Universe-lab 帮助中心

任务调度

创建于 2022-10-19 / 最近更新于 2022-11-07 / 1117
字体: [默认] [大] [更大]

在正式生产环境中,更加推荐通过工作流调起各类AI Flow的运行,以完成复杂业务场景的调度编排。

任务调度中关于工作流和数据流的使用请参考:《4.1 工作流定义设计》

1. 通过工作流调度AI Flow

工作流中可以通过“AI_Flow”节点,引用AI项目里的AI Flow,从而实现不同AI Flow的运行依赖调度编排,更可以结合其他算子(如使用QUALITY_MODEL算子对结果数据集进行检测,可根据结果阻断运行)灵活实现业务调度场景。

入口:工作流-AI_Flow算子-选择AI Flow

  • AI Flow本身不承担“调度”任务,开发过程中,一般通过AI项目内的“运行”,完成各AI Flow的手动调试过程,正式生产一般建议通过工作流进行调度。

  • 工作流中所调度的AI FLOW节点不受AI项目的限制,上下游的AI FLOW可以来自不同AI项目

2. 工作流中的AI Flow传参

当前工作流和AI FLOW都支持参数设定,当AI FLOW作为节点被工作流进行调度时,节点会将其AI FLOW的参数以及默认值暴露至工作流。此时用户可根据参数实际使用需要,决定是否传参至工作流。

  • 默认(灰色字体)为未传参至工作流状态,若不传参至工作流,工作流运行时,AI Flow参数解析将与其独立运行时保持一致:采取AI Flow默认参数值,参数若为引用关系(${参数名}),则遵循 AI Flow本级参数-->全局参数的顺序进行查找解析。

  • 若传参至工作流:即在参数设置中填入AI Flow参数(值可与原AI Flow保持一致,也可根据场景进行重新赋值),工作流运行时,AI Flow参数解析逻辑:

AI Flow默认参数值将被替换为工作流中赋予的新值,参数若为引用关系(${参数名}),则遵循AI Flow本身参数-->工作流参数-->全局参数的顺序进行查找解析。

  • 进行传参,参数可以是固定数值,也可以为工作流参数。具体工作流参数的声明可参考:《4.7.1 参数与变量》


0 人点赞过