add credit

zh/10.md

 # 管理连接
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 Airflow需要知道如何连接到您的环境。其他系统和服务的主机名，端口，登录名和密码等信息在UI的`Admin->Connection`部分中处理。您编写的pipeline（管道）代码将引用Connection对象的“conn_id”。
 

zh/11.md

 # 保护连接
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 默认情况下，Airflow在元数据数据库中是以纯文本格式保存连接的密码。在安装过程中强烈建议使用`crypto`包。`crypto`包要求您的操作系统安装了libffi-dev。
 

zh/12.md

 # 写日志
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 ## 在本地写日志
 

zh/13.md

 # 使用Celery扩大规模
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 `CeleryExecutor`是您扩展worker数量的方法之一。为此，您需要设置Celery后端（**RabbitMQ**，**Redis**，...）并更改`airflow.cfg`以将执行程序参数指向`CeleryExecutor`并提供相关的Celery设置。
 

zh/14.md

 # 使用Dask扩展
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 `DaskExecutor`允许您在Dask分布式集群中运行Airflow任务。
 

zh/15.md

 # 使用Mesos扩展（社区贡献）
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 有两种方法可以将Airflow作为mesos框架运行：
 

zh/16.md

 # 使用systemd运行Airflow
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 Airflow可以与基于systemd的系统集成。这使得观察您的守护进程变得容易，因为systemd可以在失败时重新启动守护进程。在`scripts/systemd`目录中，您可以找到已在基于Redhat的系统上测试过的单元文件。您可以将它们复制到`/usr/lib/systemd/system`。这是基于假设Airflow将在`airflow:airflow`用户/组下运行。如果不是（或者如果您在非基于Redhat的系统上运行），则可能需要调整单元文件。
 

zh/17.md

 # 使用upstart运行Airflow
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 Airflow可以与基于upstart的系统集成。Upstart会在系统启动时自动启动在`/etc/init`具有相应`*.conf`文件的所有Airflow服务。失败时，upstart会自动重启进程（直到达到`*.conf`文件中设置的重启限制）。
 

zh/18.md

 # 使用测试模式配置
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 Airflow具有一组固定的“test mode”配置选项。您可以随时通过调用`airflow.configuration.load_test_config()`来加载它们（注意此操作不可逆！）。但是，在您有机会调用load_test_config()之前，会加载一些选项（如DAG_FOLDER）。为了更快加载测试配置，请在airflow.cfg中设置test_mode：
 

zh/19.md

 # UI/截图
 
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 通过Airflow UI，您可以轻松监控data pipeline（管道）并对其进行故障排除。如下是一些特性的简单预览和一些您可以在Airflow的UI中找到的可视化效果。
-=======
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
-
 
 ## DAGs查看
 

zh/5.md

 # 教程
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 本教程将向您介绍一些Airflow的基本概念、对象以及它们在编写第一个pipline（管道）时的用法。
 

zh/8.md

 # 初始化数据库
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 如果您想对Airflow进行真正的试使用，您应该考虑设置一个真正的数据库后端并切换到LocalExecutor。
 

zh/9.md

 # 使用Operators（执行器）
 
-> 译者：[@ImPerat0R\_](https://github.com/tssujt)
+> 译者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen)
 
 operator（执行器）代表一个理想情况下是幂等的任务。operator（执行器）决定了DAG运行时实际执行的内容。