在 run() 中产生任务时 Luigi 中的 TaskClassAmbigiousException

问题描述

我在 luigi 中遇到一个我不明白的错误。我不知道这是一个已知问题、luigi 的限制还是我做错了什么。

我在一个实际问题中使用 luigi，有许多任务和许多依赖。但是，我已经做了一个玩具示例，其中清楚地显示了这个问题。

让我们考虑两个任务，TaskA 和 TaskB，TaskA 需要使用不同的 luigi 参数值执行 TaskB 的两个先前实例。

如果我在 TaksA 的 requires() 方法中编写依赖项，那么不会有什么不好的事情发生。所有三个任务都执行，我写了我的退出文件。

但是如果我在 TaksA 的 run() 方法中编写依赖项，那么我会得到丑陋的 TaskClassAmbigIoUsException。

在我的实际问题中，我无法在 requires() 方法中产生任务，因为我需要知道在 requieres() 方法中也产生的前一个任务的结果，因此我尝试在run() 并得到相同的异常。

好的，这是玩具示例的代码。首先，在 requieres() 中产生任务，它可以工作：

import luigi

class TaskB(luigi.Task):
    j = luigi.IntParameter(default=1)

    def output(self):
        return luigi.LocalTarget("data/outputB{j}.txt".format(j=self.j))

    def requires(self):
        pass

    def run(self):
        print_file = 'TaskB' + str(self.j)

        with self.output().open('w') as out_file:
            out_file.write(print_file)

class TaskA(luigi.Task):
    i = luigi.IntParameter(default=1)

    def output(self):
        return luigi.LocalTarget("data/outputA{i}.txt".format(i=self.i))

    def requires(self):
        yield TaskB(j=self.i)
        yield TaskB(j=self.i+1)

    def run(self):
        print_file = ""
        for input_target in self.input():
            with input_target.open('r') as in_file:
                for line in in_file:
                    print_file+=line + 'TaskA' + str(self.i)

        with self.output().open('w') as out_file:
            out_file.write(print_file)
               
if __name__ == '__main__':
   taskA = TaskA(i=2)

其次，在 run() 中产生任务，我得到了这个：

 File "/home/ppo0011l/.conda/envs/nudge/lib/python3.6/site-packages/luigi/worker.py",line 1081,in _handle_next_task
    for module,name,params in new_requirements]

  File "/home/ppo0011l/.conda/envs/nudge/lib/python3.6/site-packages/luigi/worker.py",in <listcomp>
    for module,params in new_requirements]

  File "/home/ppo0011l/.conda/envs/nudge/lib/python3.6/site-packages/luigi/task_register.py",line 251,in load_task
    task_cls = Register.get_task_cls(task_name)

  File "/home/ppo0011l/.conda/envs/nudge/lib/python3.6/site-packages/luigi/task_register.py",line 181,in get_task_cls
    raise TaskClassAmbigIoUsException('Task %r is ambiguous' % name)

代码：

import luigi

class TaskB(luigi.Task):
    j = luigi.IntParameter(default=1)

    def output(self):
        return luigi.LocalTarget("data/outputB{j}.txt".format(j=self.j))

    def requires(self):
        pass

    def run(self):
        print_file = 'TaskB' + str(self.j)

        with self.output().open('w') as out_file:
            out_file.write(print_file)

class TaskA(luigi.Task):
    i = luigi.IntParameter(default=1)

    def output(self):
        return luigi.LocalTarget("data/outputA{i}.txt".format(i=self.i))

    def requires(self):
        pass

    def run(self):
        print_file = ""
        target1 = yield TaskB(j=self.i)
        target2 = yield TaskB(j=self.i+1)
        for input_target in [target1,target2]:
            with input_target.open('r') as in_file:
                for line in in_file:
                    print_file+=line + 'TaskA' + str(self.i)

        with self.output().open('w') as out_file:
            out_file.write(print_file)
               
if __name__ == '__main__':
   taskA = TaskA(i=2)
   luigi.build([taskA],workers=1,local_scheduler=True,log_level='WARNING')

编辑：我编辑添加另一个相关问题。因为我想要做的是产生一个带有参数的任务，该参数依赖于先前产生的任务，如果这对我来说是可能的，那就足够了：

  def requires(self):
        taskb_target = yield TaskB(j=self.i)
        taskb_target.open('r')
# do something and yield next Task depending on what taskb_target has
        yield TaskB(j=self.i+1)

但不幸的是，这不起作用。 luigi 说“nonetype”对象没有“open”属性。

但是，当您在 run() 方法中生成任务时，您可以在运行时访问输出。好像有很大的不对称……

第二次编辑：

我一直在做更多的试验，我发现了一个奇怪的结论：我在原始问题中编写的第二段代码（在 .py 文件中时）可以永远执行，即使删除输出文件和所以迫使 luigi 重新执行任务。但是，第一段代码只能执行一次（然后，在第一次执行时，它可以工作！！）。但是如果你删除文件并再次执行代码，你会得到模糊任务错误。

我认为这与luigi的Register对象有关。但真正让我困惑的是，无论我在 requieres 还是 run 方法中生成 taskB，这种行为都是不同的。

不知道是不是在重新定义luigi的Register模块中已经存在的类Task时出现问题。可能是...我还尝试将类定义放在与主 .py 不同的 .py 中，但是当运行两次时它会中断。正常运行的唯一方法就是重启内核，你只有一次机会！

解决方法

当您使用 yield 时，您不会获得返回值，因为您基本上是从协同程序中return获取一个值。我实际上很惊讶在 yield 内使用 requires 对您有用，因为它导致我崩溃。你要做的是先定义然后让出任务。因此，例如，您将：

class TaskA(luigi.Task):
    def run(self):
        task_1 = TaskB(j=self.i)
        yield task_1
        with task_1.output().open('r') as in_file:
            # Get data

        task_2 = TaskB(j=self.i+1,...)
        yield task_2
        ...

,

好的，现在我发现只有在执行两次脚本时才会出现问题。然后试了一下，发现问题是，再次导入TaskA和TaskB的时候，又在luigi.task_register.Register中重新注册了。

其实Register有一个属性_reg，里面包含了所有注册的类。并且在模块的第二次执行中，再次注册了TaskA和TaskB。我不知道为什么。这很奇怪，但确实如此。而且只有在导入TaskA时才会出现，更奇怪。

因此，我发现解决此问题的方法如下：

import luigi
from luigi import task_register

class TaskB(luigi.Task):
    j = luigi.IntParameter(default=1)

    def output(self):
        return luigi.LocalTarget("data/outputB{j}.txt".format(j=self.j))

    def requires(self):
        pass

    def run(self):
        print_file = 'TaskB' + str(self.j)

        with self.output().open('w') as out_file:
            out_file.write(print_file)

class TaskA(luigi.Task):
    i = luigi.IntParameter(default=1)

    def output(self):
        return luigi.LocalTarget("data/outputA{i}.txt".format(i=self.i))

    def requires(self):
        pass

    def run(self):
        print_file = ""
        target1 = yield TaskB(j=self.i)
        target2 = yield TaskB(j=self.i+1)
        for input_target in [target1,target2]:
            with input_target.open('r') as in_file:
                for line in in_file:
                    print_file+=line + 'TaskA' + str(self.i)

        with self.output().open('w') as out_file:
            out_file.write(print_file)

taskA_list = [c for c in task_register.Register._reg if c.__name__ == 'TaskA']
if len(taskA_list) > 1:
   task_register.Register._reg.pop()
   task_register.Register._reg.pop()
               
if __name__ == '__main__':
   taskA = TaskA(i=2)
   luigi.build([taskA],workers=1,local_scheduler=True,log_level='WARNING')

这是一个有效的技巧，可以使模块永久重新执行，无论是删除还是不删除输出文件。但显然不是最优雅的解决方案。我写它只是为了帮助 luigi 开发人员修复它，或者如果我做错了什么来纠正我！