如何将 pytransitions 机器存储在 YAML 配置文件中

Question

我正在使用pytranstions 库来构建有限状态机。

如@wtgee 和@limdautohere 和here 的回复中所示，许多用户将机器的配置存储为YAML 文件。

现在我可以看到如何创建 YAML 文件来存储状态和转换。但是，我不确定如何将与 FSM 关联的函数存储在 YAML 文件中。

有人能告诉我怎么做吗？

Answer 1

我不知道在 YAML/JSON 中存储实际模型及其功能的便捷方法。我假设您提到的工作流程只是将函数名称存储在 JSON 中，如下所示：

{    
  "states": ["A", "B", "C"],
  "initial": "A",
  "transitions": [
    {"trigger": "go", "source": "A", "dest": "B", "after": "func_A"},
    {"trigger": "go", "source": "B", "dest": "C", "after": "func_B"}
  ]
}

或 YAML：

--- 
initial: A
states: 
  - A
  - B
  - C
transitions: 
  - 
    after: func_A
    dest: B
    source: A
    trigger: go
  - 
    after: func_B
    dest: C
    source: B
    trigger: go

当您将回调存储为字符串时，它们将被立即评估，事件（在本例中为 go）被触发。假设我们已经将上面的 JSON/YAML 加载到名为 d 的 Python 字典中。当 dict 键与 transitions 关键字相同时，您可以像这样初始化模型：

from transitions import Machine
class Model:

    def func_A(self):
        print("func A")

    def func_B(self):
        print("func B")


model = Model()
m = Machine(model, **d)
model.go()
model.go()

您可以在 YAML 中添加描述字段 model，以指定要加载的模型类（例如“module.models.TestModel”）并使用 importlib 导入模型定义 dynamically。或者您可以隐式定义所需的模型（例如，REST 端点“/TestModel”初始化一个 TestModel）。 如果您真的想将模型类定义存储在 YAML 中，您可以使用 pickle/dill 序列化类定义：

d["model"] = pickle.dumps(Model)
SerialisedModel = pickle.loads(d.pop("model"))
model = SerialisedModel()
m = Machine(model, **d)

如果你只想存储当前状态，你可以直接序列化你的Machine实例：

d["machine_object"] = pickle.dumps(m)

不过，这比以前的方法更不透明。 在任何情况下，您都应该避免使用函数引用定义回调，因为这可能会导致以后出现问题。也许泡菜/莳萝也可以处理这个问题，但我不会指望它。

Dave Kuhlmann here 提出了更复杂的解决方案。他的帖子包括以下方法：a) 将 FSM 导出为 JSON（机器 -> JSON），b) 从 JSON 生成 Python FSM 代码，以及 c) 将 FSM 从 JSON 注入到类中。所有这些都应该很容易转移到 YAML。