Task 依赖与关系
依赖图记录声明的输入引用,父子 metadata 单独记录同步调用关系。这些记录提供关系证据;阶段执行与数据兼容性校验仍由调用方完成。
Alpha158 示例的上方展示输入依赖,下方区分调用记录。只有声明的 upstream 引用会成为 get_task_graph 的边。
传递上游身份
所有 BaseInputParams 都包含规范 Task ID 列表:
json
{
"task_name": "prediction-01",
"upstream_task_ids": ["etl#my-etl#dataset-01", "train#my-train#model-01"]
}Python/HTTP 和 CLI exec 入参统一使用 JSON 数组。名称必须规范且唯一,不能依赖自己。各子任务上游需要显式传入。声明上游不运行它,也不验证业务兼容性。
关系图来源
get_task_graph 仅根据 metadata.input_params.upstream_task_ids 建边,返回包含缺失上游引用的输入依赖连通图。状态不是 succeeded 的已有节点标记为 provisional。parent_task_id 和 children 在 metadata 中描述进程内调用,不会增加依赖图边。因此,没有声明输入依赖的父 Task 即使执行了多个子任务,也可能在图中单独出现。
查询与检查

在 Studio 打开任务详情并选择 上下游依赖。完整截图使用 Playground 合成的 ETL、分析、训练、预测和回测记录。
bash
axonx get_task_graph --task-id 'predict#my-predict#prediction-01'
axonx get_task_context --task-id 'predict#my-predict#prediction-01'沿边检查实际 metadata、启动时间和产物。固定名称可能已指向替换后的输入,消费前固定经核验修订。
插件读取上游
python
from axonx.task.models.identity import TaskType
train_id = self.input_params.upstream_task_id(TaskType.TRAIN)
train_dir = self.upstream_task_dir(train_id)辅助方法要求恰好一个对应类型的上游。定位目录不下载或执行任务。用 storage.inputs 读取 metadata、校验路径并固定产物。缺失、失败或不兼容数据由消费者报告,关系边不会自动解决。
命名与删除
可复现实验使用独立实例并保留输入/模型修订。删除不级联,下游可能显示上游缺失。