這系列的文章源自我 2023/9/16-2023/10/15  參加的 iT 鐵人賽：
2023 鐵人賽系列文章：Airflow 是什麼? 能吃嗎 ? 數據水管工的超級蘑菇

前言

如果有完成 四、30秒實作第一個 Airflow DAG 應該都有看到自己的 DAG 吧，沒有的話，可以在 search_tag 的框框搜尋一下，再把開關打開，就能在active 的頁面看到了。

DAGs

就是上面截圖的頁面，也是首頁，會顯示所有 DAG 清單、DAG 運行狀態、下次和上次運行的時間，可以打開右上角的 Auto-refresh，運行時就會即時更新。

• 在這個頁面可以很方便的執行 / 暫停 / 刪除 DAGs
• 右邊的 Links 會連接到裡面更多功能 :
• Grid view: 網格執行狀態
• Graph: 圖形呈現
• Gantt: 甘特圖顯示每個任務運行順序和持續時間
• Code: 顯示 DAG 代碼。
• Details: 顯示 DAG 詳細資訊，歷史運行總量、運行資料間隔、暫時儲存的值，和 Metadata~

Cluster activity: 集群活動

這裡會有所有 DAGs 運行的總指標，包含目前哪些 DAGs 開啟或暫停，還有過去的運行歷史狀況。

Datasets: 資料集

資料集是很新的頁面，Airflow 2.4版本之後才出現，其中可以設定資料集之間的相關性，而且好像有資料感知(data-aware)的功能，我也還沒用過，如果後續有用到再來更新。

Security: 安全

Security 頁面通常就是設定各個使用者的權限。

Browse: 瀏覽

Browse 的頁面最常用到的就是 DAG Runs，會打開查看過去執行的狀態，清除或是刪除，然後接著重新執行。

Admin: 管理

Admin 的管理頁面也很常使用，會來確認 XComs 目前傳遞的資料，或是看 Variables 或 Configurations 有哪些可以調整或使用的，這部分之後應該都會各花一天示範和說明。

Connections 的部分也常常用來設定和資料庫的連接

Docs: 官方文件

老實說，Airflow 的文件真的算還蠻不錯的，而且官方論壇也有在回答問題，大家學習過程中不妨多看看文件，或是到 Astronomer learn 的學習頁面，都有很多乾貨可以看。

跑跑跑～向前跑～

一下子又講很多廢話，到底要不要 run 啦～

執行完了，先看到主頁的 Runs 區塊多了一個綠色圈的1 ，Recent Tasks 區塊多了一個綠色圈的2，代表我們執行了 1 個 DAG 和 2 個 tasks，綠色代表都是執行成功。

接下來點擊 DAG

可以看到多了很多內容，左邊的 Grid view: 網格執行狀態，上方長條形綠色的是 DAG 執行時間，下方兩個點是 tasks 執行狀態，綠色是成功，那其他勒？可以看到中間不同顏色的框，裡面都有寫執行的狀態，也不用特別記，點進來就可以看，相信紅色的 fail 之後是一定會記得的

點擊Grid view 當中的 task1

可以看到會多出一個 logs 的頁面，我們就是要進入去看我們執行的程式有沒有順利顯示。

• 看到有印出 start!! 代表我們的 BashOperator 有認真工作，完成任務啦～
• 接下來就再以此類推檢查 task2

點擊 Graph

就可以看到我們設定的任務關係了

task1 >> task2

Q: 不知道大家有沒有發現時間怪怪的，目前是台灣晚上11點多，怎麼上面執行時間是下午 3 點多呢？
A: 因為目前是使用 UTC 時區在執行，而台灣是 +8 時區，自然會差 8 小時囉～
可以自己調整，但時區也是一個重要的問題，之後會花一篇文章說明

這系列的文章源自我 2023/9/16-2023/10/15  參加的 iT 鐵人賽：
2023 鐵人賽系列文章：Airflow 是什麼? 能吃嗎 ? 數據水管工的超級蘑菇

Before 實作

step1: 開啟專案資料夾 airflow-local

• 可以用 vscode 或是直接開 terminal/命令提示字元 cd 進入也可以。

step2: 進入虛擬環境

source airflow-env/bin/activate

• 看到 terminal 前面有 (airflow-env) 代表進入虛擬環境了。

step3: 開啟 Webserver

airflow webserver -p 8080

• 打開 http://localhost:8080/ 就可以看到這個畫面了
  

• 看到上面有三行通知：
  1.The scheduler does not appear to be running：提醒你還沒開啟 Scheduler
  2.Do not use SQLite as metadata DB in production：在正式開發不要用 SQLite
  3.Do not use the SequentialExecutor in production：在正式開發不要用 SequentialExecutor

SequentialExecutor 是第一次安裝 Airflow 時的預設執行器，也是唯一一個可以和 sqlite 協作的執行器，但缺點就是一次只能執行一項任務，所以執行效率很差，但目前測試也沒關係。
Ref: 官方說明

step4: 開啟 Scheduler

開啟一個新的 terminal，運行 airflow scheduler ，接著打開 http://localhost:8080/ 按 F5 刷新頁面，第一行通知就會消失了。

開始實作

1. 創建 dags 資料夾和 Python 檔案

首先我們要創建一個 dags/ 資料夾在 ~/airflow/ 專案當中，並在裡面建立一個 python 檔案，dags/first_dag.py

• 目前整個資料夾結構如下：

--- dags/
    --- first_dag.py
--- logs/
--- airflow.cfg
--- airflow.db
--- webserver_config.py

2. 在 first_dag.py 中匯入套件

from datetime import datetime
from airflow import DAG
from airflow.operators.bash import BashOperator

• datetime 模組是用來設定開始時間、間隔時間和時區。
• airflow 的 DAG 就是我們要創建的模組
• BashOperator 是我們等等要使用的 Operator，是最基礎的，就像是執行 terminal 指令一樣。

3. Create 一個 DAG 物件

with DAG(
    dag_id = 'first_dag',
    start_date = datetime(2023, 9, 22),
    schedule_interval='@daily'
) as dag:

• 在這裡我們會幫 DAG 做基礎的設定，dag_id 就是在 dag 的唯一識別名稱

！強烈建議！要和 python 檔案用相同名稱，不然之後 DAG 一多就會很混亂

• start_date 就是 DAG 要開始執行的日期
• schedule_interval 是時間間隔，'@daily' 代表以天為單位

4. Create 任務們

在 ) as dag:下方我們就可以直接來寫任務了

...
) as dag:
    task1 = BashOperator(
        task_id='task1',
        bash_command="echo start!!"
    )

    task2 = BashOperator(
        task_id='task2',
        bash_command="echo finish!!"
    )

• task_id: task 的名稱
• bash_command:我們要執行的 bash 指令
• echo start!!:echo 就是 Python 當中的 print 意思，印出 start!!
• task2 以此類推

5. 設定任務之間的關係 / 相依性 (Dependecies)

task1 >> task2

• 先執行 task1 再執行 task2

6. 重新運行 webserver

airflow webserver -p 8080

airflow scheduler

• 開啟 http://localhost:8080/ ，就可以看到我們的 DAG 了

完整的程式碼

• path: /Users/{user_name}/airflow-local/dags/first_dag.py
• virtual-env: airflow-env

from datetime import datetime
from airflow import DAG
from airflow.operators.bash import BashOperator

with DAG(
    dag_id = 'first_dag',
    start_date = datetime(2023, 9, 22),
    schedule_interval=None
) as dag:
    task1 = BashOperator(
        task_id='task1',
        bash_command="echo start!!"
    )

    task2 = BashOperator(
        task_id='task2',
        bash_command="echo finish!!"
    )

    task1 >> task2

Mac 安裝 step by step

Before 安裝

! 記得要先有 Python

• 確認一下 python

python3 --version

1.安裝虛擬環境

pip3 install virtualenv 

2.專案資料夾

• ~/airflow 是預設專案資料夾

盡量不要修改路徑，可能會裝失敗

1. 創建專案資料夾

mkdir ~/airflow

1. 進入專案資料夾

cd ~/airflow

3.創建虛擬環境

• airflow-env 是虛擬環境名稱，可以自己設定

python3 -m venv airflow-env

4.進入虛擬環境

source airflow-env/bin/activate

5.安裝 Apache Airflow

pip3 install apache-airflow

• 如果安裝遇到問題，可以更新 pip

6.設定 Airflow 的訪問目錄

export AIRFLOW_HOME=~/airflow

7.初始化 airflow db

airflow db init

• 執行完打 ls 會出現airflow-env(我們剛剛裝的虛擬環境)、logs/資料夾、設定檔 airflow.cfg 以及 SQLite 的資料庫 airflow.db
• 目前資料夾結構如下：

~/airflow
--airflow-env/
--logs/
--airflow.cfg 
--airflow.db  

8.設定使用者

airflow users create --username admin --firstname FIRST_NAME --lastname LAST_NAME --role Admin --email admin@example.org

• 密碼設定 0000，記得要打兩次
• 上面的 admin、FIRST_NAME、LAST_NAME、admin@example.org 都可以自己修改
• 建議不修改，不然等等忘記帳密

9.將 webserver 開起來

airflow webserver -p 8080

• webserver 執行過第一遍之後，專案裡面會默默新增兩個檔案，airflow-webserver.pid 和 webserver_config.py ，用於記錄連線的基本訊息。

10.開啟 Localhost

網址：http://localhost:8080

登入畫面(帳號：admin 密碼：0000)

Airflow Web UI畫面

成功開啟這個頁面，代表安裝成功了。

如果安裝遇到問題，在指令前面加上sudo，有機會就解決了喔～

Windows 安裝 step by step

Step1: 安裝Ubuntu環境

• 如果透過 VirtualBox VM 就會一點都不快樂了

，所以只要安裝 Ubuntu 的終端機(terminal)

1. 打開設定 > 應用程式與功能

• 點開右上角的程式和功能

2. 程式和功能 > 開啟或關閉 Windows 功能

• 開啟 windows 子系統 linux 版
  

3. 開啟命令提示字元(cmd)

• 記得要用系統管理員開啟
  

• 輸入 wsl --install
  

4. 搜尋並開啟 Ubuntu

• 設定帳號和密碼

Step2: 在 Ubuntu Terminal 執行和 Mac 相同的安裝

• 安裝虛擬環境：pip3 install virtualenv
• 創建專案資料夾：mkdir /c/Users/{YourUsername}/airflow
• 進入專案資料夾：cd /c/Users/{YourUsername}/airflow
• 設定虛擬環境名稱：python3 -m venv airflow-env
• 進入虛擬環境：source airflow-env/bin/activate
• 修改設定：開啟vim ~/.bashrc，加入這行AIRFLOW_HOME=/c/Users/{YourUsername}/airflow，貼上之後，按 esc，打 :wq 離開 vim。
• 回到資料夾：cd /c/Users/{YourUsername}/airflow
• 安裝 Airflow：pip3 install apache-airflow
• 安裝 Airflow 的 DB：airflow db init
• 設定 Airflow 使用者：airflow users create --username admin –password admin –firstname admin –lastname admin –role Admin –email youremail@email.com

一樣密碼打 0000，才不會忘記

• 開啟 server：airflow webserver –port 8080
• 開啟 Web UI： http://localhost:8080

Debug FAQ

8080 不能連線

• 如果你發現 8080 port 一直開不起來，有可能是正在跑其他服務，該怎麼辦？

1. 查看目前正在執行什麼服務

lsof -n -i4TCP:8080

ouput 可能會像這樣：

COMMAND   PID  USER   FD   TYPE     DEVICE SIZE/OFF NODE NAME
Python  11218  xxx    xx    xx      xx  xxx xxxxxxx xxxx xxxx

• 這時候就知道在跑 python 的其他服務，PID 是 11218

2. 殺掉 PID 吧~

kill 11218

• 如果還殺不掉就加上 -9 魔法就行了 kill -9 11218

3. 還是不行怎麼辦，打不過就加入8081

• 把 airflow.cfg 打開，把 8080 改成 8081，執行 airflow webserver -p 8081，workaround 最讚了～

結語

之後會介紹 Docker 和如何用 Docker-Compose 安裝環境，還是逃不掉完整的環境安裝的，畢竟之後 deploy 在雲上還是用 docker 會比較好。

Airflow 的基礎名詞

DAG：有向無環圖

全名是 Directed Acyclic Graph，中文翻作有向無環圖，白話文就是有方向(Directed)不會有循環(Acyclic)的圖，簡稱為 DAG，就像上方的圖一樣，用途是決定每個任務節點之間的順序和關係，並設計工作流程如何運作。

DAG 每次執行都會實例化(Instantiate)出一個 DAG run，其中包含 DAG 的基礎設定，例如遇到錯誤要重試幾次，每次間距要多久等等

Tasks：工作任務

每個 DAG 裡面都有無數個 Tasks(工作任務)，每個任務可以想成是完成一件事，就像是上面圖的當中的run_this_first、branching的節點，對應到 Python 的程式就是一個個的 Function。

Operators：操作員 / 操作符

在 airflow 當中，Operators 又是更小的單位，一個 Tasks 當中可能有多個 Operators，Operators 通常會負責很特定的任務，所有的 Operators 都是繼承 BashOperator 所設計出來的類別，舉例一些特定的工作就很好理解了：

• BashOperator: 執行 bash 指令
• PythonOperator：呼叫 Python 的函數
• EmailOperator：傳送 Email 的通知
• MySqlOperator：操作與連接 MySQL
• BigQueryOperator：執行 BigQuery 的 SQL 指令

通常 Operator 可以分成三種主要類型：

1. 運行直到滿足特定條件
2. 使用不同軟體或系統的功能
3. 傳遞資料

Hooks：鉤子/ 接口

Hooks 可以和第三方系統互動，第三方系統是什麼？就是非官方和運營方開發的系統，例如我們要把 Airflow 和 MySQL 溝通，就必須要用到 Hooks 幫助我們傳遞資料進到 Airflow，最後出去也需要 Hooks 才能送出。

和平常我們常常聽到的 webhook 不太一樣， webhook 比較像監聽的機制，如果ｘｘ事情發生記得通知我，像是「按讚、訂閱、開啟小鈴鐺」的小鈴鐺，就是youtuber發片的時候可以收到通知，如果對於 webhook 還是有點模糊，推薦看這篇文章 卡米狗：認識 Webhook 。

Relationship：節點關係

在任務之間，我們可以定義前後順序和相互關係，甚至將多個任務包再一起成為 task_group，定義上有多種不同方式，像這樣：

task1 >> task2 >> task3

task3(task2(task1))

task1.set_downstream(task2)
task3.set_upstream(task2)

• 這三種都是代表先做 task1，接著 task2，再來 task3

task_group 會像這樣

[task1 ,task2] >> task3

• 代表要先做完 task1、task2，接著才會做 task3
• 而且 task1、task2 的執行是同時發生的
• task_group 當中也可能會有更複雜有順序相依性的行為

Airflow 的四大組成元件(components)

Webserver：網頁伺服器 / 使用者介面

Airflow 的使用者介面，就是我們前幾天安裝完開啟的網頁 (http://localhost:8080) ，可以在上面讀取各項紀錄檔。

Scheduler：排程調度器

監控所有 DAGs 和相關的任務，調度目前該哪一個 task 執行，接下來又換哪一個。

Executor：執行器

專注在執行任務，有多種不同類型，例如：LocalExecutor、CeleryExecutor 和 KubernetsExecutor。

之後有機會再詳細介紹，這部分我也只熟悉 Local 和 Celery。

Metadata database：描述檔資料庫

Metadata before Metadata database

我們先來認識 metadata，這個詞也會常常看到，通常翻作「詮釋資料」或「後設資料」，意思就是「描述xx資料」的「資料」，好繞口，就像是一本書的序，就是描述文字的文字，這樣有類比到嗎(臨時想的XD)，反正通常網頁的 header 裡面有 meta tag，就是描述網頁的 summary，專門給搜尋引擎(google)看的，這樣就可以加快搜尋引擎認識你的網站，所以你看到各種 dataset (資料集)，常常會看到 metadata，就是在介紹這個資料集的資料。

所以這裡的 Metadata database 是什麼，就是當你在運行 Airflow 時，Airflow 當中的預設值，和你接下來的所有行為都會被記錄在個資料庫，所以他並不是你實際在處理的資料庫，而是紀錄你是如何處理資料的資料庫，哈哈，也是好繞口，在這裡會儲存所有元件的互動方式和目前的狀態，每次開始運行 Airflow，也是從這邊讀取過去的運行資料出去。

其他類似 Airflow 的工具

• Spotify 的 Luigi(路易吉):這個名字很適合水管工誒，1.68k stars / 4k commits
  https://github.com/spotify/luigi
• LinkedIn 的 Azkaban(阿茲卡班): 4.3k stars / 3k commits
  https://github.com/azkaban/azkaban
• Netflix 的 Conductor: 10.7k stars / 3k commits
  https://github.com/Netflix/conductor
• Apache也有另外兩個工具能做到類似的工作流，Apache Beam、Apache Oozie

從前從前

2015 年，Airbnb 發展迅速，數據量大幅提升，每天必須管理數個資料流來完成自動化，數據管控遇到困難，當時身為 Airbnb 的資料工程師 Maxime Beauchemin 開發出了 Airflow。

修但幾勒～遇到困難還能先開發出一個產品！通常卡住在台灣只有 workaround 和 stackoverflow 吧～果然大神思考就是不一樣

2016 年 4 月 Airflow 專案加入(捐給)官方 Apache 基金會(Apache Software Foundation，ASF)，進入 Apache 孵化器(Apache Incubator)，2019 年成為頂級專案(Top-Level Project，TLP)從 Apache 孵化器光榮畢業，從此 Airflow 就改名為 Apache Airflow，截至 2023 年 9 月，共有 21.4k commits 和 31.7k stars。

• Apache Airflow 專案連結：https://github.com/apache/airflow

為什麼 Airbnb 自己工程師開發的產品 Airflow 不自己維護要給 Apache，這樣不是很浪費嗎，通常是因為這不是他們主要謀生的商業模式，把他捐出來變成開源，反而對這項專案更好，Airbnb 可能沒有成本去長期維護。
Ref: Airflow 維護者 TP 訪談 Podcast

目前 Airflow 主要維護的公司就是 Astronomer，因為 Airflow 是開源的所以也沒辦法從中獲利，Astronomer 的方式就是能讓大家更簡單的使用 Airflow，我們如果要自己架設環境，可能要開一個雲端的虛擬機 (Virtual Machine)，在 Google 的 GCP上可能就是 Compute Engine，Amazon 的 AWS 上可能就是 EC2，但 Astronomer 就讓你在他們平台就能一鍵架設，後續維護和開發都能在他們平台操作。

最近發現 Amazon 也有推出 MWAA (Managed Workflows for Apache Airflow)，能讓 Airflow 架設和維護更簡單

Airflow 是 ___ 的工具

• Apache Airflow is a tool for data orchestration.

在查資訊的時候常常會有這個字，Data Orchestration，代表資料協作、資料編排，也可以說 Airflow 是資料協調管理工具，但聽完應該還是很模糊吧，我覺得上面 Podcast 提到的樂團指揮或是餐廳主廚的舉例就好懂很多。

• 樂團主要工作是演奏音樂，誒～那指揮在幹嘛？指揮並沒有直接在演奏，而是在確保節奏拍子，協調樂隊多個聲部，那可以沒有指揮嗎？這就要看規模了，如果人數很少，大家也都很有默契，基本上可以，但人一多起來就麻煩了，就需要把協作、編排、協調管理的工作另外教給專業的人。
• 餐廳主廚也是相似，小間的可能只有三個廚師，人人都要煮，大間的就會分配，主廚最重要的是讓所有訂單都順利出單，而不是每一道菜都本人親手去煮，所以分配資源、協調管理才是主廚真正的工作。
• 資料也一樣，如果整間公司目前只有一兩個資料源，排程也只有一兩個，其實真的不需要 Airflow，殺雞焉用牛刀，但是當資料來源和排程複雜程度上升之後，會指揮的主廚 Airflow 就要出馬了，開始負責 Data Orchestration 資料流的各項協調管理，編排出最穩定的出餐順序，或是確保多個聲部順利加入演奏，這樣後續的客人(老闆、PM)和聽眾(DS資料科學家、DA資料分析師)才會滿意，或是甲方爸爸才會買單。

Workflow before Airflow

討論 Airflow 前，先問問大家有聽過 Workflow 嗎？可以翻作工作流，在資料領域，也可以稱作 Dataflow (資料流)，通常就是一連串的 Data Engineering (資料工程)的行為相互連接。

什麼？ Data Engineering 是什麼？好多名詞ㄚㄚㄚㄚ？

其實這些通通都忘記也沒關係，就像是大學修課都會有「xxxx導論/概論」，都只是一些背景知識，忘記也可以，以後一邊實作就會慢慢想起來了。

好的，切回正題，Data Engineering 就是任何與數據有關的行為，可能是收集數據、設計數據架構、儲存數據、分析數據等等，不限任何工具，所以就算一行程式也沒寫，用手寫統計、計算機加總、Excel整理，這些都可以稱作 Data Engineering (資料工程)，常常聽到的 ETL ，extract 擷取資料、transform 轉換資料、load 載入資料，都是 Data Engineering 其中一部份。那 Workflow 勒，Workflow 工作流就是把剛剛提到的各種和資料處理的行為串在一起。

Airflow 到底是什麼？

Airflow 就是一個可以用程式創建 Workflow 的開源 (open-source) 平台工具，可以創建、排程、監控多個不同的 Workflow，並在 Airflow 的網頁工具 (Web UI) 查看，方便處理複雜的工作流程，除此之外，Airflow 還有以下優點：

• 全程使用 Python，不用另外學工具的程式語言
• 可擴展性高，從小型工作流到處理幾百條工作流都能勝任
• 可和大多數的軟體和資料庫整合
• 社群活躍，討論度高，並持續更新中

Ref: airflow 官方文件

像是這個 Airflow 官網的範例，我們可以設定各項任務之間的順序，先執行 run_this_first 再執行 branching ，接著排程分開完成 branch_a 和 branch_b ，最後 branch_a 再結合 branching 的資料，一起執行 join 的任務，每個任務之間的相依性都可以自己設定。

前言

今年 3 月，我參加了在柏林的 School 42 入學考 Piscine，也順利通過了，正式課程從 5 月開始，我參與一個多月之後，很悲慘的簽證到期了，我只能先暫時休學(在 School 42的制度中叫冷凍 Freeze)，希望我還有機會能回去繼續學習。

School 42 簡介

一間由法國企業家尼爾(Xavier Niel)於 2013 創立的程式學校，不需要學費，也沒有老師，學生需要透過解決任務累積程式能力，目前已有將近50個校區，遍佈全世界。

目前有的校區可以查看下方連結：

42 Schools | 42 - A Global Network of IT Campuses

The global network of 42 schools is an ever-growing community. Find out how to create a campus and become a partner of 42.

Home | 42 - The Network

42 名稱的由來？

紀念道格拉斯·亞當斯 (Douglas Adams) 的著名科幻小說《銀河系漫遊指南》，在整本書的最後，找到的對生命、宇宙和一切事物意義的答案，就是 42。

The answer to the ultimate question of life, the universe and everything is... 42! (Douglas Adams, The Hitchhiker's Guide to the Galaxy)

要怎麼申請？

沒有年齡和學歷限制，也不看任何背景，只要能通過線上的兩小時的邏輯遊戲，你就有機會參加為期一個月的入學考 Piscine，Piscine 就像是程式營隊(詳細內容可以看這篇文章)，參加完後兩週，你就會收到一封信通知有沒有通過，通過的話才能參加後續的課程。

沒有老師要怎麼學習？

主要有兩種學習方式，自學以及同儕學習，整個 42 的核心就是 peer to peer learning(同儕學習)，所以才會很堅持要實體校區和實體學習，重點就是希望大家能互相幫忙，一起完成挑戰，並在過程中學習。

這樣內向的人是不是不適合？

只能說比較不適合，其實我也是偏內向的人，不喜歡社交，但是 School 42 的學習方式當中，算是半強迫定期需要和同儕接觸，例如完成挑戰時需要找同學來評估的程式碼，或是你也必須評估同學的程式碼，評估的過程中會需要互相解釋程式，唯有這樣才能繼續往下一個任務前進，所以非常內向的人需要再多斟酌。

這樣學習有用嗎，和自己在家裡學有什麼不一樣？

有用嗎？這題答案是 yes, and no. 就像是所有傳統教育一樣，對有些人有用，但也有很多人覺得浪費時間，所以重點是這樣的方式適不適合你，每個人可能有不同的答案，可能只有真的自己體驗過才知道。這也是我整理文章的原因，因為中文關於 School 42 的內容真的不多，英文的部分其實也不太多，希望大家看完可以更了解。

第二個問題是去 School 42 和自己在家裡學有什麼不一樣，如果你自己很自律且安排的很好，其實真的可以自己在家學，同儕學習的部分也可以多參加技術聚會來彌補。School 42 目前也沒有台灣分校，要學必須要出國，如果真的通過 Piscine，要參加後續至少最快半年-2年的基礎課程，最麻煩的事要想辦法拿到簽證留下來，但是相對來說，在 School 42 的好處是有安排好的課程規劃，紮實Ｃ語言基礎，也有很多活動和社團可以參加，就像是正常大學一樣。

引用我在 School 42 的好朋友 Ivan 的一句話 :「來 School 42 免學費、能認識朋友、有免費咖啡和可頌、還有轉職的機會，WHY NOT？」

通過 Piscine 之後可以有簽證嗎？

不能，School 42 並非正規的學校，比較像是私人的培訓機構，你可以請你申請的School 42校 區提供在學證明，再看有哪些簽證可以申請，但學生簽證是一定沒有的， 唯一的好消息是，如果完成 School 42 的全部計畫，在法國是可以被承認的，大約等同於大學畢業。

未完待續

敬請期待下一篇：School 42 的核心課程

或是想知道 Piscine 細節的可以看這篇