使动态 Luigi 任务的失败变得非关键

Question

我有一个 luigi 工作流程，它通过 ftp 下载一堆大文件并将它们存放在 s3 上。

我有一个任务读取要下载的文件列表，然后创建一堆实际执行下载的任务

这个想法是，这个工作流的结果是一个包含成功下载列表的单个文件，任何失败的下载都会在第二天的下一次运行中重新尝试。

问题在于，如果任何下载任务失败，则永远不会创建成功的下载列表。

这是因为动态创建的任务成为创建它们并从其输出编译列表的主任务的要求。

有没有办法使这些下载任务的失败无关紧要，以便编译列表减去失败任务的输出？

下面的示例代码，GetFiles 是我们从命令行调用的任务。

class DownloadFileFromFtp(luigi.Task):
sourceUrl = luigi.Parameter()

def run(self):
    with self.output().open('w') as output:
        WriteFileFromFtp(sourceUrl, output)

def output(self):
    client = S3Client()
    return S3Target(path=someOutputPath, client=client, format=luigi.format.Nop)


@requires(GetListOfFileToDownload)
class GetFiles(luigi.Task):

def run(self):

    with self.input().open('r') as fileList:
        files = json.load(fileList)

        tasks = []
        taskOutputs = []

        for file in files:
            task = DownloadFileFromFtp(sourceUrl=file["ftpUrl"])
            tasks.append(task)
            taskOutputs.append(task.output())

        yield tasks

        successfulDownloads = MakeSuccessfulOutputList(taskOutputs)

    with self.output().open('w') as out:
        json.dump(successfulDownloads, out)

def output(self):
    client = S3Client()
    return S3Target(path='successfulDownloads.json', client=client)

Answer 1

几年后，您一定找到了答案，但这里有一些可以提供帮助的东西。

class DownloadFileFromFtp(luigi.Task):
      sourceUrl = luigi.Parameter()

      def run(self):
           with self.output().open('w') as output:
             WriteFileFromFtp(sourceUrl, output)
      
      def on_failure(self, exception):
          #If the task fails for any reason, 
          #then just indicate the task as completed.
          #From the docs, exception is a string, so you can easily.

          if "FileNotFound" in exception:
              return self.complete(ignore=True)
          return self.complete(ignore=False)

      def complete(self, ignore=False):
          return ignore

      def output(self):
          client = S3Client()
          return S3Target(path=someOutputPath, client=client, format=luigi.format.Nop)

Answer 2

这个答案可能不正确 - 检查THE COMMENTS

我已经阅读了几次文档，但我没有发现诸如非关键故障之类的迹象。话虽如此，这种行为可以通过覆盖DownloadFileFromFtp 中的Task.complete 方法轻松实现，同时仍然能够在GetFiles.run 中使用DownloadFileFromFtp.output。

通过return True覆盖，无论下载是否成功，任务DownloadFileFromFtp都会成功。

class DownloadFileFromFtp(luigi.Task):
    sourceUrl = luigi.Parameter()

    def run(self):
        with self.output().open('w') as output:
            WriteFileFromFtp(sourceUrl, output)

    def output(self):
        client = S3Client()
        return S3Target(path=someOutputPath, client=client, format=luigi.format.Nop)

    def complete(self,):
        return True

但是请注意，您还可以在 complete 方法中使用更复杂的逻辑 - 例如，仅当任务在运行时遇到特定网络故障时才会失败。