要使用Airflow和pandas的read_sql_query()函数以及commit函数，可以按照以下步骤操作：

1. 首先，确保你已经安装了Airflow和pandas，并导入所需的模块：

import pandas as pd
from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from sqlalchemy import create_engine

2. 创建一个DAG，并定义所需的参数：

dag = DAG(
    dag_id='sql_task',
    description='A simple DAG that reads data from SQL and commits it',
    schedule_interval=None,
    start_date=datetime(2022, 1, 1),
    catchup=False
)

sql_query = "SELECT * FROM your_table"  # 指定你的SQL查询语句
database_url = "your_database_url"  # 指定你的数据库连接URL

3. 创建一个PythonOperator任务，定义读取SQL数据和提交的函数：

def read_sql_and_commit():
    # 创建数据库引擎
    engine = create_engine(database_url)
    
    # 读取SQL数据到pandas DataFrame
    df = pd.read_sql_query(sql_query, engine)
    
    # 在这里可以对DataFrame进行数据处理或其他操作
    
    # 提交数据到数据库
    df.to_sql("new_table", engine, if_exists='replace', index=False)  # 将数据写入新的表new_table

# 创建PythonOperator任务
task = PythonOperator(
    task_id='read_sql_and_commit',
    python_callable=read_sql_and_commit,
    dag=dag
)

4. 将任务添加到DAG中：

task

这样，当你执行DAG时，它将运行read_sql_and_commit()函数，读取SQL数据并将其提交到数据库中。

注意：在使用pandas的to_sql()函数提交数据时，可以选择设置if_exists参数为'replace'、'append'或'fail'，以指定如果表已经存在时的行为。