使用AWS存储的targets项目执行tar_prune()报错，如何修复？

1. 定位关联NA存储桶的目标 #

先找出元数据里存储桶信息为NA的目标，执行以下命令查询存储相关字段：

tar_meta(fields = c(name, storage, bucket))

该命令会列出所有目标的名称、存储类型和关联存储桶，找到bucket列值为NA的目标，这就是报错的源头。也可以结合tar_meta(fields = warnings)的结果，那些标记为“已不存在”的目标大概率就是问题对象，交叉验证确认。

2. 修复目标元数据 #

找到问题目标后，按需选择以下方式处理：

• 手动修正元数据（需保留目标时）
  假设问题目标名为problem_target，直接更新它的存储桶信息：

tar_meta_update(
  name = problem_target,
  bucket = "你的有效S3桶名称"
)

替换成你实际使用的合法S3桶名。

• 直接删除问题目标元数据（无需保留目标时）
  直接从元数据中移除该目标：

tar_meta_delete(problem_target)

3. 重新执行tar_prune() #

完成元数据修复或删除后，再次运行：

tar_prune()

此时应该能正常清理无效的目标元数据和对应的S3对象。

批量处理无效目标 #

如果tar_meta(fields = warnings, complete_only = TRUE)返回的已不存在目标较多，可以批量处理：

1. 导出有问题的目标列表：

invalid_targets <- tar_meta(fields = warnings, complete_only = TRUE) %>%
  filter(!is.na(warnings)) %>%
  pull(name)

2. 批量删除这些目标的元数据：

tar_meta_delete(invalid_targets)

之后再执行tar_prune()即可。

内容的提问来源于stack exchange，提问作者scoa