Airflow集群的工作节点是指运行Airflow任务的节点，而DAGs（Directed Acyclic Graphs）/ Workflows是定义任务和任务依赖关系的代码。根据需求，是否需要在所有的工作节点中部署DAGs / Workflows可以有不同的解决方法。

1. 部署在所有工作节点上: 可以将DAGs / Workflows部署在所有的工作节点上，以确保每个节点都可以执行任务。这种方法可以保证任务的高可用性和负载均衡，因为每个节点都可以执行任务。下面是一个示例代码，展示如何在所有工作节点上部署DAGs / Workflows：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from datetime import datetime

def my_task():
    # 任务逻辑代码
    pass

with DAG('my_dag', start_date=datetime(2022, 1, 1)) as dag:
    task1 = PythonOperator(
        task_id='task1',
        python_callable=my_task
    )

2. 部署在单个工作节点上: 另一种方法是将DAGs / Workflows部署在单个工作节点上，其他节点只负责执行任务。这种方法适用于任务的执行无需考虑高可用性和负载均衡的场景。下面是一个示例代码，展示如何在单个工作节点上部署DAGs / Workflows：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from datetime import datetime

def my_task():
    # 任务逻辑代码
    pass

with DAG('my_dag', start_date=datetime(2022, 1, 1)) as dag:
    task1 = PythonOperator(
        task_id='task1',
        python_callable=my_task,
        node='my_single_worker_node'  # 指定任务执行的节点
    )

通过以上两种方法，可以根据实际需求选择是否在所有的工作节点中部署DAGs / Workflows。