要解决Apache Airflow作业失败并将成功的Dataflow作业视为僵尸的问题，可以使用Airflow的on_failure_callback和on_success_callback来处理作业失败和成功的事件。

首先，你需要设置一个回调函数来处理作业失败的情况。在这个回调函数中，你可以通过调用Dataflow API来检查Dataflow作业的状态，如果作业成功，则将其视为僵尸作业。

下面是一个示例代码，演示了如何设置on_failure_callback和on_success_callback来处理作业失败和成功的情况：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from airflow.utils.dates import days_ago
from google.cloud import dataflow_v1beta3 as dataflow
from google.protobuf.json_format import MessageToDict

default_args = {
    'on_failure_callback': 'handle_failure',
    'on_success_callback': 'handle_success',
    ...
}

dag = DAG(
    'dataflow_job',
    default_args=default_args,
    schedule_interval=None,
    start_date=days_ago(1)
)

def handle_failure(context):
    # 处理作业失败的情况
    dataflow_job_id = context['task_instance'].xcom_pull('start_dataflow_job', key='dataflow_job_id')
    client = dataflow.JobControllerClient()
    job = client.get_job(dataflow_job_id)
    
    if job.state == dataflow.Job.StateEnum.JOB_STATE_DONE:
        # 将成功的Dataflow作业视为僵尸
        # 做你的处理逻辑
        
def handle_success(context):
    # 处理作业成功的情况
    pass

def start_dataflow_job():
    # 启动Dataflow作业并获取作业ID
    job_id = ...
    return job_id

start_dataflow_job_task = PythonOperator(
    task_id='start_dataflow_job',
    python_callable=start_dataflow_job,
    dag=dag
)

start_dataflow_job_task

在这个示例中，handle_failure函数是用来处理作业失败的情况的回调函数。它首先从context中获取Dataflow作业的ID，然后使用Dataflow API的get_job方法获取作业的状态。如果作业状态为JOB_STATE_DONE，则将其视为僵尸作业，可以在这里添加处理逻辑。

handle_success函数是用来处理作业成功的情况的回调函数。你可以在这个函数中添加任何你希望在作业成功时执行的逻辑。

注意，你需要将这些函数的名称作为字符串传递给on_failure_callback和on_success_callback。在Airflow中，这些函数将在作业失败和成功的事件发生时自动调用。

希望这个示例代码对你有帮助，可以帮助你解决Apache Airflow作业失败并将成功的Dataflow作业视为僵尸的问题。