11

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，我一直在寻找一种能够持久化定制管道的方法，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luigi.cfg配置和命令行机制来实现我的序列化它可能足以满足任务的参数，但它无法序列化我的管道的 DAG 连接，所以我决定有一个 WrapperTask 接收一个json config file然后创建所有任务实例并连接所有输入输出通道luigi 任务（做所有的管道）。

特此附上一个小测试程序供大家查阅：

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，这侧重于动态依赖关系并生成a 513 node dependency DAGwith p=1/35 connectivity probability，它还将 All （如 make all 中的）类定义为 WrapperTask ，需要构建所有节点才能将其视为已完成（我有一个版本，它只将它连接到连接的 DAG 组件的头部，但我不想过于复杂）。

有没有更标准的（Luigic）方式来实现这一点？特别注意 TaskNode init和 set_required 方法不太复杂，我之所以这样做是因为在 init 方法中接收参数与 luigi 注册参数的方式发生冲突。我还尝试了其他几种方法，但这基本上是最体面的一种（有效）

如果没有标准的方式，我仍然很乐意在我完成框架实施之前听到您对我计划的方式的任何见解。

4

1 回答 1

2

我昨天用一个演示回答了一个类似的问题。我几乎完全基于文档中的示例。. 在文档中，yeild通过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你一个几乎无限灵活性的管道。他们还描述了一个在这里Task调用多个依赖链的假人，这可以给你更多的控制权。

于 2018-11-02T20:47:26.550 回答