duxingchen/WQ_GUI
2
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix(PipelineRunner): 接力棒断链修复 + 依赖级联自动唤醒引擎

Browse Source
This commit is contained in:
DXC
2026-06-09 09:07:59 +08:00
parent d22414bf7d
commit 371e7a2745
1 changed files with 471 additions and 85 deletions
Download Patch File Download Diff File Expand all files Collapse all files

556
src/core/pipeline/runner.py
View File

@ -5,18 +5,37 @@ PipelineRunner：基于 StepSpec 声明式调度 14 个 step。
设计要点：
- StepSpec 声明 requires（ctx 字段名列表）+ produces（ctx 字段名列表）
- 命名约定：ctx 字段名 == panel key 名 == step 形参名（全链路无翻译）
- 保留 spec.parameter_map 字段骨架供极少数特例覆盖（默认空 dict）
- 步骤命名：step_id 格式为 stepN 或 stepN_suffix（无小数位），method_name 与 step_id 对齐
- 调度顺序：按 PIPELINE_STEPS 列表顺序，requires 缺则 skip
- 软取消：在每个 step 前检查 ctx.is_cancelled()
- 断点续跑：spec.output_file 已落盘则跳过执行
- 错误汇总：全流程结束后 error_summary 记录所有 step 的异常
- 预检：run() 入口硬校验 step1 img_path；其余依赖通过智能补全 + 软警告处理
- PipelineHalt：外层 run() 不 catch，触发循环 break，实现硬终止
- STEP_MAP：旧 step_id → 新 step_id 双向映射，供 GUI 配置兼容使用
- duck-typed pipeline：runner 只调 getattr(pipeline, method_name)，不强依赖类层级
"""
from __future__ import annotations
import os
import time
from dataclasses import dataclass, field
from typing import Any, Dict, List, Optional, Sequence
from .context import PipelineContext
from .context import PipelineContext, STEP_MAP_OLD_TO_NEW, STEP_MAP_NEW_TO_OLD, resolve_step_id
# ============================================================
# 终止异常（外层 run() 不 catch，触发循环 break）
# ============================================================
class PipelineHalt(Exception):
"""不可恢复的错误，在 run() 循环中抛出后直接 break，不走 Exception 处理分支。
适用场景：
- GUI 层通过 _notify 弹窗拦截后主动抛出的硬终止信号
"""
pass
# ============================================================
@ -28,108 +47,137 @@ class StepSpec:
"""单个 step 的元信息（声明式，避免硬编码）"""
step_id: str
method_name: str
requires: List[str] # PipelineContext 字段名列表
produces: List[str] = field(default_factory=list) # 写入 ctx 的字段名列表
requires: List[str] # PipelineContext 字段名列表
produces: List[str] = field(default_factory=list) # 写入 ctx 的字段名列表
enabled: bool = True
parameter_map: Dict[str, str] = field(default_factory=dict)
# 当 requires 中任一字段为 None 时是否跳过；默认 True（缺输入就 skip）
skip_when_missing: bool = True
# 备注（仅用于文档生成 / 调试输出）
description: str = ""
# ★ 断点续跑：产物文件路径，支持 {work_dir} 占位符（运行时解析）
output_file: Optional[str] = None
# ★ 预检用：需要验证磁盘文件实际存在的 ctx key 列表
required_input_files: List[str] = field(default_factory=list)
# ============================================================
# 14 个 step 的声明表（顺序即调度顺序）
# 注：本表是"权威描述"，与 WorkerThread.step_method_map / 旧 run_full_pipeline 保持一致
# step_id / method_name 均不含小数位，与前端显示对齐
# output_file / required_input_files 使用 {work_dir} 占位符，由 _resolve_path 展开
# ============================================================
PIPELINE_STEPS: List[StepSpec] = [
StepSpec(
step_id="step1", method_name="step1_generate_water_mask",
step_id="step1", method_name="step1_water_mask",
requires=["img_path"], produces=["water_mask_path"],
required_input_files=["img_path"],
output_file="{work_dir}/1_water_mask/water_mask.dat",
description="水域掩膜生成（NDWI 或 SHP）",
),
StepSpec(
step_id="step2", method_name="step2_find_glint_area",
step_id="step2", method_name="step2_glint_detection",
requires=["img_path", "water_mask_path"], produces=["glint_mask_path"],
required_input_files=["img_path", "water_mask_path"],
output_file="{work_dir}/2_glint/glint_mask.dat",
description="耀斑区域检测",
),
StepSpec(
step_id="step3", method_name="step3_remove_glint",
step_id="step3", method_name="step3_deglint",
requires=["img_path", "water_mask_path", "glint_mask_path"],
produces=["deglint_img_path"],
required_input_files=["img_path", "water_mask_path", "glint_mask_path"],
output_file="{work_dir}/3_deglint/deglint.bsq",
description="耀斑去除",
),
StepSpec(
step_id="step4", method_name="step4_process_csv",
step_id="step4", method_name="step4_data_preparation",
requires=["csv_path"], produces=["processed_csv_path"],
required_input_files=["csv_path"],
output_file="{work_dir}/4_processed_data/processed_data.csv",
description="CSV 异常值清洗",
),
StepSpec(
step_id="step5", method_name="step5_extract_training_spectra",
step_id="step5", method_name="step5_spectral_extraction",
requires=["deglint_img_path", "processed_csv_path", "csv_path", "boundary_path", "glint_mask_path"],
produces=["training_csv_path"],
# processed_csv_path(step4 产物) 才是 step5 真正需要的主路径，
# 通过 parameter_map 显式映射到形参 csv_path。
# raw csv_path 也保留在 requires 中以备 user_config 覆盖，
# 但用占位名 _raw_csv_ignored 注入，落到 step5 形参列表末尾的 **kwargs 兜底。
# 这样可以避免 L2 顺序注入中"后注入的 csv_path=None 覆盖前面的 processed_csv_path"的冲突。
parameter_map={
"processed_csv_path": "csv_path",
"csv_path": "_raw_csv_ignored",
},
skip_when_missing=False,
required_input_files=["deglint_img_path", "processed_csv_path", "boundary_path", "glint_mask_path"],
output_file="{work_dir}/5_training_spectra/training_spectra.csv",
description="实测样本点光谱提取",
),
StepSpec(
step_id="step5_5", method_name="step5_5_calculate_water_quality_indices",
step_id="step8", method_name="step8_water_quality_indices",
requires=["training_csv_path"], produces=["indices_path"],
required_input_files=["training_csv_path"],
output_file="{work_dir}/6_water_quality_indices/water_quality_indices.csv",
description="水质光谱指数计算（optional）",
),
StepSpec(
step_id="step6", method_name="step6_train_models",
step_id="step7", method_name="step7_ml_modeling",
requires=["training_csv_path"], produces=["models_dir"],
required_input_files=["training_csv_path"],
output_file="{work_dir}/7_Supervised_Model_Training/best_models.pkl",
description="ML 建模（GridSearchCV / AutoML）",
),
StepSpec(
step_id="step6_5", method_name="step6_5_non_empirical_modeling",
step_id="step8_non_empirical_modeling",
method_name="step8_non_empirical_modeling",
requires=["training_csv_path"], produces=["models_dir"],
parameter_map={"training_csv_path": "csv_path"},
required_input_files=["training_csv_path"],
output_file="{work_dir}/8_Regression_Modeling/non_empirical_models.pkl",
description="非经验统计回归",
),
StepSpec(
step_id="step6_75", method_name="step6_75_custom_regression",
step_id="step9", method_name="step9_custom_regression",
requires=["indices_path"], produces=["models_dir"],
parameter_map={"indices_path": "csv_path"},
required_input_files=["indices_path"],
output_file="{work_dir}/9_Custom_Regression_Modeling/custom_regression_models.pkl",
description="自定义回归分析",
),
StepSpec(
step_id="step7", method_name="step7_generate_sampling_points",
step_id="step10", method_name="step10_sampling",
requires=["deglint_img_path", "water_mask_path"], produces=["sampling_csv_path"],
required_input_files=["deglint_img_path", "water_mask_path"],
output_file="{work_dir}/10_sampling/sampling_spectra.csv",
description="整景密集采样点生成 + 光谱提取",
),
StepSpec(
step_id="step8", method_name="step8_predict_water_quality",
step_id="step11_ml", method_name="step11_ml_prediction",
requires=["sampling_csv_path", "models_dir"], produces=["prediction_csv_path"],
required_input_files=["sampling_csv_path", "models_dir"],
output_file="{work_dir}/11_12_13_predictions/prediction_results.csv",
description="ML 模型预测（采样点）",
),
StepSpec(
step_id="step8_5", method_name="step8_5_predict_with_non_empirical_models",
step_id="step11", method_name="step11_non_empirical_prediction",
requires=["sampling_csv_path", "models_dir"], produces=["prediction_dir"],
parameter_map={"models_dir": "non_empirical_models_dir"},
required_input_files=["sampling_csv_path", "models_dir"],
output_file="{work_dir}/11_12_13_predictions/non_empirical_predictions",
description="非经验模型预测",
),
StepSpec(
step_id="step8_75", method_name="step8_75_predict_with_custom_regression",
step_id="step12", method_name="step12_custom_regression_prediction",
requires=["sampling_csv_path", "models_dir", "formula_csv_path"],
produces=["prediction_dir"],
parameter_map={"models_dir": "custom_regression_dir"},
required_input_files=["sampling_csv_path", "models_dir", "formula_csv_path"],
output_file="{work_dir}/11_12_13_predictions/custom_regression_predictions",
description="自定义回归预测",
),
StepSpec(
step_id="step9", method_name="step9_generate_distribution_map",
step_id="step14", method_name="step14_distribution_map",
requires=["prediction_csv_path", "boundary_shp_path"],
produces=["distribution_map_path"],
required_input_files=["prediction_csv_path", "boundary_shp_path"],
output_file="{work_dir}/distribution_map.png",
description="克里金插值成图",
),
]
@ -140,47 +188,361 @@ PIPELINE_STEPS: List[StepSpec] = [
# ============================================================
class PipelineRunner:
"""按 StepSpec 调度 14 个 step 方法，支持软取消 + 路径 ctx 注入。
"""按 StepSpec 调度 14 个 step 方法，支持软取消 + 断点续跑 + 错误汇总。
用法：
ctx = PipelineContext(img_path=..., work_dir=..., user_config=config)
runner = PipelineRunner(pipeline_instance)
ctx = PipelineContext(img_path=..., ...)
result_ctx = runner.run(ctx)
result_ctx = runner.run(ctx) # 预检通过后开始执行
print(result_ctx.error_summary) # [(step_id, error_msg), ...]
"""
def __init__(self, pipeline, steps: Optional[Sequence[StepSpec]] = None):
self.pipeline = pipeline
self.steps: List[StepSpec] = list(steps) if steps else list(PIPELINE_STEPS)
def run(self, ctx: PipelineContext) -> PipelineContext:
"""主入口：按顺序执行 14 步。软取消时已完成的 step 保留结果。"""
# ------------------------------------------------------------------
# 主入口
# ------------------------------------------------------------------
def run(self, ctx: PipelineContext, skip_list: Optional[List[str]] = None) -> PipelineContext:
"""全流程入口：智能补全 → 预检（软警告）→ 执行。
Args:
ctx: PipelineContext
skip_list: 用户在 PreflightDialog 中选择忽略的 step_id 列表。
命中项设置 status="user_skipped"，打印醒目日志。
"""
ctx.pipeline_start_time = time.time()
error_summary: List[tuple[str, str]] = []
skip_set = set(skip_list) if skip_list else set()
# ── ★ Step1 img_path 硬校验（缺失则立即终止整个流程） ──
if not ctx.get("img_path"):
msg = "【全流程预检失败】缺少参考影像路径 (img_path)，流程无法启动。"
ctx.append_log(f"[RUNNER] {msg}")
self._notify_step("全流程", "error", msg)
ctx.last_error = msg
ctx.pipeline_end_time = time.time()
return ctx
# ── ★ 智能补全：扫描 work_dir 默认产物路径，回填 ctx ──
self._scan_workdir_outputs(ctx)
# ── ★ 自动补全缺失步骤：work_dir 有产物则强制开启 + 回填路径 ──
self._auto_fill_missing_steps(ctx)
# ── 软预检警告（不再阻断，仅记录日志）──
self._preflight_warnings(ctx)
# 断点续跑预扫描：ctx 已有产物则记录诊断日志
self._restore_outputs_from_ctx(ctx)
# ── ★ 依赖级联自动唤醒：在主循环开始前补齐所有前置缺口 ──
self._resolve_dependencies(ctx)
for spec in self.steps:
# ── 软取消 ──
if ctx.is_cancelled():
ctx.append_log(f"[RUNNER] 收到取消信号，提前终止 @ {spec.step_id}")
break
if not spec.enabled:
# ── disabled 跳过（locked_steps 不受此约束）──
if not spec.enabled and spec.step_id not in ctx.locked_steps:
ctx.status[spec.step_id] = "skipped"
ctx.append_log(f"[RUNNER] {spec.step_id} 标记为 disabled，跳过")
continue
# ── ★ 用户强制跳过（PreflightDialog 勾选） ──
if spec.step_id in skip_set:
ctx.status[spec.step_id] = "user_skipped"
ctx.append_log(
f"\n{'='*60}\n"
f" ⚠ 用户强制跳过: {spec.step_id}（{spec.description}）\n"
f" 原因：用户在预检弹窗中勾选「忽略」，已确认跳过\n"
f"{'='*60}\n"
)
self._notify_step(spec.step_id, "skipped", "用户强制跳过（预检弹窗）")
continue
# ── 依赖缺失检查 ──
if spec.skip_when_missing:
missing = [k for k in spec.requires if not ctx.get(k)]
if missing:
ctx.status[spec.step_id] = "skipped"
reason = f"缺少必要的上下文参数，自动跳过: {missing}"
ctx.append_log(f"[RUNNER] {spec.step_id} {reason}")
if hasattr(self.pipeline, "_notify"):
self.pipeline._notify(spec.description, "skipped", reason)
continue
self._invoke(spec, ctx)
# ── ★ 智能补全的步骤：work_dir 有产物，但 requires 仍缺失（罕见），报 warning 不跳过
if spec.step_id in ctx.locked_steps:
ctx.append_log(
f"[RUNNER] ⚠ {spec.step_id} 已锁定但 requires 仍缺失 {missing}，"
"尝试执行（可能因依赖前置步骤失败）"
)
else:
ctx.status[spec.step_id] = "skipped"
reason = f"缺少必要的上下文参数，自动跳过: {missing}"
ctx.append_log(f"[RUNNER] {spec.step_id} {reason}")
self._notify_step(spec.step_id, "skipped", reason)
continue
# ── ★ 断点续跑：产物文件已存在则跳过 ──
resolved_path = self._resolve_path(spec.output_file, ctx)
if resolved_path and os.path.exists(resolved_path):
ctx.status[spec.step_id] = "skipped"
reason = f"产物已存在，跳过: {resolved_path}"
ctx.append_log(f"[RUNNER] {spec.step_id} {reason}")
self._notify_step(spec.step_id, "skipped", reason)
self._restore_ctx_from_output(spec, resolved_path, ctx)
continue
# ── 执行（正常路径） ──
try:
self._invoke(spec, ctx)
except PipelineHalt:
# ★ PipelineHalt 不走 error_summary，触发立即 break
ctx.append_log(f"[RUNNER] PipelineHalt 硬终止 @ {spec.step_id}")
self._notify_step(spec.step_id, "error", "预检失败，硬终止")
break
except Exception as exc:
ctx.status[spec.step_id] = "error"
error_summary.append((spec.step_id, str(exc)))
ctx.last_error = f"{spec.step_id}: {exc!r}"
ctx.append_log(f"[RUNNER] {spec.step_id} 异常: {exc!r}")
self._notify_step(spec.step_id, "error", str(exc))
# ★ 任意 Exception 均立即 break，不再执行后续步骤
break
ctx.pipeline_end_time = time.time()
ctx.error_summary = error_summary
return ctx
# ------------------------------------------------------------------
# ★ 智能补全：工作目录产物扫描
# ------------------------------------------------------------------
def _scan_workdir_outputs(self, ctx: PipelineContext) -> None:
"""扫描 work_dir 下所有步骤的默认产物路径，若存在则回填 ctx。
利用 spec.output_file 的 {work_dir} 占位符，展开为实际绝对路径。
存在则写入对应的 ctx 字段（produces），供后续步骤直接使用。
已在 ctx 中有值的字段不会被覆盖。
"""
work_dir = ctx.get("work_dir") or ""
if not work_dir:
return
for spec in self.steps:
if not spec.produces:
continue
for produce_key in spec.produces:
if ctx.get(produce_key):
continue # 已有人工填写的值，不覆盖
resolved = self._resolve_path(spec.output_file, ctx)
if resolved and os.path.exists(resolved):
ctx.set(produce_key, resolved)
ctx.append_log(
f"[AUTO_FILL] 检测到已有产物，回填 {produce_key} = {resolved}"
)
# ------------------------------------------------------------------
# ★ 智能补全：强制开启被静默跳过的步骤
# ------------------------------------------------------------------
def _auto_fill_missing_steps(self, ctx: PipelineContext) -> None:
"""检查所有 disabled 步骤。
若某步骤的 output_file 已在 work_dir 落盘（断点续跑），
说明该步骤之前已完成但被用户在 GUI 中禁用了。
此时系统自动重开启该步骤（forced=True），并将其加入 locked_steps。
同时，将已落盘的产物路径回填到对应的 ctx 字段，
确保下游步骤能正常拿到输入。
阻断性缺失（step1 img_path）已在 run() 入口硬校验，此处不处理。
"""
newly_locked: List[str] = []
for spec in self.steps:
if spec.enabled:
continue # 用户主动开启的步骤不受影响
skip_set = getattr(ctx, '_skip_set', set())
if spec.step_id in skip_set:
continue # 用户在 PreflightDialog 中手动忽略的步骤不自动补全
resolved = self._resolve_path(spec.output_file, ctx)
if resolved and os.path.exists(resolved):
# ── 该步骤已有产物但被禁用 → 自动开启 ──
spec.enabled = True
ctx.locked_steps.append(spec.step_id)
newly_locked.append(spec.step_id)
# 回填所有产物字段到 ctx
for produce_key in spec.produces:
if not ctx.get(produce_key):
ctx.set(produce_key, resolved)
ctx.append_log(
f"[AUTO_FILL] 强制开启并回填 {spec.step_id} 产物 {produce_key} = {resolved}"
)
ctx.append_log(
f"\n{'='*60}\n"
f" ⚡ 智能补全：步骤 {spec.step_id}（{spec.description}）\n"
f" 原因：该步骤在 work_dir 中已有产物但被您在 GUI 中禁用了。\n"
f" 操作：系统已自动开启该步骤，产物路径已回填。\n"
f" 注意：运行期间该步骤已被锁定，您无法临时关闭。\n"
f"{'='*60}\n"
)
if newly_locked:
self._notify_step(
"全流程",
"info",
f"智能补全已自动开启 {len(newly_locked)} 个步骤：{newly_locked}"
)
# ------------------------------------------------------------------
# ★ 依赖级联自动唤醒引擎
# ------------------------------------------------------------------
def _resolve_dependencies(self, ctx: PipelineContext) -> None:
"""依赖追溯循环：遍历所有 enabled 步骤，强制唤醒缺失前置。
核心逻辑：
- 遍历当前 enabled=True 的步骤，检查其 requires
- 若所需 key 在 ctx 中不存在，则向上寻找 produces 该 key 的前置 Step
- 将该前置 Step 强制设为 enabled=True（加入 locked_steps）
- 递归执行，直到所有前置缺口都被强制补齐
- 已存在的产物文件自动回填 ctx
"""
# 构建 produces→step_id 反查表（仅关注 enabled 或潜在的前置步骤）
produce_to_step: Dict[str, StepSpec] = {}
for spec in self.steps:
for key in spec.produces:
produce_to_step[key] = spec
woke_up: List[str] = []
changed = True
while changed:
changed = False
for spec in self.steps:
if not spec.enabled:
continue
for required_key in spec.requires:
# ctx 已有值 → 无需追溯
if ctx.get(required_key):
continue
# 磁盘文件是否存在（work_dir 产物已落盘但 ctx 未回填的情况）
resolved = self._resolve_output_for_key(required_key, ctx)
if resolved and os.path.exists(resolved):
ctx.set(required_key, resolved)
continue
# 缺少且无磁盘产物 → 追溯 produces 者
if required_key not in produce_to_step:
continue
provider = produce_to_step[required_key]
if provider.enabled:
continue # 已开启但尚未执行（会在主循环中处理）
# 强制唤醒
provider.enabled = True
if provider.step_id not in ctx.locked_steps:
ctx.locked_steps.append(provider.step_id)
woke_up.append(provider.step_id)
ctx.append_log(
f"[INFO] 因下游依赖需求，自动唤醒并执行步骤: {provider.step_id}"
)
# 递归：检查新开启步骤自身的前置是否也缺失
changed = True
if woke_up:
detail = "、".join(woke_up)
ctx.append_log(
f"[RUNNER] ★ 依赖级联自动唤醒已完成，共开启 {len(woke_up)} 个步骤：{detail}"
)
self._notify_step(
"全流程", "info",
f"依赖级联自动唤醒 {len(woke_up)} 个步骤：{woke_up}"
)
# 扫描新开启步骤的 work_dir 产物，回填 ctx
for spec in self.steps:
if spec.step_id in woke_up:
self._scan_single_step_outputs(spec, ctx)
def _resolve_output_for_key(
self, produce_key: str, ctx: PipelineContext
) -> Optional[str]:
"""根据 produces key 查找对应步骤的 output_file 并展开路径。"""
for spec in self.steps:
if produce_key in spec.produces:
return self._resolve_path(spec.output_file, ctx)
return None
def _scan_single_step_outputs(
self, spec: StepSpec, ctx: PipelineContext
) -> None:
"""扫描单个步骤的 work_dir 产物，回填 ctx（不覆盖已有值）。"""
if not spec.produces:
return
for produce_key in spec.produces:
if ctx.get(produce_key):
continue
resolved = self._resolve_path(spec.output_file, ctx)
if resolved and os.path.exists(resolved):
ctx.set(produce_key, resolved)
ctx.append_log(
f"[AUTO_FILL] 依赖唤醒后检测到产物，回填 {produce_key} = {resolved}"
)
# ------------------------------------------------------------------
# 软预检警告（不再阻断）
# ------------------------------------------------------------------
def _preflight_warnings(self, ctx: PipelineContext) -> None:
"""软预检警告：遍历所有步骤，检测可预见的运行时跳过。
所有缺失均以 warning 记录日志，不抛异常，不阻止执行。
GUI 层可通过回调函数 _notify_step 向用户展示警告列表。
"""
warnings: List[str] = []
for spec in self.steps:
if not spec.enabled:
continue
# ── Step4 csv_path 缺失警告 ──
if spec.step_id == "step4":
if not ctx.get("csv_path"):
warnings.append(
f"[{spec.step_id}] 缺少实测水质数据 (csv_path)，"
"步骤 5-9 将被自动跳过"
)
# ── 磁盘文件缺失警告（已填充 ctx 但文件实际不存在）──
for ctx_key in spec.required_input_files:
value = ctx.get(ctx_key)
if not value:
continue
if not os.path.exists(value):
warnings.append(
f"[{spec.step_id}] 磁盘文件缺失（但 ctx 已回填）: {ctx_key} = {value}"
)
if warnings:
detail = "\n".join(f" - {w}" for w in warnings)
ctx.append_log(
f"[RUNNER] 【软预检警告】（流程将继续执行，缺失项将被自动跳过）\n{detail}"
)
self._notify_step("全流程", "warning", f"预检警告：{len(warnings)} 项\n{detail}")
# ------------------------------------------------------------------
# 单步调用
# ------------------------------------------------------------------
def _invoke(self, spec: StepSpec, ctx: PipelineContext) -> None:
"""调一个 step 方法：ctx 路径 → 形参；产出 → ctx 字段。"""
# DEBUG: 诊断"停在 step4"问题——每步打印 requires + ctx 实际数据
# 看到 requires=[] 但 actual=[None,...] 就说明 ctx 缺料，step 会被 skip
ctx.append_log(
f"[DEBUG] Step {spec.step_id} requires: {spec.requires}, "
f"actual ctx data: {[ctx.get(k) for k in spec.requires]}"
@ -191,17 +553,16 @@ class PipelineRunner:
ctx.status[spec.step_id] = "skipped"
return
# 1) 把 ctx 路径作为形参注入（默认约定：去 _path 后缀）
# 1) 把 ctx 路径作为形参注入
kwargs: Dict[str, Any] = {}
for ctx_key in spec.requires:
param_name = spec.parameter_map.get(ctx_key, self._default_param_name(ctx_key))
kwargs[param_name] = ctx.get(ctx_key)
# 2) 允许用户在 ctx.user_config[step_id] 覆盖/补充
# 2) 允许用户在 ctx.user_config[step_id] 覆盖/补充（非空值才覆盖）
user_overrides = ctx.user_config.get(spec.step_id) or {}
if isinstance(user_overrides, dict):
for k, v in user_overrides.items():
# ★ 关键防御：绝不用 GUI 的“空字符串”或 None 覆盖上游传来的有效路径
if v is not None and v != "":
kwargs[k] = v
@ -210,51 +571,27 @@ class PipelineRunner:
f"[RUNNER] -> {spec.method_name}({list(kwargs.keys())})"
)
ctx.status[spec.step_id] = "start"
notify = getattr(self.pipeline, "_notify", None)
if callable(notify):
try:
notify(f"步骤{spec.step_id[-1]}", "start", spec.method_name)
except Exception:
pass
self._notify_step(spec.step_id, "start", spec.method_name)
# 4) 执行 + 捕获异常（不让单步崩溃拖垮 runner）
# 4) 执行（外层 run() 统一捕获异常）
t0 = time.time()
try:
result = method(**kwargs)
ctx.status[spec.step_id] = "completed"
ctx.step_timings[spec.step_id] = time.time() - t0
result = method(**kwargs)
ctx.status[spec.step_id] = "completed"
ctx.step_timings[spec.step_id] = time.time() - t0
# 5) 产出收割
self._harvest(spec, result, ctx)
if callable(notify):
try:
notify(
f"步骤{spec.step_id[-1]}",
"completed",
str(result)[:200] if result is not None else "",
)
except Exception:
pass
except Exception as exc:
ctx.status[spec.step_id] = "error"
ctx.last_error = f"{spec.step_id}: {exc!r}"
ctx.append_log(f"[RUNNER] {spec.step_id} 异常: {exc!r}")
if callable(notify):
try:
notify(f"步骤{spec.step_id[-1]}", "error", str(exc))
except Exception:
pass
# 5) 产出收割
self._harvest(spec, result, ctx)
self._notify_step(
spec.step_id, "completed",
str(result)[:200] if result is not None else "",
)
# ------------------------------------------------------------------
def _harvest(self, spec: StepSpec, result: Any, ctx: PipelineContext) -> None:
"""把 step 方法返回值灌入 ctx 的 produces 字段。
# 产出收割
# ------------------------------------------------------------------
规则：
- 若 result 是 dict 且 key 匹配 produce_key：ctx.set(produce_key, result[key])
- 若 result 非 dict 且 produces 非空：第一个 produces 字段接 result
- 若 produces 为空：result 仅记录到 log，不写 ctx
"""
def _harvest(self, spec: StepSpec, result: Any, ctx: PipelineContext) -> None:
"""把 step 方法返回值灌入 ctx 的 produces 字段。"""
if not spec.produces:
return
if isinstance(result, dict):
@ -265,10 +602,59 @@ class PipelineRunner:
ctx.set(spec.produces[0], result)
# ------------------------------------------------------------------
# 断点续跑辅助
# ------------------------------------------------------------------
def _resolve_path(
self, template: Optional[str], ctx: PipelineContext
) -> Optional[str]:
"""解析模板中的 {work_dir} 占位符，返回展开后的绝对路径或 None。"""
if not template:
return None
work_dir = ctx.get("work_dir") or ""
try:
return template.format(work_dir=work_dir)
except (KeyError, ValueError):
return template
def _restore_outputs_from_ctx(self, ctx: PipelineContext) -> None:
"""诊断日志：记录 ctx 中已有的非 None 产物。"""
for spec in self.steps:
if not (spec.enabled and spec.produces):
continue
for key in spec.produces:
val = ctx.get(key)
if val:
ctx.append_log(
f"[RUNNER] 断点续跑检测: {spec.step_id} 已有 {key} = {val}"
)
def _restore_ctx_from_output(
self, spec: StepSpec, resolved_path: str, ctx: PipelineContext
) -> None:
"""断点跳过时：将已存在的 output_file 写回 ctx 所有 produces 字段，供下游使用。
接力棒断链修复：遍历 spec.produces 逐一注册，不遗漏任何下游可能依赖的 key。
"""
if not spec.produces:
return
for produce_key in spec.produces:
ctx.set(produce_key, resolved_path)
# ------------------------------------------------------------------
# 工具
# ------------------------------------------------------------------
@staticmethod
def _default_param_name(ctx_key: str) -> str:
"""
废弃有毒的去 _path 后缀逻辑。
默认原样返回 ctx 键名作为形参名。遇到特殊缩写时，由各个 step 的 parameter_map 显式处理。
"""
"""默认原样返回 ctx 键名作为形参名。特殊缩写由 parameter_map 显式处理。"""
return ctx_key
def _notify_step(self, step_id: str, status: str, message: str) -> None:
"""通过 pipeline.callback 通知 GUI 当前步骤状态。"""
notify = getattr(self.pipeline, "_notify", None)
if callable(notify):
try:
notify(step_id, status, message)
except Exception:
pass