使用PythonSDK构建大规模Argo Workflows_容器计算服务(ACS)-阿里云帮助中心

Argo Workflows广泛应用于定时任务、机器学习和ETL数据处理等场景，但当对Kubernetes不太熟练时，YAML定义工作流程可能会增加学习难度。Hera Python SDK提供了一种简洁易用的替代方案，允许以Python代码构建工作流，支持复杂任务场景，易于测试，并与Python生态无缝集成。

功能介绍

Argo Workflows主要依赖YAML来定义工作流程，以实现配置的清晰与简洁。但当数据科学家不熟悉YAML时，在复杂的工作流设计中，YAML的严格缩进要求及层次化的结构可能会增加配置难度。

Hera是一个专为构建和提交Argo工作流程设计的Python SDK框架，旨在简化工作流程的构建和提交。在处理复杂工作流时，使用Hera可以有效避免YAML可能产生的语法错误。使用Hera PythonSDK还具有以下优势。

代码简洁性：Hera提供了易于理解和编写的代码，可提升开发效率。
Python生态集成简单：每个Function就是一个Template，与Python生态中的各种框架无缝集成，提供了丰富的Python库和工具。
可测试性：可直接利用Python的测试框架，有助于提高代码的质量和可维护性。

前提条件

已安装Argo组件和控制台，并获取访问凭证和Argo Server 访问IP。具体操作，请参见启用批量任务编排能力。
已安装Hera。
```
pip install hera-workflows
```

场景一：Simple DAG Diamond

在Argo Workflows中，DAG（有向无环图）常用于定义复杂的任务依赖关系，其中Diamond结构是一种常见的工作流模式，可以实现多个任务并行执行后，并将结果汇聚到一个共同的后续任务。这种结构适用于需要合并不同数据流或处理结果的场景。以下展示如何使用Hera定义一个具有Diamond结构的工作流，其中两个任务taskA和taskB并行运行，它们的输出共同作为输入传递给taskC。

使用以下内容，创建simpleDAG.py。

# 导入相关包。
from hera.workflows import DAG, Workflow, script
from hera.shared import global_config
import urllib3

urllib3.disable_warnings()

# 配置访问地址和Token。
global_config.host = "https://${IP}:2746"
global_config.token = "abcdefgxxxxxx"  # 填入之前获取的Token。
global_config.verify_ssl = ""

# 装饰器函数script是Hera实现近乎原生的Python函数编排的关键功能。
# 它允许您在Hera上下文管理器（例如Workflow或Steps上下文）下调用该函数。
# 该函数在任何Hera上下文之外仍将正常运行，这意味着您可以在给定函数上编写单元测试。
# 该示例是打印输入的信息。
@script()
def echo(message: str):
    print(message)

# 构建Workflow，Workflow是Argo中的主要资源，也是Hera的关键类，负责保存模板、设置入口点和运行模板。
with Workflow(
    generate_name="dag-diamond-",
    entrypoint="diamond",
    namespace="argo",
) as w:
    with DAG(name="diamond"):
        A = echo(name="A", arguments={"message": "A"})  # 构建Template。
        B = echo(name="B", arguments={"message": "B"})
        C = echo(name="C", arguments={"message": "C"})
        D = echo(name="D", arguments={"message": "D"})
        A >> [B, C] >> D      # 构建依赖关系，B、C任务依赖A，D依赖B和C。
# 创建Workflow。
w.create()

执行以下命令，提交工作流。
```
python simpleDAG.py
```
工作流运行后，在工作流控制台（Argo）查看任务DAG流程与运行结果。

场景二：Map-Reduce

在Argo Workflows中实现MapReduce风格的数据处理时，需要有效利用其DAG模板，以组织和协调多个任务，从而模拟Map和Reduce阶段。以下展示如何使用Hera构建一个简单的MapReduce工作流，用于处理文本文件的单词计数任务。每一步都是一个Python函数，便于和Python生态进行集成。

配置Artifacts，相关操作，请参见配置Artifacts。

使用以下内容，创建map-reduce.py。

展开查看代码内容

from hera.workflows import DAG, Artifact, NoneArchiveStrategy, Parameter, OSSArtifact, Workflow, script
from hera.shared import global_config
import urllib3

urllib3.disable_warnings()
# 设置访问地址。
global_config.host = "https://${IP}:2746"
global_config.token = "abcdefgxxxxxx"  # 填入之前获取的Token。
global_config.verify_ssl = ""

# 使用script装饰函数时，将script参数传递给script装饰器。这包括image、inputs、outputs、resources等。
@script(
    image="mirrors-ssl.aliyuncs.com/python:alpine",
    inputs=Parameter(name="num_parts"),
    outputs=OSSArtifact(name="parts", path="/mnt/out", archive=NoneArchiveStrategy(), key="{{workflow.name}}/parts"),
)
def split(num_parts: int) -> None:  # 根据输入参数num_parts创建多个文件，文件中写入foo字符和parts编号
    import json
    import os
    import sys

    os.mkdir("/mnt/out")

    part_ids = list(map(lambda x: str(x), range(num_parts)))
    for i, part_id in enumerate(part_ids, start=1):
        with open("/mnt/out/" + part_id + ".json", "w") as f:
            json.dump({"foo": i}, f)
    json.dump(part_ids, sys.stdout)

# script中定义image、inputs、outputs
@script(
    image="mirrors-ssl.aliyuncs.com/python:alpine",
    inputs=[Parameter(name="part_id", value="0"), Artifact(name="part", path="/mnt/in/part.json"),],
    outputs=OSSArtifact(
        name="part",
        path="/mnt/out/part.json",
        archive=NoneArchiveStrategy(),
        key="{{workflow.name}}/results/{{inputs.parameters.part_id}}.json",
    ),
)
def map_() -> None:  # 根据文件中foo字符的个数，生成新文件，将foo内容parts编号乘以2，写入bar内容
    import json
    import os

    os.mkdir("/mnt/out")
    with open("/mnt/in/part.json") as f:
        part = json.load(f)
    with open("/mnt/out/part.json", "w") as f:
        json.dump({"bar": part["foo"] * 2}, f)

# script中定义image、inputs、outputs、resources
@script(
    image="mirrors-ssl.aliyuncs.com/python:alpine",
    inputs=OSSArtifact(name="results", path="/mnt/in", key="{{workflow.name}}/results"),
    outputs=OSSArtifact(
        name="total", path="/mnt/out/total.json", archive=NoneArchiveStrategy(), key="{{workflow.name}}/total.json"
    ),
)
def reduce() -> None:   # 计算每个parts对应bar值的总和。
    import json
    import os

    os.mkdir("/mnt/out")

    total = 0
    for f in list(map(lambda x: open("/mnt/in/" + x), os.listdir("/mnt/in"))):
        result = json.load(f)
        total = total + result["bar"]
    with open("/mnt/out/total.json", "w") as f:
        json.dump({"total": total}, f)

# 构建workflow，输入name、设置入口点、namespace、全局参数等。
with Workflow(generate_name="map-reduce-", entrypoint="main", namespace="argo", arguments=Parameter(name="num_parts", value="4")) as w:
    with DAG(name="main"):
        s = split(arguments=Parameter(name="num_parts", value="{{workflow.parameters.num_parts}}")) # 构建Templetes。
        m = map_(
            with_param=s.result,
            arguments=[Parameter(name="part_id", value="{{item}}"), OSSArtifact(name="part", key="{{workflow.name}}/parts/{{item}}.json"),],
        )   # 输入参数并构建templetes。
        s >> m >> reduce()   # 构建任务依赖关系。
# 创建工作流。
w.create()

执行以下命令，提交工作流。
```
python map-reduce.py
```
工作流运行后，您可以在工作流控制台（Argo）查看任务DAG流程与运行结果。

联系我们

若您有任何产品建议或疑问，请加入钉钉群（钉钉群号：35688562）联系我们。

功能介绍

前提条件

场景一：Simple DAG Diamond

场景二：Map-Reduce

相关文档

联系我们