在运行（）中产生任务时Luigi中的TaskClassAmbigiousException

Question

我正在努力解决我不理解的 Luigi 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。

我在一个涉及许多任务和许多依赖项的实际问题中使用 Luigi。但是，我做了一个玩具示例，其中清楚地显示了此问题。

让我们考虑两个任务，TaskA 和 TaskB，TaskA 需要执行两个先前具有不同 Luigi 参数值的 TaskB 实例。

如果我在 TaksA 的 requires() 方法中编写依赖关系，则不会发生任何不好的事情。所有三个任务都执行了，我得到了我的退出文件。

但如果我在 TaksA 的 run() 方法中编写依赖关系，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 quieres() 方法中也产生的前一个任务的结果，所以我尝试在run() 得到了同样的异常。

好的，这是玩具示例的代码。首先，在 requieres() 中生成任务，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", line 1081, in <listcomp>
    for module, name, 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任务，其参数取决于先前产生的任务，如果这对我来说可能就足够了：

  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：

我做了更多的试验，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，你会得到模棱两可的任务错误。

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

我仍然不知道在重新定义已经在 luigi 的注册模块中的类任务时是否会出现问题。可能是...我还尝试将类定义放在与主 .py 不同的 .py 中，但是在运行两次时它会中断。只有重启内核才能正常运行，你只有一次机会！

Answer 1

当你使用yield 时，你不会得到返回值，因为你基本上是在returning 来自协程的值。我真的很惊讶在requires 中使用yield 对你有用，因为它导致我的事情崩溃了。您要做的是首先定义然后产生任务。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
        ...

Answer 2

好的，现在我发现只有在执行两次脚本时才会出现问题。又试了一个错误，发现问题是，再次导入TaskA和TaskB时，又在luigi.task_register.Register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，TaskA 和 TaskB 再次注册。我不知道为什么。这很奇怪，但却是真实的。而且只有在导入TaskA时才会出现，更诡异。

所以我发现解决这个问题的方法如下：

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，可以使模块永远可重新执行，无论是否删除输出文件。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！