Правилото за детерминизъм
На тази страница
Защо детерминизмът е задължителен
Детерминизмът е най-критичното ограничение в работните потоци на Mistral и произтича директно от механизма за повторно изпълнение (replay), който научихте по-рано. Когато работник (worker) възобнови прекъснат работен поток, той изпълнява кода на потока от самото начало и сравнява операция по операция какво произвежда кодът спрямо записаното в дневника на историята. Докато двете последователности съвпадат, възобновяването е невидимо. В момента, в който те се разминават, платформата няма начин да разбере къде е спряла: тя открива несъответствието и проваля работния поток с грешка за недетерминизъм.
На практика един детерминиран работен поток произвежда абсолютно същата последователност от операции всеки път, когато се изпълнява със същите входни данни. Отбележете нюанса: резултатите от дейностите (activities) могат да варират между изпълненията, тъй като идват от дневника. Това е редът на извикванията, който трябва да остане идентичен.
Как изглежда това в кода
Разгледайте работен поток, който изпраща отчет на потребител въз основа на статуса на абонамента му.
@workflows.workflow.define(name="deterministic_workflow")
class DeterministicWorkflow:
@workflows.workflow.entrypoint
async def run(self, user_id: str) -> dict:
# Винаги една и съща последователност от извиквания за един и същ вход
profile = await get_profile(user_id)
if profile["premium"]:
report = await generate_full_report(user_id)
else:
report = await generate_basic_report(user_id)
await send_email(profile["email"], report)
return {"status": "completed"}
Този работен поток е детерминиран, въпреки че съдържа разклонение. Причината се крие в източника на условието: profile["premium"] идва от резултат от дейност, следователно идва от дневника. По време на повторното изпълнение get_profile връща точно същата стойност като при първото изпълнение и се избира същият път.
Сега сравнете това с тази версия, която изглежда безобидна, но разрушава всичко.
import datetime
import random
@workflows.workflow.define(name="non_deterministic_workflow")
class NonDeterministicWorkflow:
@workflows.workflow.entrypoint
async def run(self, user_id: str) -> dict:
# ЗАБРАНЕНО: datetime.now() се променя при всяко изпълнение
if datetime.datetime.now().hour < 12:
await send_morning_email(user_id)
else:
await send_afternoon_email(user_id)
# ЗАБРАНЕНО: random.random() дава различен резултат всеки път
if random.random() > 0.5:
await send_notification(user_id)
return {"status": "completed"}
Представете си, че работникът се срива в 11:58 ч. и се рестартира в 12:03 ч. При повторното изпълнение datetime.now() връща следобедно време, докато историята съдържа извикване на send_morning_email. Работният поток се проваля. random.random() произвежда същия ефект, само че е по-труден за диагностициране.
Замени от SDK
SDK не просто забранява тези извиквания; той предоставя детерминирани еквиваленти за трите най-чести операции.
from mistralai.workflows import workflow
# Получаване на текущото време (детерминирано при повторно изпълнение)
current_time = workflow.now() # Вместо datetime.now()
# Генериране на уникален ID (детерминирано при повторно изпълнение)
request_id = workflow.uuid4() # Вместо uuid.uuid4()
# Получаване на случайно число (детерминирано при повторно изпълнение)
rand_value = workflow.random() # Вместо random.random()
Принципът е същият като при дейностите: стойността се изчислява и записва в дневника при първото изпълнение, а след това просто се възпроизвежда. Предходният пример тогава става напълно безопасен.
import mistralai.workflows as workflows
from mistralai.workflows import workflow
@workflows.workflow.define(name="fixed_workflow")
class FixedWorkflow:
@workflows.workflow.entrypoint
async def run(self, user_id: str) -> dict:
# ПРАВИЛНО: workflow.now() е детерминирано при повторно изпълнение
current_hour = workflow.now()
if current_hour.hour < 12:
await send_morning_email(user_id)
else:
await send_afternoon_email(user_id)
# ПРАВИЛНО: workflow.random() е детерминирано при повторно изпълнение
if workflow.random() > 0.5:
await send_notification(user_id)
# ПРАВИЛНО: workflow.uuid4() е детерминирано при повторно изпълнение
trace_id = workflow.uuid4()
await log_trace(str(trace_id), user_id)
return {"status": "completed", "trace_id": str(trace_id)}
Границата, която трябва да запомните
Следното е забранено в кода на работния поток: datetime.now(), datetime.utcnow() и time.time(); uuid.uuid4() и uuid.uuid1(); random.random(), random.randint() и random.choice(); всяко директно мрежово извикване (httpx, aiohttp, requests); всяко четене или запис на файл (open(), aiofiles); всеки достъп до база данни; os.environ, защото променливите на средата могат да се променят между повторните изпълнения; и накрая threading и multiprocessing, тъй като платформата обработва вътрешния паралелизъм.
Всичко възпроизводимо остава позволено: извикване на дейности чрез await, използване на workflow.now(), workflow.uuid4() и workflow.random(), писане на условна логика или цикли, чиито условия зависят от резултати от дейности, манипулиране на данни в паметта (изчисления, низове) и записване в логове – логването се счита за приемлив страничен ефект.
Диагностициране на грешка за недетерминизъм
Когато грешката възникне, четири проверки обикновено са достатъчни, за да я локализирате.
- Наличие на недетерминирани извиквания — Търсете
datetime.now,uuid.uuid4,random.randomв кода на работния поток - Директен вход/изход (I/O) — Всяко мрежово или файлово извикване трябва да се намира в дейност
- Променливи на средата — Ако използвате
os.environза разклоняване, преместете четенето в дейност - Библиотеки на трети страни — Някои библиотеки правят мрежови извиквания или използват случайност вътрешно
Тази последна точка е най-коварна: библиотека за сериализация, която сортира по случайно генериран ID, или HTTP клиент, инстанциран при зареждане на модула, може да провали повторното изпълнение, без нито един подозрителен ред да се появи във вашия работен поток.
Най-ефективната защита е да поддържате работния поток възможно най-олекотен и да прехвърляте цялата сложна логика в дейности. Работен поток, който просто свързва три извиквания, механично няма възможност да бъде недетерминиран.
# НАЙ-ДОБРА ПРАКТИКА: прост работен поток, логиката е в дейностите
@workflows.workflow.define(name="simple_pipeline")
class SimplePipeline:
@workflows.workflow.entrypoint
async def run(self, params: dict) -> dict:
step1 = await prepare_data(params)
step2 = await process_data(step1)
step3 = await finalize(step2)
return step3
Ключови изводи
- Кодът на работния поток трябва да бъде детерминиран: същите входни данни = същата последователност от операции
- Използвайте
workflow.now(),workflow.uuid4(),workflow.random()вместо стандартните еквиваленти в Python - Всички операции за вход/изход (мрежа, файл, БД) трябва да се намират в дейност, никога в работния поток
- Условните разклонения са позволени, ако зависят от резултати от дейности
- Нарушаването на детерминизма води до провал на работния поток по време на повторно изпълнение
- При съмнение, преместете логиката в дейност