共享驱动器上的drake文件路径

Question

我遇到了一些奇怪的德雷克行为，我就是搞不懂。我正试图在我的德雷克计划中添加一个.rmd。我在一台远程机器上工作，在那台机器上做一个网络驱动器。如果我试图向我的计划中添加一个.rmd文件，如下所示：

> library(drake)
> library(rmarkdown)
> 
> list.files()
[1] "drake_testing.Rproj"        "foo.png"             "report.Rmd"                    
> 
> plan <- drake_plan(
+   png("foo.png"),
+   plot(iris$Sepal.Length ~ iris$Sepal.Width),
+   dev.off(),
+   report = render(
+     input = knitr_in("report.Rmd"),
+     output_file = "report.html",
+     quiet = TRUE
+   )
+   
+ )
> 
> plan
# A tibble: 4 x 2
  target         command                                                                               
  <chr>          <expr>                                                                                
1 drake_target_1 png("foo.png")                                                                        
2 drake_target_2 plot(iris$Sepal.Length ~ iris$Sepal.Width)                                            
3 drake_target_3 dev.off()                                                                             
4 report         render(input = knitr_in("report.Rmd"), output_file = "report.html",      quiet = TRUE)
> 
> ## Turn your plan into a set of instructions
> config <- drake_config(plan)
Error: The specified file is not readable: report.Rmd
> 
> traceback()
13: stop(txt, obj, call. = FALSE)
12: .errorhandler("The specified file is not readable: ", object, 
        mode = errormode)
11: digest::digest(object = file, algo = config$hash_algorithm, file = TRUE, 
        serialize = FALSE)
10: rehash_file(file, config)
9: rehash_storage(target = target, file = file, config = config)
8: FUN(X[[i]], ...)
7: lapply(X = X, FUN = FUN, ...)
6: weak_mclapply(X = keys, FUN = FUN, mc.cores = jobs, ...)
5: lightly_parallelize_atomic(X = X, FUN = FUN, jobs = jobs, ...)
4: lightly_parallelize(X = knitr_files, FUN = storage_hash, jobs = config$jobs, 
       config = config)
3: cdl_get_knitr_hash(config)
2: create_drake_layout(plan = plan, envir = envir, verbose = verbose, 
       jobs = jobs_preprocess, console_log_file = console_log_file, 
       trigger = trigger, cache = cache)
1: drake_config(plan)

我尝试了以下排列方式来实现这一工作：

• 将.rmd移动到本地驱动器，并使用完整的路径调用它
• 在file.path的内部和外部添加knitr_in以完成完整的路径。
• 尝试在上述每一种场景中使用file_in。

我也尝试过调试，但当drake将文件名转换为散列，然后将其转换回文件的基本名称(即report.Rmd)时，我就有点迷路了。当调用digest::digest时，最终会发生错误。

有谁有过这样的经验吗？

Answer 1

我认为答案取决于在digest("report.Rmd", file = TRUE)外部调用drake_config(plan)时是否得到相同的错误。如果是错误(我打赌是这样的)，那么您的文件系统可能会有一些奇怪的地方与R冲突，如果是这样的话，那么不幸的是，drake无法做任何事情。

我还建议对你的计划做一些修改：

plan <- drake_plan(
  plot_step = {
    png(file_out("foo.png")),
    plot(iris$Sepal.Length ~ iris$Sepal.Width),
    dev.off()
  },
  report = render(
    input = knitr_in("report.Rmd"),
    output_file = "report.html",
    quiet = TRUE
  )  
)

或者更好的是，将您的工作划分为可重用的功能：

plot_foo = function(filename) {
  png(filename),
  plot(iris$Sepal.Length ~ iris$Sepal.Width),
  dev.off()
}

plan <- drake_plan(
  foo = plot_foo(file_out("foo.png")),
  report = render(
    input = knitr_in("report.Rmd"),
    output_file = "report.html",
    quiet = TRUE
  )  
)

目标是具有有意义的返回值和/或输出文件的可跳工作流步骤。png()和dev.off()是绘图步骤的一部分，file_out()告诉drake监视foo.png的更改。另外，给你的目标命名也是很好的做法。通常，目标的返回值是有意义的，就像R中的变量一样。