要维护包含dag_ids和最后运行日期的表格，你可以使用Apache Airflow提供的元数据库（Metadata Database）来记录和管理作业的元数据信息。下面是一个使用SQLAlchemy来创建和更新表格的示例代码：

from datetime import datetime
from airflow import DAG
from airflow.models import Variable
from airflow.utils.db import create_session
from sqlalchemy import Column, DateTime, Integer, String, create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

# 创建数据库引擎
engine = create_engine('sqlite:///airflow.db')
Session = sessionmaker(bind=engine)
Base = declarative_base()

# 定义表格模型
class DAGStatus(Base):
    __tablename__ = 'dag_status'

    id = Column(Integer, primary_key=True)
    dag_id = Column(String(250), unique=True)
    last_run_date = Column(DateTime)

# 创建表格
Base.metadata.create_all(engine)

# 定义一个DAG
with DAG('example_dag', start_date=datetime(2022, 1, 1)) as dag:
    # 在DAG运行结束后更新表格
    def update_dag_status():
        with create_session() as session:
            dag_status = session.query(DAGStatus).filter_by(dag_id='example_dag').first()
            if dag_status:
                dag_status.last_run_date = datetime.now()
            else:
                dag_status = DAGStatus(dag_id='example_dag', last_run_date=datetime.now())
                session.add(dag_status)
            session.commit()

    # 在DAG的最后一个任务中调用更新函数
    update_status_task = PythonOperator(
        task_id='update_dag_status',
        python_callable=update_dag_status
    )

上述代码中，我们使用了SQLite作为示例的数据库引擎，你可以根据需要选择其他的数据库引擎。在DAG的最后一个任务中，我们通过PythonOperator来调用update_dag_status函数，该函数会在DAG运行结束后更新表格中的记录。

请注意，这只是一个示例代码，你可能需要根据你的具体需求进行适当的修改和扩展。