_HEADLESS=true 可以去掉 Web UI,适合 CI 或纯命令行环境。需要横向扩展时,分别运行 dagu coordinator 和 dagu worker,worker 主动向协调器轮询,并可按标签路由。Dagu 还提供实验性的 Go 嵌入 API,可以在宿主应用中启动运行。
使用约束
- 核心采用 GPL-3.0 许可证;嵌入 API 和商业嵌入条款另有
LICENSING.md说明。 - SSO、RBAC、审计日志、事件集成和多服务器监控属于自托管商业许可功能;社区版自托管不需要许可证密钥,但存储、升级、网络和 worker 需要自行运维(价格说明)。
- 默认绑定
127.0.0.1。对于共享或对外暴露的实例,文档建议使用builtin认证、保持指标端点私有,并在分布式部署中启用 peer TLS。挂载 Docker socket 或使用宿主机执行器等于授予对宿主机的特权访问。 - Dagu 自身运行在 Docker 中时,容器步骤需要额外配置 Docker daemon 访问。
- 带结果复用的 Build 工作流目前只在本地运行。
- 按范围路由的通知在 v2.11.0–v2.11.2 中存在缺陷,需要使用 v2.11.3 或更高版本。
HotRepo 点评
Dagu 目前有 4,617 个 Star 和 403 个 Fork,已经进入 cron 替代方案和轻量编排工具的讨论范围。2026-11-16 的 Go 语言日榜快照记录了第 14 名,当日新增 8 个 Star。它最突出的设计是把工作流结构当作配置而不是框架代码:一个二进制、基于文件的状态、无需运维数据库。这让试用成本很低,但也意味着除非增加 worker 和共享卷,可靠性和可观测性都与本地文件系统绑定。自托管付费功能说明项目正在围绕开源核心构建商业层。
本文由 AI 根据项目 README 生成,更新于 ,以项目官方文档为准。
相关推荐
- windmill-labs/windmill可自托管的代码优先平台,将 20 多种语言的脚本转换为工作流、界面、API 和 AI 辅助的内部应用。
- argoproj/argo-workflows在 Kubernetes 里把批处理、ML 和 CI 作业编排成容器 DAG,适合已经有集群的团队。
- apache/airflow用 Python 代码定义 DAG 工作流,并按依赖调度、监控和回填任务的数据编排平台。
- conductor-oss/conductor自托管的持久化工作流引擎,让微服务与 AI Agent 的每一步执行在崩溃后仍可恢复。
- apache/dolphinscheduler低代码调度与编排跨团队、跨云的有依赖数据管道任务。