引擎三大核心功能
在[[跨边界需要长期运行]]提到的两项功能之外,工作流引擎还有第三项核心功能:版本化。持久化:跟踪所有实例的当前状态与审计数据,规模一大就需要快速查询和并发事务管理。调度:跟踪任务时限,在该执行时及时响应,也支撑失败重试。版本化:流程始终在运行或等待中,修改流程定义时要考虑正在运行的实例,多数引擎支持多个版本并存,好的工具还能把实例迁移到新版本。引入引擎的代价是多一个组件,但回报通常很快。
主题对照
引擎的三大核心功能与部署形态(嵌入、独立、共享引擎),流程实例的持久化、调度与等待不占线程,流程版本与实例迁移,外部任务与人工任务的执行分离,以及故障恢复、撤销与审计数据的落地方式。
在[[跨边界需要长期运行]]提到的两项功能之外,工作流引擎还有第三项核心功能:版本化。持久化:跟踪所有实例的当前状态与审计数据,规模一大就需要快速查询和并发事务管理。调度:跟踪任务时限,在该执行时及时响应,也支撑失败重试。版本化:流程始终在运行或等待中,修改流程定义时要考虑正在运行的实例,多数引擎支持多个版本并存,好的工具还能把实例迁移到新版本。引入引擎的代价是多一个组件,但回报通常很快。
工作流引擎可作为独立服务运行,也可作为库嵌入应用。独立服务应是默认选择:它把业务代码与引擎分开,避免许多问题。各产品的内部实现差异很大,有的用关系型数据库存状态,有的用事件溯源式方案支撑高吞吐与低延迟,使用者要了解其影响。常见误解是把“等待”理解为线程阻塞。实际上引擎把状态存入数据库,处理完当前步骤线程就退出,直到用户操作或计时器到期等事件发生,才重新加载状态恢复流程。
服务、工作流引擎、流程定义、流程实例的关系可以类比数据库:一个引擎可部署许多流程定义,每个定义可启动任意多个实例,引擎还可以被多个服务调用。但独立的应用最好使用独立的引擎实例以提高隔离度,微服务架构下更是如此。订单履约团队不愿与支付团队共享引擎,但订单履约服务与订单取消服务可以共用一个。这与“每个服务拥有自己的数据存储”是同一考量:共享的基础设施被边界不同的团队混用,一方的问题更容易波及另一方。
流程可能运行数月,修改模型时必须面对正在运行的实例。部署即生成新版本,已有实例按原版本继续,新实例用新版本,好工具还支持迁移。策略有二:多版本并行运行,省心但复杂度转移到自己身上,适合合规要求、开发测试或迁移代价过高的情况;把实例迁移到新版本,适合紧急修复或更担心多版本运维的情况。胶水代码与数据定义同样要版本化:可把新字段设为可选并复制一份代码,也可让代码兼容新旧数据,或写脚本为旧实例补默认值。
单体不是分布式系统,没有远程通信和一致性问题,能否驾驭取决于团队规模。流程自动化同样适用于单体:组件化并为重要服务定义接口,编排只是本地方法调用。引擎可作为库嵌入单体,流程定义只是源码中的一项资源,既获得长期运行与可见性,又没有分布式开销;还能单独部署修改后的流程模型而不重新部署整个单体。需要走向细粒度架构时,可借机把新业务逻辑拆成新服务,删除组件间的硬编码调用,渐进迁移。
工作流引擎带来两项主要能力:长期运行与流程可见性,它们对不同目的的价值权重不同。打通端到端业务流程时,两者都有明显收益;实现跨服务的业务交易时,两者仍有价值但权重稍低。判断标准是投入产出比:回报超过引入成本就值得。工具越来越轻量、托管服务越来越多,门槛持续下降,适用范围随之扩大。但单纯用 BPMN 做图形化编程,既不管状态也不涉及协作,没有意义。
落地架构时首先要回答引擎怎么运行:托管服务、与微服务并排的容器,还是嵌入应用的库。选择应顺着现有技术栈:无服务器应用找托管服务,云原生应用看 Kubernetes 支持,以人工任务为主的流程用独立服务器最简单,单体则适合嵌入式库。还要考察配置难度、所需的数据库等额外资源。团队经验同样关键:从未用过 Kubernetes 的团队不应只为流程自动化而强行引入它,工具要服务于团队现状。
“应该部署多少个工作流引擎”是流程自动化架构里最常见的争论之一,答案取决于组织对自主权和运维成本的权衡。分散式引擎:每个需要工作流引擎的微服务各自拥有一个引擎实例,这是微服务思维下的默认选择——延续了[[SOA与微服务的编排位置]]中”自治”的逻辑,团队想更新或重新配置引擎时可以完全独立行动,甚至自主选择工具,除本团队外任何人都访问不到自己的引擎,这强化了服务边界;代价是每个团队都要自己评估和运维引擎,具体复杂度取决于技术栈(已用公有云则托管服务很容易,已用容器则Kubernetes operator能减轻负担),剩下的挑战是如何在分散的引擎上获得集中的可观测性(第11章展开)。共享引擎:为整个公司或每个部门部署一个集中式引擎,运维更简单,但代价是失去了运行时数据和产品版本两个层面的隔离性,且集中式工具本身需要具备可伸缩性和弹性,避免成为性能瓶颈或单点故障。
结构图:
flowchart TB
subgraph 分散式["分散式引擎(微服务思维默认选择)"]
S1[订单服务] --> E1[引擎A]
S2[支付服务] --> E2[引擎B]
S3[发货服务] --> E3[引擎C]
end
subgraph 共享式["共享引擎(简化运维)"]
M1[订单服务] --> CE[集中式引擎]
M2[支付服务] --> CE
M3[发货服务] --> CE
end
分散式 -->|优势| A1[自主性+隔离性]
分散式 -->|代价| A2[各团队自评估自运维+需第11章的集中可见性方案]
共享式 -->|优势| B1[运维成本低]
共享式 -->|代价| B2[失去运行时和版本隔离+需应对单点故障]
引擎部署在哪与流程模型归谁管是两个独立的问题。把各团队的模型部署到同一个中心引擎上并无不可,只要模型仍由各自团队拥有;问题出在所有模型都被迫由中心团队统一管理,这正是[[SOA与微服务的编排位置]]警示的反模式。这类似私有云平台:资源集中,但由各团队自行配置;也类似共享数据库实例,各应用有自己的库,代价是一处故障会拖累所有共享者。部署接入 CI/CD 后,团队甚至察觉不到流程部署在哪台引擎上。
一种争议很大的用法是让各微服务直接通过发布订阅接入中心工作流引擎,不经过任何其他通信渠道。订单履约服务无需写胶水代码调用支付服务,支付服务只需订阅名为 retrieve-payment 的任务,任务类型名就是连接信息,两者因此解耦。引擎此时成了共享系统,功能类似消息系统。务实的公司喜欢这种简单性;也有公司不愿让引擎成为通信枢纽,宁可单独运行消息总线。两条路都可行。
评估引擎能否满足性能需求,要回答三个问题:需要多大吞吐量,每秒或每天启动多少实例;单个任务和整个流程可接受的周期时间;负载是否稳定,有的公司每月固定时段启动九成实例,峰值往往比均值更关键。衡量负载应看动作数量,而不是等待中的实例总数,等待只是数据库里的一条记录。应尽早用有代表性的负载在目标架构上测试。部分工具在金融交易、大数据等高吞吐场景同样胜任。
判断工具是否契合团队的开发方式,要看实施整个流程解决方案,包括[[流程模型加胶水代码]]中的全部胶水代码时的体验,核心是引擎 API 与客户端库是否支持团队惯用的语言、环境和框架。具体体现在四方面:用户界面能否用熟悉的技术栈开发;流程定义能否接入 CI/CD;流程能否在本地做自动化测试;模型能否以文件形式放进普通 Git 仓库。这些看似琐碎,却决定实施工作量,以及是否破坏团队的开发方法、挫伤开发者积极性。
称为“工作流引擎”的产品差别很大:开发者友好型引擎、云厂商托管编排、开源自研编排、BPM 套件、RPA、低代码平台都能持久化状态;数据流水线与集成框架本身不提供状态处理;分布式追踪与流程挖掘则侧重可见性。评估时,厂商愿景与平台可扩展性比具体功能点更重要,因为合作是长期的。需求建议书的打勾表看似客观,厂商却常为打勾而开发功能,许多决定也早已预设。只需对自己真正在意的问题要求“是”,并尽快启动概念验证。
把[[图形模型促进协作]]拆到三方。开发:可执行模型是活文档,普通架构图会随时间过时,可执行模型只要流程变了就必然更新。业务:使用流程模型的项目初期分析工作量常会激增,因为模型直观,能更早暴露不清晰之处,前期投入会在后期得到回报;审计数据叠加在图上可以分析瓶颈。运维:过去只能翻日志、查数据库、凭经验猜,现在能在完整上下文中理解事件,还能直接批量重试或修复实例数据,不必熟悉源码。
书中Conductor案例把流程定义与任务执行分开:
分离后可独立修改流程和任务实现;具体通信方式受书中版本约束。
书中Conductor架构把工作流协调、任务队列、执行管理、持久化与Worker分开:服务端按流程调度,Worker通过HTTP轮询领取并回报结果。
业务服务经同一协调点串联流程,可避免将跨服务顺序写死在彼此代码里;代价是服务端、队列和状态存储都成为关键依赖。
结构图:
flowchart LR
O[流程协调与调度] --> Q[任务队列]
Q --> W[Worker轮询执行]
W --> M[执行状态管理]
M --> O
O <--> D[状态存储]
Conductor案例先定义leaderRatify、managerRatify两个任务,再在工作流JSON中规定执行顺序与输入映射:后一任务读取前一节点的输出字段,Worker实现各自任务逻辑。
跨服务串联须把任务名、输入输出键和节点引用作为流程契约核对;仅有执行顺序还不足以传递业务数据。
结构图:
flowchart LR
I[工作流输入] --> L[leaderRatify]
L -->|node1.output| M[managerRatify]
M --> O[工作流输出]
书中Conductor管理界面能按Running、Completed、Timed out、Terminated查看实例,并显示节点状态与Restart入口。
可观测、可触发重启属于运行管理能力;真实业务流程能否安全重启仍取决于任务副作用、幂等和失败恢复设计,不能仅凭界面按钮判断。
书中Client协调器按任务类型轮询Server,之后依次处理:
领取、执行、回写责任不同;只完成本地业务动作却不回写,流程无法按结果推进。
结构图:
flowchart LR
S[Server待执行任务] -->|轮询领取| C[Client协调器]
C -->|提交| W[Worker执行]
W -->|结果与状态| S
C -->|队列满退回| S
书中Conductor Server按顺序启动:
排查故障应沿这条链路定位,而非只看端口是否监听。
结构图:
flowchart LR
C[外部配置] --> D[选择存储模式]
D --> G[Guice装配模块]
G --> S[启动Jetty与API]
在书中分析的Conductor版本里,memory模式用内存替代部分数据组件,却仍默认用Elasticsearch存工作流运行时间和任务状态;源码截图也显示该分支调用ElasticSearchStart()。
因此“内存模式”不能按完全无外部依赖理解,部署和恢复能力必须按所选版本的真实存储路径核查。
书中Worker回写TaskResult后,服务端按顺序推进:
失败、仍在进行等状态走不同处理路径,不能把回写等同于完成。
结构图:
flowchart LR
W[Worker回写结果] --> T[更新任务状态]
T --> D[DecideService判断后继]
D --> Q[任务入队]
Q --> W
Conductor区分两种任务:
流程定义中的类型决定映射逻辑。审读流程时,应区分“调用业务动作”和“引擎决定下一步”,避免将分支节点误当作普通Worker。
书中延迟任务的时间约束按顺序传递:
startDelay表达延后启动。callbackAfterSeconds。延迟应由队列调度,而非Worker自行睡眠;这不保证精确触发时间或失败重试的业务正确性。
简单ETL任务可由crontab按时间触发。作业增多后,并行、前后依赖、失败告警和重试要求会让脚本维护与运行监控变复杂。
复杂场景可采用能表达依赖并监管运行状态的调度系统;迁移标准是作业关系与故障处理需求,而不是作业数量的单一阈值。
原书工作流事件模式让消费者遇到异步消息错误后,把消息和错误交给代理并继续处理队列;代理尝试自动修复、重新入队,无法判断时转人工处理。股票订单例中“8756 SHARES”不能解析为整数,代理去掉多余单词后重投。该修复只适用于可确定的格式错误,不能推断任意交易错误都可自动纠正;重投还会改变处理顺序。[[修复重投打乱同账户交易顺序]]
中介代理拓扑用一个掌握处理步骤的代理接收起始事件,再向专用队列发送点对点命令;处理器完成后向代理回执。代理掌握顺序、并行汇合及故障状态,处理器通常不再广播衍生事件。与[[事件流由初始与派生事件接力]]的广播接力相比,控制权更集中;按业务域设置多个代理,可降低单点故障与吞吐瓶颈风险,但仍需处理代理自身扩容。
选择工作流代理先分清流程复杂度:简单路由与错误处理可由轻量代理完成;多条件路径和复杂错误处理需要流程编排;长事务中若必须停下等待人工审批,则需要能保存等待状态的流程管理能力。原书建议让简单代理接收入口事件,再将难或复杂流程转交合适代理。这是按能力分派的设计原则,书中所列具体产品只是当时的例子,不能据此直接选型。
原书零售订单教学例中,代理创建订单后,同时发送邮件、应用付款和调整库存;只有三项都确认完成,才进入履约与补货。后续发货和通知也按阶段推进。这里的“并行”只发生在同一阶段内,跨阶段仍须等待回执;是否在创建订单后立刻告诉顾客“已下单”,取决于业务规则,不能等同于已付款或已发货。
结构图:
flowchart LR
A[创建订单并获得订单号] --> B[邮件]
A --> C[应用付款]
A --> D[调整库存]
B --> E{三项均回执成功?}
C --> E
D --> E
E -->|是| F[履约与补货]
F --> G[发货与通知]
中介代理能保存工作流状态并集中处理错误、恢复与重启,代价是处理器耦合更强,代理本身可能成为吞吐瓶颈,性能和扩展性通常不及广播协作拓扑。复杂且动态的异常分支还可能迫使两种拓扑混用。选型时应把“必须控制哪些阶段和恢复点”与预期流量一起评估,不能只按是否使用消息队列判断架构优劣。
点击箭头逐层展开,点击卡片标题查看详情。路径上下文仅用于连接层级,不计入主题卡片数。
来源书籍
书籍类型:未标注
110 张卡片
来源书籍
软件架构方法论类
书籍类型:经典原理
清单覆盖 7/7
358 张卡片
来源书籍
书籍类型:经典原理
146 张卡片
来源书籍
书籍类型:经典原理
142 张卡片
来源书籍
软件设计与复杂性管理类
书籍类型:经典原理
清单覆盖 7/7
126 张卡片
来源书籍
书籍类型:经典原理
132 张卡片
来源书籍
高可用与云架构风险管理类。依据:全书主要处理服务拆分后的可用性、依赖故障、双活、演练与运行观测;云迁移并非本书核心内容,清单中未讲的维度如实记缺口。第13章虽提及Kubernetes和Service Mesh,本书并非以容器编排平台上的交付与运维为主要目标,故不按“云原生微服务实战类”核对。
书籍类型:工程实践
清单覆盖 6/7
379 张卡片
主题索引
比较工作流引擎的持久化、调度与版本化能力,BPMN/DMN 建模要素,模型与代码的分工,以及批处理、流处理、actor、有状态函数等替代方案的取舍。
与 4 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类
与 4 张主题卡片存在结构化链接;来自相同书籍;属于相同分类
与 3 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类
与 3 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类
与 3 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类
与 2 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类