在 airflow 2 迁移中，已弃用的 `{{ prev_execution_date }}` 模板变量需通过 `taskinstance.previous_ti.execution_date` 或 `dagrun.get_previous_dagrun()` 获取前次执行时间，而非依赖过时的模板变量。
Airflow 2 对调度语义进行了重构，明确区分了 逻辑时间（logical date）、数据区间（data interval） 和 执行上下文时间（execution time）。因此，旧版模板变量如 prev_execution_date 已被移除——它曾模糊地表示“上一次任务实例的 execution_date”，但该值在 Airflow 2 的 DAG 运行模型中不再具备明确定义（尤其在回填、手动触发或非标准调度场景下易引发歧义）。
✅ 正确替代方式有两种，适用于不同场景：
AI 舌诊面诊问诊医疗系统 + 诊疗商城系统源码是一套结合 AI 辅助诊断与商品转化的健康类程序，基于浩创云、ThinkPHP（PHP）开发，支持微信服务号与 H5 端，适合做中医舌诊面诊问答、健康建议推送以及配套诊疗商品的运营。
-
获取前一个成功任务实例的执行时间（推荐用于任务级依赖判断）
使用 TaskInstance.previous_ti 属性（仅当存在且成功完成时可用）：def my_task(ti: TaskInstance, **kwargs): if ti.previous_ti and ti.previous_ti.state == "success": prev_exec_time = ti.previous_ti.execution_date print(f"Previous successful task ran at: {prev_exec_time}") else: print("No previous successful task instance found") -
获取前一个 DAG 运行的执行时间（适用于 DAG 级调度逻辑）
使用 DagRun.get_previous_dagrun() 方法（返回前一个 DagRun 对象，含 execution_date）：from airflow.models import DagRun def my_task(ti: TaskInstance, **kwargs): prev_dag_run = DagRun.get_previous_dagrun(dag_run=ti.dag_run) if prev_dag_run: print(f"Previous DAG run started at: {prev_dag_run.execution_date}") else: print("No previous DAG run exists")
⚠️ 注意事项：
- prev_data_interval_start_success 和 prev_data_interval_end_success 并非 prev_execution_date 的直接替代项——它们对应的是前一个成功运行所覆盖的数据区间端点（即 data interval），而 execution_date 在 Airflow 2 中已统一映射为 logical_date（即数据区间的起始时间）。二者语义不同，不可混用。
- ti.previous_ti 仅在当前任务有前置同名任务实例且其状态为 success 时才有效；若需容错（如跳过失败），应结合 state 判断。
- DagRun.get_previous_dagrun() 不校验状态，仅按 execution_date 降序查找最近的 DagRun，适合做调度链路判断，但不保证成功。
? 总结：
放弃模板变量思维，转向面向对象的上下文访问是 Airflow 2 的最佳实践。优先使用 ti.previous_ti.execution_date（任务粒度）或 DagRun.get_previous_dagrun().execution_date（DAG 粒度），并始终添加空值与状态校验，确保逻辑健壮性。
