实现luigi动态图配置

Question

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，但它有很多额外的功能，我决定让它适合。

基本上我正在寻找的是一种能够持久化自定义构建管道的方法，从而使其结果可重复且更易于部署，在阅读了大部分在线教程后，我尝试使用现有的来实现我的序列化luigi.cfg 配置和命令行机制，它可能足以满足任务的参数，但它无法提供序列化我的管道的 DAG 连接的方法，所以我决定使用一个 WrapperTask，它收到一个 json config file然后将创建所有任务实例并连接 luigi 任务的所有输入输出通道（完成所有管道）。

特此附上一个小测试程序供大家鉴赏：

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()

所以，基本上，正如问题标题中所述，这着重于动态依赖性并生成 a 513 node dependency DAG 和 p=1/35 connectivity probability，它还定义了 All（如 make all）class 作为一个 WrapperTask，需要构建所有节点才能被视为完成（我有一个版本只将它连接到连接的 DAG 组件的头部，但我不想过于复杂）。

是否有更标准的 (Luigic) 方法来实现它？特别要注意 TaskNode init 和 set_required 方法不太复杂，我这样做只是因为在 init 方法中接收参数与 luigi 注册参数的方式有某种冲突.我还尝试了其他几种方法，但这基本上是最不错的方法（有效）

如果没有标准方法，我仍然很想听听您对我在完成框架实施之前计划采用的方法的任何见解。

Answer 1

我answered a similar question yesterday with a demo. I based that almost entirely off of the example in the docs.。在文档中，通过 yeilding 任务分配动态依赖项似乎是他们喜欢的方式。

luigi.Config 和动态依赖关系可能会给您带来几乎无限灵活性的管道。他们还描述了一个虚拟 Task 调用多个依赖链 here, 这可以给你更多的控制权。

实现luigi动态图配置

Implementing luigi dynamic graph configuration

python

python-3.x

luigi

data-pipeline