如果BigQuery作业的状态已完成，但在使用Airflow时未插入任何行，可能是由于以下原因：

1. 数据源为空：检查您的数据源是否为空。您可以通过查询数据源来确认是否存在数据。例如，您可以使用以下代码来查询数据源：

from google.cloud import bigquery

def check_data_exists(project_id, dataset_id, table_id):
    client = bigquery.Client(project=project_id)
    table_ref = client.dataset(dataset_id).table(table_id)
    table = client.get_table(table_ref)
    
    return table.num_rows > 0

# 检查数据是否存在
data_exists = check_data_exists('your_project_id', 'your_dataset_id', 'your_table_id')

if data_exists:
    print("数据源不为空")
else:
    print("数据源为空")

2. BigQuery作业配置错误：检查您的BigQuery作业配置是否正确。确保您指定了正确的项目ID、数据集ID和表ID。您可以使用以下代码来运行BigQuery作业：

from google.cloud import bigquery

def run_bigquery_job(project_id, dataset_id, table_id, query):
    client = bigquery.Client(project=project_id)
    
    job_config = bigquery.QueryJobConfig(destination=f'{project_id}.{dataset_id}.{table_id}')
    job = client.query(query, job_config=job_config)
    
    job.result()  # 等待作业完成
    
    return job.state

# 运行BigQuery作业
query = '''
    SELECT * FROM `your_project_id.your_dataset_id.your_table_id`
'''
job_state = run_bigquery_job('your_project_id', 'your_dataset_id', 'your_table_id', query)

print(f"BigQuery作业状态: {job_state}")

请确保您的查询语句正确，可以在BigQuery控制台上测试它。

3. Airflow DAG配置错误：检查您的Airflow DAG配置是否正确。确保您已正确设置任务依赖关系，并在任务中包含正确的代码。以下是一个示例的Airflow DAG配置：

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

from google.cloud import bigquery

def check_data_exists(project_id, dataset_id, table_id):
    client = bigquery.Client(project=project_id)
    table_ref = client.dataset(dataset_id).table(table_id)
    table = client.get_table(table_ref)
    
    return table.num_rows > 0

def run_bigquery_job(project_id, dataset_id, table_id, query):
    client = bigquery.Client(project=project_id)
    
    job_config = bigquery.QueryJobConfig(destination=f'{project_id}.{dataset_id}.{table_id}')
    job = client.query(query, job_config=job_config)
    
    job.result()  # 等待作业完成
    
    return job.state

def check_data_source():
    data_exists = check_data_exists('your_project_id', 'your_dataset_id', 'your_table_id')
    
    if data_exists:
        print("数据源不为空")
    else:
        print("数据源为空")

def run_bigquery_task():
    query = '''
        SELECT * FROM `your_project_id.your_dataset_id.your_table_id`
    '''
    job_state = run_bigquery_job('your_project_id', 'your_dataset_id', 'your_table_id', query)
    
    print(f"BigQuery作业状态: {job_state}")

with DAG('example_dag', start_date=datetime(2021, 1, 1), schedule_interval='@once') as dag:
    check_data_source_task = PythonOperator(
        task_id='check_data_source',
        python_callable=check_data_source
    )
    
    run_bigquery_task = PythonOperator(
        task_id='run_bigquery_task',
        python_callable=run_bigquery_task
    )
    
    check_data_source_task >> run_bigquery_task

确保您根据您的需求进行调整和修改。

这些是可能导致BigQuery作业状态已完成但未插入任何行的常见问题和解决方案。您可以根据您的具体情况进行调整和修改。