要在单个DAG运行中执行所有并行任务，可以使用Airflow提供的TaskGroup功能。TaskGroup允许将多个任务组织为一个组，并在DAG中以并行方式运行。

以下是一个包含代码示例的解决方法：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from airflow.utils.task_group import TaskGroup
from datetime import datetime

default_args = {
    'owner': 'airflow',
    'start_date': datetime(2021, 1, 1)
}

def task_1():
    print("Running task 1")

def task_2():
    print("Running task 2")

def task_3():
    print("Running task 3")

def task_4():
    print("Running task 4")

with DAG('parallel_dag', default_args=default_args, schedule_interval=None) as dag:
    with TaskGroup("parallel_tasks") as parallel_tasks:
        t1 = PythonOperator(task_id='task_1', python_callable=task_1)
        t2 = PythonOperator(task_id='task_2', python_callable=task_2)
        t3 = PythonOperator(task_id='task_3', python_callable=task_3)
        t4 = PythonOperator(task_id='task_4', python_callable=task_4)

    t1 >> t2 >> t3 >> t4

在上面的示例中，我们创建了一个名为parallel_dag的DAG，并且将所有并行任务放在一个TaskGroup中。每个任务都是一个PythonOperator，通过python_callable参数指定要执行的函数。

最后，我们使用>>运算符将任务连接起来，指定它们之间的依赖关系。在这个例子中，任务1必须在任务2之前完成，任务2必须在任务3之前完成，任务3必须在任务4之前完成。

通过这种方式，所有的并行任务将在单个DAG运行中执行。您可以根据需要添加更多的任务到TaskGroup中，并使用适当的依赖关系将它们连接起来。