是的，Airflow和Jupyter应该分别独立成2个docker容器。

以下是一个示例docker-compose.yml文件，演示如何将它们分为2个独立的容器。

version: '3'

services:
  airflow:
    build: ./airflow
    ports:
      - "8080:8080"
    volumes:
      - ./dags:/usr/local/airflow/dags
      - ./logs:/usr/local/airflow/logs
      - ./plugins:/usr/local/airflow/plugins
    environment:
      - AIRFLOW__CORE__SQL_ALCHEMY_CONN=postgresql+psycopg2://user:password@database:5432/airflow
      - AIRFLOW__CORE__EXECUTOR=LocalExecutor
    depends_on:
      - database

  jupyter:
    build: ./jupyter
    ports:
      - "8888:8888"
    volumes:
      - ./notebooks:/home/jupyter/notebooks
    depends_on:
      - database

  database:
    image: postgres:13
    environment:
      - POSTGRES_USER=user
      - POSTGRES_PASSWORD=password
      - POSTGRES_DB=airflow
    volumes:
      - db-data:/var/lib/postgresql/data

volumes:
  db-data:

在这个例子中，我们使用了一个数据库服务（PostgreSQL），并将其与Airflow和Jupyter容器一起运行。具体地，我们将Airflow容器映射到本地的8080端口，将Jupyter容器映射到本地的8888端口，并分别将它们的代码映射到本地的./dags和./notebooks目录中。我们还将数据库用作支持服务，并与Airflow和Jupyter容器分别关联起来。

使用这个docker-compose.yml文件，您可以使用以下命令启动整个堆栈：

docker-compose up -d

请注意，这是一个简单的示例，您可能需要根据自己的需