Kedro 不支持在 registry_pipeline.py 中直接读取运行时参数，但可通过钩子（Hooks）、节点级条件逻辑或预构建策略实现基于 CLI 参数（如 ID=X）动态组合 pipeline 的目标。
kedro 不支持在 `registry_pipeline.py` 中直接读取运行时参数，但可通过钩子（hooks）、节点级条件逻辑或预构建策略实现基于 cli 参数（如 `id=x`）动态组合 pipeline 的目标。
在 Kedro 0.19.12（及后续版本）中，register_pipelines() 函数在项目初始化阶段即被调用，此时 CLI 传入的参数（如 --params="ID:X"）尚未加载到 DataCatalog 或上下文中，因此无法在 src/<package>/pipeline/registry_pipeline.py</package> 中直接访问参数值。这是由 Kedro 的生命周期设计决定的：参数解析发生在 pipeline 注册之后、运行之前。
✅ 推荐解决方案：使用 Project Hooks 动态注册 pipeline
Kedro 的 ProjectHook 是最规范、可维护性最强的方式。你可以在 hooks.py 中监听 before_pipeline_run 钩子，根据参数值动态构造并返回目标 pipeline：
# src/<package>/hooks.py
from kedro.framework.hooks import hook_impl
from kedro.pipeline import Pipeline
from .pipelines import pipelineA, pipelineB, pipelineC # 假设已定义
class DynamicPipelineHook:
@hook_impl
def before_pipeline_run(self, run_params, pipeline, catalog, **kwargs):
# 从 run_params 获取 CLI 参数（格式为 dict，如 {"ID": "X"}）
params = run_params.get("params", {})
pipeline_id = params.get("ID")
if pipeline_id == "X":
dynamic_pipeline = pipelineA() + pipelineB() + pipelineC()
elif pipeline_id == "Y":
dynamic_pipeline = pipelineA() + pipelineC()
else:
raise ValueError(f"Unsupported ID: {pipeline_id}")
# ⚠️ 关键：替换原始 pipeline（需确保只对目标 pipeline 生效）
# 这里假设你通过 `--pipeline=dynamic` 显式触发，或统一拦截默认 pipeline
return {"pipeline": dynamic_pipeline}然后在 src/<package>/settings.py</package> 中注册该 Hook：
# src/<package>/settings.py from .hooks import DynamicPipelineHook HOOKS = (DynamicPipelineHook(),)
⚠️ 注意事项：
-
before_pipeline_run钩子接收的是已注册的 pipeline 对象，返回字典{"pipeline": ...}可覆盖它；但需确保逻辑不与默认 pipeline 冲突（建议配合自定义 pipeline 名称使用，如kedro run --pipeline=dynamic）。 - 所有 pipeline 函数（如
pipelineA()）应无副作用、纯函数式构造，避免依赖外部状态。 - 参数必须通过
--params传递（如kedro run --params="ID:X"），而非--env—— 后者用于配置环境变量，不参与运行时参数解析。
? 替代方案（按推荐度排序）：
-
节点级条件分支：将逻辑下沉至 Node，用
@node函数内读取params字典，配合kedro.io.MemoryDataSet或None占位符跳过非必要步骤； -
预生成多 pipeline 注册：在
register_pipelines()中预先定义pipeline_x,pipeline_y等，并通过kedro run --pipeline=pipeline_x手动选择； -
外部编排层控制：在 Airflow / Prefect / CLI 脚本中根据参数调用不同
kedro run --pipeline=...命令（解耦更彻底，适合复杂调度场景）。
总结：Kedro 的核心哲学是“pipeline 不变、数据与参数可变”。当必须动态组合 pipeline 时，优先选用 Hooks 实现运行时注入，兼顾可测试性与框架兼容性；避免在 registry_pipeline.py 中硬编码参数访问逻辑，以防因生命周期错位导致静默失败。
