AWS EMR集群的最佳Airflow架构可以根据具体需求而变化，以下是一个常见的解决方法：

1. 创建一个EMR集群：使用AWS管理控制台或AWS CLI创建一个EMR集群，确保集群中包含Airflow所需的组件，如Hadoop、Spark和Livy。

2. 安装Airflow：在EMR集群中安装Airflow，可以使用Anaconda或pip来安装Airflow。以下是使用pip安装Airflow的示例代码：

$ sudo pip install apache-airflow

3. 配置Airflow：在EMR集群中配置Airflow，包括DAGs（有向无环图）和任务调度器。可以使用AWS Glue或AWS Athena来管理和查询数据。

4. 启动Airflow Web服务器：在EMR集群上启动Airflow Web服务器，以便可以通过Web界面管理和监控任务。

$ airflow webserver -p 8080

5. 启动Airflow调度器：在EMR集群上启动Airflow调度器，以便可以自动执行任务。

$ airflow scheduler

6. 编写和调度任务：使用Airflow的Python编程接口编写和调度任务。以下是一个简单的DAG示例代码，将每天从S3桶中读取数据并将其加载到Redshift中：

from airflow import DAG
from airflow.providers.amazon.aws.operators.s3_copy_object import S3CopyObjectOperator
from airflow.providers.amazon.aws.operators.redshift import RedshiftOperator
from datetime import datetime

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

dag = DAG('s3_to_redshift', default_args=default_args, schedule_interval='@daily')

s3_to_redshift = S3CopyObjectOperator(
    task_id='s3_to_redshift',
    source_bucket_key='s3://my-bucket/data.csv',
    dest_bucket_key='s3://my-bucket/data.csv',
    dag=dag
)

load_to_redshift = RedshiftOperator(
    task_id='load_to_redshift',
    sql='COPY my_table FROM \'s3://my-bucket/data.csv\'',
    dag=dag
)

s3_to_redshift >> load_to_redshift

以上是一个简单的AWS EMR集群的最佳Airflow架构的解决方法，可以根据具体需求进行调整和扩展。