Airflow 默认使用深度优先策略来并发执行任务，而不是广度优先。这意味着在执行任务时，Airflow 会尽可能地并发执行子任务，而不是同时启动更多的父任务。以下是使用代码示例来解决此问题的方法：

from airflow.models import DAG
from airflow.operators.dummy_operator import DummyOperator

dag = DAG(
    dag_id='concurrent_depth_first',
    default_args={
        'owner': 'airflow',
        'start_date': datetime.datetime(2022, 1, 1)
    },
    schedule_interval=None
)

# 创建任务示例
task_a = DummyOperator(task_id='task_a', dag=dag)
task_b = DummyOperator(task_id='task_b', dag=dag)
task_c = DummyOperator(task_id='task_c', dag=dag)
task_d = DummyOperator(task_id='task_d', dag=dag)
task_e = DummyOperator(task_id='task_e', dag=dag)

# 设置任务之间的依赖关系
task_a >> task_b
task_a >> task_c
task_b >> task_d
task_c >> task_d
task_d >> task_e

在上面的示例中，我们创建了一个名为 concurrent_depth_first 的 DAG，并定义了一些 DummyOperator 任务。这些任务之间设置了依赖关系，以模拟任务执行的流程。

当您在 Airflow 中运行此 DAG 时，您会注意到任务的执行顺序是深度优先的。也就是说，Airflow 会尽可能地并发执行子任务，而不是同时启动更多的父任务。在上面的示例中，任务task_d会在task_b和task_c之后执行，因为它们是父任务，而task_e会在task_d之后执行，因为它是task_d的子任务。

这是Airflow的默认行为，您无需采取额外的步骤来启用深度优先执行。