from clearml import PipelineDecorator


# @PipelineDecorator.component(
#     return_values=['number'], 
#     cache=False,
#     repo='ssh://git@cmlgit.mxm.kr:20104/ACAI/model-yolo26-human.git',  # 원격 실행 시 가져올 Git URL
#     repo_branch='main'                               # 사용할 브랜치 (지정하지 않으면 기본 브랜치)
#     # repo_commit='<특정_커밋_해시>'                  # 특정 커밋 버전으로 고정할 경우 추가
# )
# def getHumanDetectionModel():
    



# ---------------------------------------------------------
# Task 1: 1~10 중 랜덤한 숫자를 출력하고 반환하는 컴포넌트
# ---------------------------------------------------------
@PipelineDecorator.component(return_values=['number'], cache=False)
def generate_number() -> int:
    import random
    random.seed(None)
    # 1에서 10 사이의 랜덤 정수 생성
    num = random.randint(1, 10)
    print(f"Generated number: {num}")
    return num

# ---------------------------------------------------------
# Task 2: 파라미터로 받은 숫자가 5 이하인지 초과인지 판별하는 컴포넌트
# ---------------------------------------------------------
@PipelineDecorator.component(return_values=['size_label'], cache=False)
def evaluate_number(num: int) -> str:
    # 받은 파라미터가 5 이하인지 초과인지 체크
    if num > 5:
        result = 'Max'
    else:
        result = 'Min'
        
    print(f"Input number {num} is '{result}'.")
    return result

# ---------------------------------------------------------
# 파이프라인 정의: 위 두 Task를 연결
# ---------------------------------------------------------
@PipelineDecorator.pipeline(
    name='Number Evaluation Pipeline111', 
    project='My Pipeline Project11', 
    version='1.0',
    default_queue='default',          # 1. 개별 Task(Step)들이 실행될 원격 큐 이름
    pipeline_execution_queue='default'       # 2. 파이프라인 전체를 관리할 Controller가 실행될 큐 (기본값 'services'))
)

def my_pipeline():


    # 1. 첫 번째 Task 실행 및 결과 받기
    generated_num = generate_number()
    
    # 2. 첫 번째 Task의 결과를 두 번째 Task의 입력으로 전달
    final_result = evaluate_number(generated_num)
    # 2. 첫 번째 Task의 결과를 두 번째 Task의 입력으로 전달
    final_result = evaluate_number(generated_num)
    # 2. 첫 번째 Task의 결과를 두 번째 Task의 입력으로 전달
    final_result = evaluate_number(generated_num)
    
    print(f"파이프라인 최종 결과: {final_result}")

# ---------------------------------------------------------
# 실행 부
# ---------------------------------------------------------
if __name__ == '__main__':
    # 로컬에서 코드를 바로 실행하면서 ClearML 서버에 로깅되도록 설정
    PipelineDecorator.run_locally()
    # PipelineDecorator.run_on_queue(queue_name='default')
    # 파이프라인 실행
    my_pipeline()