Merge pull request #33 from tochka-public/breaking_change/remove_node…

…like

BREAKING CHANGE: (#31) Removing the special nodes classes

README.md

@@ -5,29 +5,17 @@
 ## Table of Contents
 
 - [Usage](#usage)
-  - [Что нужно, чтобы сделать свой пайплайн?](#что-нужно-чтобы-сделать-свой-пайплайн)
-  - [Поддерживаемые типы узлов](#поддерживаемые-типы-узлов)
 - [Development](#development)
     - [Environment setup](#environment-setup)
 
 
 ## Usage
-### Что нужно, чтобы сделать свой пайплайн?
 
-1. Написать классы узлов
-2. Связать узлы посредством указания зависимости
+To create a pipeline:
+1. Define classes that represent nodes
+2. Connect nodes by defining the parent node(-s) or no parent for each node
 
 
-### Поддерживаемые типы узлов
-
-[Протоколы](ml_pipeline_engine/types.py)
-
-1. [DataSource](ml_pipeline_engine/base_nodes/datasources.py)
-2. [FeatureBase](ml_pipeline_engine/base_nodes/feature.py)
-3. [MLModelBase](ml_pipeline_engine/base_nodes/ml_model.py)
-4. [ProcessorBase](ml_pipeline_engine/base_nodes/processors.py)
-5. [FeatureVectorizerBase](ml_pipeline_engine/base_nodes/vectorizer.py)
-
 Примеры использования описаны в файле [docs/usage_examples.md](docs/usage_examples.md)
 
 ## Development

ml_pipeline_engine/chart.py

@@ -8,13 +8,14 @@
 from ml_pipeline_engine.types import DAGLike
 from ml_pipeline_engine.types import EventManagerLike
 from ml_pipeline_engine.types import ModelName
-from ml_pipeline_engine.types import NodeLike
+from ml_pipeline_engine.types import NodeBase
+from ml_pipeline_engine.types import PipelineChartLike
 from ml_pipeline_engine.types import PipelineId
 from ml_pipeline_engine.types import PipelineResult
 
 NodeResultT = t.TypeVar('NodeResultT')
 
-Entrypoint = t.Optional[t.Union[NodeLike[NodeResultT], DAGLike[NodeResultT]]]
+Entrypoint = t.Optional[t.Union[NodeBase[NodeResultT], DAGLike[NodeResultT]]]
 
 
 @dataclass(frozen=True, repr=False)
@@ -30,7 +31,7 @@ class PipelineChartBase:
 
 
 @dataclass(frozen=True, repr=False)
-class PipelineChart(PipelineChartBase):
+class PipelineChart(PipelineChartBase, PipelineChartLike):
     """
     Основная реализация определения пайплайна ML-модели
     """

ml_pipeline_engine/context/dag.py

@@ -9,10 +9,11 @@
 from ml_pipeline_engine.types import ModelName
 from ml_pipeline_engine.types import NodeId
 from ml_pipeline_engine.types import PipelineChartLike
+from ml_pipeline_engine.types import PipelineContextLike
 from ml_pipeline_engine.types import PipelineId
 
 
-class DAGPipelineContext(EventSourceMixin):
+class DAGPipelineContext(EventSourceMixin, PipelineContextLike):
     """
     Контекст выполнения пайплайна ML-модели
     """

ml_pipeline_engine/dag/dag.py

@@ -9,8 +9,8 @@
 from ml_pipeline_engine.parallelism import threads_pool_registry
 from ml_pipeline_engine.types import DAGLike
 from ml_pipeline_engine.types import DAGRunManagerLike
+from ml_pipeline_engine.types import NodeBase
 from ml_pipeline_engine.types import NodeId
-from ml_pipeline_engine.types import NodeLike
 from ml_pipeline_engine.types import NodeResultT
 from ml_pipeline_engine.types import PipelineContextLike
 from ml_pipeline_engine.types import RetryPolicyLike
@@ -23,7 +23,7 @@ class DAG(DAGLike):
     output_node: NodeId
     is_process_pool_needed: bool
     is_thread_pool_needed: bool
-    node_map: t.Dict[NodeId, NodeLike]
+    node_map: t.Dict[NodeId, NodeBase]
     retry_policy: t.Type[RetryPolicyLike] = NodeRetryPolicy
     run_manager: t.Type[DAGRunManagerLike] = DAGRunConcurrentManager
 

ml_pipeline_engine/dag_builders/annotation/builder.py

@@ -21,7 +21,6 @@
 from ml_pipeline_engine.types import DAGLike
 from ml_pipeline_engine.types import NodeBase
 from ml_pipeline_engine.types import NodeId
-from ml_pipeline_engine.types import NodeLike
 from ml_pipeline_engine.types import RecurrentProtocol
 
 __all__ = [
@@ -39,7 +38,7 @@
 class AnnotationDAGBuilder:
     def __init__(self) -> None:
         self._dag = DiGraph(name='main-graph')
-        self._node_map: t.Dict[NodeId, NodeLike] = dict()
+        self._node_map: t.Dict[NodeId, NodeBase] = dict()
         self._recurrent_sub_graphs: t.List[t.Tuple[NodeId, NodeId]] = []
         self._synthetic_nodes: t.List[NodeId] = []
 
@@ -49,22 +48,21 @@ def _check_annotations(obj: t.Any) -> None:
         Проверка наличия аннотаций типов у переданного объекта.
         В случае, если есть хотя бы один не типизированный параметр, будет ошибка.
         """
+        run_method = get_callable_run_method(obj)
 
-        obj = get_callable_run_method(obj)
-
-        annotations = getattr(obj, '__annotations__', None)
+        annotations = getattr(run_method, '__annotations__', None)
         parameters = [
             (name, bool(parameter.empty))
-            for name, parameter in inspect.signature(obj).parameters.items()
+            for name, parameter in inspect.signature(run_method).parameters.items()
             if name not in ('self', 'args', 'kwargs')
         ]
 
         if not annotations and parameters:
-            raise errors.UndefinedAnnotation(f'Невозможно найти аннотации типов. obj={obj}')
+            raise errors.UndefinedAnnotation(f'Невозможно найти аннотации типов. obj={run_method}')
 
         for name, is_empty in parameters:
             if is_empty and name not in annotations:
-                raise errors.UndefinedParamAnnotation(f'Не указан тип для параметра name={name}, obj={obj}')
+                raise errors.UndefinedParamAnnotation(f'Не указан тип для параметра name={name}, obj={run_method}')
 
     @staticmethod
     def _check_base_class(node: t.Any) -> None:
@@ -80,7 +78,7 @@ def _check_base_class(node: t.Any) -> None:
                 f'У объекта не существует корректного базового класса, пригодного для графа. node={node}',
             )
 
-    def validate_node(self, node: NodeLike) -> None:
+    def validate_node(self, node: NodeBase) -> None:
         """
         Валидация ноды по разным правилам
         """
@@ -89,7 +87,7 @@ def validate_node(self, node: NodeLike) -> None:
         self._check_annotations(node)
 
     @staticmethod
-    def _get_input_marks_map(node: NodeLike) -> t.List[NodeInputSpec]:
+    def _get_input_marks_map(node: NodeBase) -> t.List[NodeInputSpec]:
         """
         Получение меток зависимостей для входных kwarg-ов узла
         """
@@ -112,7 +110,7 @@ def _get_input_marks_map(node: NodeLike) -> t.List[NodeInputSpec]:
 
         return inputs
 
-    def _add_node_to_map(self, node: NodeLike) -> None:
+    def _add_node_to_map(self, node: NodeBase) -> None:
         """
         Добавление узла в мэппинг "Имя узла -> Класс/функция узла"
         """
@@ -137,15 +135,15 @@ def _add_switch_node(self, node_id: NodeId, switch_decide_node_id: NodeId) -> No
         self._dag.add_node(node_id, **{NodeField.is_switch: True})
         self._dag.add_edge(switch_decide_node_id, node_id, **{EdgeField.is_switch: True})
 
-    def _traverse_breadth_first_to_dag(self, input_node: NodeLike, output_node: NodeLike):  # noqa
+    def _traverse_breadth_first_to_dag(self, input_node: NodeBase, output_node: NodeBase):  # noqa
         """
         Выполнить обход зависимостей классов/функций узлов, построить граф
         """
 
         visited = {output_node}
         stack = deque([output_node])
 
-        def _set_visited(node: NodeLike) -> None:
+        def _set_visited(node: NodeBase) -> None:
             if node in visited:
                 return
 
@@ -299,7 +297,7 @@ def _is_executor_needed(self) -> t.Tuple[bool, bool]:
 
         return is_process_pool_needed, is_thread_pool_needed
 
-    def build(self, input_node: NodeLike, output_node: NodeLike = None) -> DAGLike:
+    def build(self, input_node: NodeBase, output_node: NodeBase = None) -> DAGLike:
         """
         Построить граф путем сборки зависимостей по аннотациям типа (меткам входов)
         """
@@ -327,8 +325,8 @@ def build(self, input_node: NodeLike, output_node: NodeLike = None) -> DAGLike:
 
 
 def build_dag(
-    input_node: NodeLike[t.Any],
-    output_node: NodeLike[NodeResultT],
+    input_node: NodeBase[t.Any],
+    output_node: NodeBase[NodeResultT],
 ) -> DAGLike[NodeResultT]:
     """
     Построить граф путем сборки зависимостей по аннотациям типа (меткам входов)
@@ -347,7 +345,9 @@ def build_dag(
     )
 
 
-def build_dag_single(node: NodeLike[NodeResultT]) -> DAGLike[NodeResultT]:
+def build_dag_single(
+    node: NodeBase[NodeResultT],
+) -> DAGLike[NodeResultT]:
     """
     Построить граф из одного узла
 
@@ -357,4 +357,7 @@ def build_dag_single(node: NodeLike[NodeResultT]) -> DAGLike[NodeResultT]:
     Returns:
         Граф
     """
-    return AnnotationDAGBuilder().build(input_node=node, output_node=None)
+    return (
+        AnnotationDAGBuilder()
+        .build(input_node=node, output_node=None)
+    )

ml_pipeline_engine/dag_builders/annotation/marks.py

@@ -2,75 +2,75 @@
 from dataclasses import dataclass
 
 from ml_pipeline_engine.types import CaseLabel
-from ml_pipeline_engine.types import NodeLike
+from ml_pipeline_engine.types import NodeBase
 
 NodeResultT = t.TypeVar('NodeResultT')
 
 
 @dataclass(frozen=True)
 class InputGenericMark:
-    node: NodeLike[t.Any]
+    node: NodeBase[t.Any]
 
 
 @dataclass(frozen=True)
 class InputMark:
-    node: NodeLike[t.Any]
+    node: NodeBase[t.Any]
 
 
 @dataclass(frozen=True)
 class InputOneOfMark:
-    nodes: t.List[NodeLike[t.Any]]
+    nodes: t.List[NodeBase[t.Any]]
 
 
-def InputOneOf(nodes: t.List[NodeLike[NodeResultT]]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
+def InputOneOf(nodes: t.List[NodeBase[NodeResultT]]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
     """
     Принимает список нод, возвращает результат первой успешно выполненной ноды
     """
     return t.cast(t.Any, InputOneOfMark(nodes))
 
 
-def InputGeneric(node: NodeLike[NodeResultT]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
+def InputGeneric(node: NodeBase[NodeResultT]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
     return t.cast(t.Any, InputGenericMark(node))
 
 
-def Input(node: NodeLike[NodeResultT]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
+def Input(node: NodeBase[NodeResultT]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
     return t.cast(t.Any, InputMark(node))
 
 
 @dataclass(frozen=True)
 class GenericInputMark:
-    node: NodeLike[t.Any]
+    node: NodeBase[t.Any]
 
 
-def GenericInput(node: NodeLike[NodeResultT]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
+def GenericInput(node: NodeBase[NodeResultT]) -> t.Type[NodeResultT]:  # noqa:  N802,RUF100
     return t.cast(t.Any, GenericInputMark(node))
 
 
 @dataclass(frozen=True)
 class SwitchCaseMark:
-    switch: NodeLike[t.Any]
-    cases: t.List[t.Tuple[str, NodeLike]]
+    switch: NodeBase[t.Any]
+    cases: t.List[t.Tuple[str, NodeBase]]
     name: str
 
 
 def SwitchCase(  # noqa:  N802,RUF100
-    switch: NodeLike[t.Any],
-    cases: t.List[t.Tuple[CaseLabel, NodeLike[NodeResultT]]],
+    switch: NodeBase[t.Any],
+    cases: t.List[t.Tuple[CaseLabel, NodeBase[NodeResultT]]],
     name: t.Optional[str] = None,
 ) -> t.Type[NodeResultT]:
     return t.cast(t.Any, SwitchCaseMark(switch, cases, name))
 
 
 @dataclass(frozen=True)
 class RecurrentSubGraphMark:
-    start_node: NodeLike[NodeResultT]
-    dest_node: NodeLike[NodeResultT]
+    start_node: NodeBase[NodeResultT]
+    dest_node: NodeBase[NodeResultT]
     max_iterations: int
 
 
 def RecurrentSubGraph(  # noqa:  N802,RUF100
-    start_node: t.Type[NodeLike[NodeResultT]],
-    dest_node: t.Type[NodeLike[NodeResultT]],
+    start_node: t.Type[NodeBase[NodeResultT]],
+    dest_node: t.Type[NodeBase[NodeResultT]],
     max_iterations: int,
 ) -> t.Type[NodeResultT]:
     """