Digdag 开源工作流引擎安装与使用指南
2024-08-10 18:20:12作者:乔或婵
目录结构及介绍
当你通过克隆或下载的方式获取到 Digdag 的最新代码仓库时,其基本目录结构大致如下:
digdag/
├── digdag-core/ # 核心功能代码库
├── digdag-server/ # 提供服务端支持的代码库
├── digdag-ui/ # 用户界面(前端)开发代码库
├── digdag-docs/ # 文档资料存储位置
│ └── src # Sphinx构建网站所需要的文档源码
└── gradle.properties # Gradle 构建系统配置文件
digdag-core/
核心功能代码存放处,包括所有与工作流处理相关的逻辑。
digdag-server/
包含运行服务器所需的所有组件,如 REST API 实现等。
digdag-ui/
负责前端展示层,用于提供图形化界面给用户操作。
digdag-docs/
所有文档和示例都保存于此目录下。
项目启动文件介绍
要启动 Digdag 项目,可以通过多种方式进行:
-
本地编译并运行服务 使用命令行进入对应目录执行相关命令,例如在
digdag-ui/目录中:cd digdag-ui/ npm install # 安装必要的包依赖 npm run dev # 启动一个开发环境下的服务器,在 http://localhost:9000/ 可以访问更新 REST API 文档:
./gradlew swaggerYaml # 将生成最新的 Swagger YAML 文件 -
利用 Docker 镜像部署 对于更自动化和标准化的部署流程,可以借助 Docker 运行容器:
docker run -dp 8080:8080 swaggerapi/swagger-ui # 启动 Swagger UI 在另一个控制台 open http://localhost:8080/ # 访问 Swagger UI 界面
项目配置文件介绍
主要使用的配置文件位于各个子模块内,尤其是~/config/digdag/config目录下的各种配置文件。这里的关键是定义如何与外部服务进行交互以及调整内部行为,比如:
-
HTTP 请求头的跨域策略 (CORS) 可以设置允许跨域请求的来源、方法类型及其他相关参数:
server.http.headers.access-control-allow-origin = http://localhost:9000 server.http.headers.access-control-allow-headers = origin, content-type, accept, authorization, x-td-account-override, x-xsrf-token, cookie server.http.headers.access-control-allow-credentials = true server.http.headers.access-control-allow-methods = GET, POST, PUT, DELETE, OPTIONS, HEAD
此外,对于如何组织和编写工作流,通常会有.dig扩展名的配置文件作为核心组成部分。例如,在创建一个新的工作流目录和初始化该工作流时,将自动生成相应的配置文件:
digdag init my_test_digdag # 创建新工作流及其默认配置文件
digdag run my_test_digdag # 执行该工作流
这些文件会指定任务列表、它们之间的依赖关系以及其他选项,全部采用 YAML 格式书写。 总结来说,从目录结构解析到启动指令解释再到配置细节说明,上述概述涵盖了 Digdag 主要方面的入门知识。希望这份指南能够帮助你在探索和应用此开源项目时更加得心应手。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.72 K
deepin linux kernel
C
24
7
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++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
1.03 K
469
Ascend Extension for PyTorch
Python
151
177
暂无简介
Dart
605
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
231
83
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
364
3 K
React Native鸿蒙化仓库
JavaScript
237
310