Python 实现luigi动态图形配置
我是luigi的新手,在为我们的ML工作设计管道时遇到了它。虽然它不适合我的特定用例,但它有很多额外的特性,我决定让它适合我 基本上,我所寻找的是一种能够持久化定制管道的方法,从而使其结果可重复并易于部署,在阅读了大多数在线教程后,我尝试使用现有的Python 实现luigi动态图形配置,python,python-3.x,luigi,data-pipeline,Python,Python 3.x,Luigi,Data Pipeline,我是luigi的新手,在为我们的ML工作设计管道时遇到了它。虽然它不适合我的特定用例,但它有很多额外的特性,我决定让它适合我 基本上,我所寻找的是一种能够持久化定制管道的方法,从而使其结果可重复并易于部署,在阅读了大多数在线教程后,我尝试使用现有的luigi.cfg配置和命令行机制实现序列化,它可能已经满足任务参数的要求,但无法序列化管道的DAG连接,因此,我决定创建一个WrapperTask,它接收一个json配置文件,然后创建所有任务实例并连接luigi任务的所有输入输出通道(执行所有管道)
luigi.cfg
配置和命令行机制实现序列化,它可能已经满足任务参数的要求,但无法序列化管道的DAG连接,因此,我决定创建一个WrapperTask,它接收一个json配置文件
,然后创建所有任务实例并连接luigi任务的所有输入输出通道(执行所有管道)
我谨随函附上一份小型测试计划供您审阅:
import random
import luigi
import time
import os
class TaskNode(luigi.Task):
i = luigi.IntParameter() # node ID
def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
self.required = []
def set_required(self, required=None):
self.required = required # set the dependencies
return self
def requires(self):
return self.required
def output(self):
return luigi.LocalTarget('{0}{1}.txt'.format(self.__class__.__name__, self.i))
def run(self):
with self.output().open('w') as outfile:
outfile.write('inside {0}{1}\n'.format(self.__class__.__name__, self.i))
self.process()
def process(self):
raise NotImplementedError(self.__class__.__name__ + " must implement this method")
class FastNode(TaskNode):
def process(self):
time.sleep(1)
class SlowNode(TaskNode):
def process(self):
time.sleep(2)
# This WrapperTask builds all the nodes
class All(luigi.WrapperTask):
def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
num_nodes = 513
classes = TaskNode.__subclasses__()
self.nodes = []
for i in reversed(range(num_nodes)):
cls = random.choice(classes)
dependencies = random.sample(self.nodes, (num_nodes - i) // 35)
obj = cls(i=i)
if dependencies:
obj.set_required(required=dependencies)
else:
obj.set_required(required=None)
# delete existing output causing a build all
if obj.output().exists():
obj.output().remove()
self.nodes.append(obj)
def requires(self):
return self.nodes
if __name__ == '__main__':
luigi.run()
因此,基本上,正如问题标题中所述,这关注于动态依赖关系,并生成p=1/35连通概率的513节点依赖DAG
,它还将All(如make All中所述)类定义为一个WrapperTask,需要构建所有节点才能将其视为完成(我有一个版本,它只连接到连接的DAG组件的头部,但我不想过于复杂)
是否有更高的标准(Luigic)实现方法?特别注意TaskNodeinit和set_required方法的复杂性,我之所以这样做,是因为init方法中接收参数的方式与luigi注册参数的方式有冲突。我还尝试了其他几种方法,但这基本上是最合适的方法(成功了)
如果没有一个标准的方法,我仍然希望在我完成框架的实现之前,听到您对我计划的方法有什么见解。我昨天做了一个演示。我几乎完全是基于。在文档中,通过yeild
ing任务分配动态依赖项似乎是他们喜欢的方式
<代码>路易吉.CONFIG和动态依赖关系可能会给你一个几乎无限的灵活性的管道。他们还描述了一个虚拟的<代码>任务<代码>,它调用多个依赖链,可以给你更多的控制。
相关的未回答的问题,你有没有考虑过路易吉的气流?我用它来做或多或少的E。正如你在问题中所说的:我看了一小段,但它似乎更多地围绕着cmdline而不是python,这只是一个懒惰的第一印象吗?我不必这么说。它带有一个web ui,围绕着DAG的计划或触发执行。如果你喜欢,你可以从命令行手动运行DAG。虽然这是一个非常大的包,但它有一些依赖项,对于您的情况来说可能有些过头了。例如,它至少需要一个sqlite db。嗯,听起来很有趣,而且有传言说它比现在的luigi维护得更好,我可能会在下一轮(或我的下一份工作)研究它,但我现在对luigi已经有点力不从心了:/