.png){kind=icon}
返回
Workflow abstractions for automatic modularity: Improving workflow code reusability
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2026.108776.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据分析工作流是数据密集型科学的中心，但其日益增长的结构复杂性使得理解和复用变得困难。大型工作流图通常由数百个步骤和数千个数据依赖关系组成，可能令用户不知所措并阻碍代码探索。子工作流通过提供粗粒度、分层的工作流结构视图以及用于复用的可识别功能组件，提供了一种自然机制来降低这种复杂性。以GitHub分叉作为复用的指标，一项针对从GitHub挖掘的3,009个Nextflow工作流的实证研究表明，使用子工作流的工作流平均比不使用的多被分叉2.5倍，突显了模块化与复用之间的强关联。然而，仅有21.8%的工作流定义了子工作流，反映了设计有意义模块化结构的难度。为解决这一差距，我们提出了一种自动构建抽象的框架，即结构对象编码工作流图内（可能嵌套的）子工作流。基于对用户定义子工作流的大规模分析，我们推断出常见的模块化策略并形式化了三种类型的自动抽象。我们引入了AbstractionBuilder算法，该算法直接从工作流依赖图构建这些抽象。来自工作流开发者的反馈和对实际工作流的实证评估表明，该抽象框架能够创建有意义的子工作流，形成可降低工作流图结构复杂度的连贯组件。这些发现表明，该抽象框架支持工作流的理解和复用。
期刊
F
IF:
6.1
论文数:
6.8K
被引数:
2.3W
机构
引用论文
暂无论文信息