Kedro项目中的Runner与Catalog解耦重构实践
2025-05-22 11:25:12作者:俞予舒Fleming
背景与问题分析
在Kedro数据工程框架中,Runner(运行器)和Catalog(数据目录)是两大核心组件。Runner负责执行管道(Pipeline),而Catalog则管理数据集(Dataset)的加载和保存。在早期版本中,这两个组件之间存在较强的耦合关系,特别是ParallelRunner(并行运行器)直接操作MemoryDataset和SharedMemoryDataset等具体数据集实现类,这违反了设计原则中的"依赖倒置原则"。
技术挑战
- 并行运行器的直接依赖问题:ParallelRunner直接修改数据集实例,并与特定数据集实现(如MemoryDataset)紧密耦合
- Catalog接口方法边界模糊:存在release()、exists()、confirm()等方法是否应属于CatalogProtocol接口的争议
- 增量数据集特殊处理:IncrementalDataset的confirm逻辑被硬编码在Runner中
解决方案与重构设计
1. 并行运行器重构
将ParallelRunner中与数据集管理相关的逻辑迁移到SharedMemoryDataCatalog中。重构后:
- ParallelRunner仅负责任务调度和并行执行
- 所有共享内存和同步管理由Catalog实现
- 数据集验证和初始化逻辑封装在Catalog内部
这种设计遵循了单一职责原则,使Runner只关注执行流程,而Catalog专注于数据管理。
2. Catalog接口方法优化
对于争议方法,团队确定了以下方案:
- release():保留在CatalogProtocol中,作为资源释放的标准接口
- exists():暂时保留但标记为可能移除,因为仅用于run_only_missing场景
- confirm():暂时保留但建议未来重构,考虑将其移至IncrementalDataset专属扩展接口
3. 增量数据集处理改进
虽然confirm()方法暂时保留在CatalogProtocol中,但团队认识到这属于增量数据集的特殊行为。长期解决方案应考虑:
- 为增量操作定义专门接口
- 使用策略模式或装饰器模式处理不同数据集类型的确认逻辑
- 避免将特定数据集行为污染通用Catalog接口
架构影响与优势
这次重构带来了显著的架构改进:
- 清晰的组件边界:Runner和Catalog职责分离,符合高内聚低耦合原则
- 更好的扩展性:用户可以自定义Catalog实现而不影响Runner工作
- 更合理的接口设计:CatalogProtocol更加专注于核心数据管理功能
- 并行处理解耦:为未来支持更多并行模式奠定基础
实施建议
对于想要进行类似解耦的项目,建议:
- 首先识别组件间的隐式依赖
- 定义清晰的接口边界
- 逐步迁移功能到正确的位置
- 为特殊用例考虑扩展机制而非修改核心接口
- 保持向后兼容性
未来方向
虽然当前重构解决了主要问题,但仍有一些优化空间:
- 完全移除exists()方法,寻找更优雅的缺失运行方案
- 将增量数据集确认逻辑移出核心接口
- 探索更灵活的数据集生命周期管理机制
- 考虑引入数据集操作的回调机制
这次重构展示了Kedro项目对软件设计原则的坚持,通过不断改进内部架构来提升框架的健壮性和可维护性,为使用者提供更清晰、更灵活的API设计。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~055CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0380- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
871
515

openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
346
380

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
334
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
31
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
603
58