Kedro项目中的Runner与Catalog解耦重构实践
2025-05-22 20:45:02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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++036Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0283Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp课程视频测验中的Tab键导航问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp音乐播放器项目中的函数调用问题解析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析7 freeCodeCamp课程页面空白问题的技术分析与解决方案8 freeCodeCamp博客页面工作坊中的断言方法优化建议9 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析10 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析
最新内容推荐
小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 STM32到GD32项目移植完全指南:从兼容性到实战技巧 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
160
2.03 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
533
60

React Native鸿蒙化仓库
C++
198
279

Ascend Extension for PyTorch
Python
46
78

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🎉 (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
947
556

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
381
17

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
996
396