Airflow 2提供了TaskFlow API，可以用于构建灵活的任务流程。在使用TaskFlow时，需要添加适当的日志记录来跟踪任务的执行。下面是一个示例，展示如何在TaskFlow中添加日志记录：

from airflow.decorators import dag, task
from airflow.utils.dates import days_ago
from airflow.providers.apache.spark.operators.spark_submit import SparkSubmitOperator
from taskflow import Task, TaskFlow, log

@task
def task1():
    log.info("Running task 1")

@task
def task2():
    log.info("Running task 2")

@task
def task3():
    log.info("Running task 3")

@task
def task4():
    log.info("Running task 4")

@dag(default_args={"owner": "airflow", "start_date": days_ago(1)})
def my_dag():
    with TaskFlow("my_task_flow") as flow:
        t1 = Task(task1())
        t2 = Task(task2())
        t3 = Task(task3())
        t4 = Task(task4())

        t1 >> t2 >> t3 >> t4

    submit_spark_job = SparkSubmitOperator(
        task_id="submit_spark_job",
        application="my_spark_job.py",
        conn_id="spark_default",
        verbose=False,
    )

    flow >> submit_spark_job

dag = my_dag()

在这个示例中，我们使用TaskFlow构建了一个包含四个任务的任务流程。每个任务都使用log.info()添加了一个简单的日志记录。当TaskFlow执行时，这些日志记录将被写入Airflow的日志文件中。最后，我们添加了一个SparkSubmitOperator，该操作符将启动一个Spark作业。我们将前面构建的任务流程(flow)作为SparkSubmitOperator的前置任务，这意味着我们的任务流程将运行完毕后，才会执行Spark作业。

使用上面的方法，在Airflow 2中可以很容易地添加日志记录，并