Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Ο Κανόνας του Ντετερμινισμού

Μάθημα 8 / 14 Ενημερώθηκε 2 Νοεμβρίου 2026 Προχωρημένος
Σε αυτήν τη σελίδα
  1. Γιατί ο Ντετερμινισμός είναι Υποχρεωτικός
  2. Πώς φαίνεται αυτό στον κώδικα
  3. Αντικαταστάσεις στο SDK
  4. Το Όριο που πρέπει να θυμάστε
  5. Διάγνωση Σφάλματος Μη Ντετερμινισμού
  6. Βασικά σημεία

Γιατί ο Ντετερμινισμός είναι Υποχρεωτικός

Ο ντετερμινισμός αποτελεί τον πιο κρίσιμο περιορισμό στις ροές εργασίας (workflows) του Mistral και πηγάζει άμεσα από τον μηχανισμό επανάληψης (replay) που μάθατε προηγουμένως. Όταν ένας worker επαναλαμβάνει μια διακοπείσα ροή εργασίας, εκτελεί ξανά τον κώδικα της ροής από την αρχή και συγκρίνει, λειτουργία προς λειτουργία, τι παράγει ο κώδικας με ό,τι έχει καταγραφεί στο ιστορικό (history log). Εφόσον οι δύο ακολουθίες ταιριάζουν, η επανέναρξη είναι αόρατη. Τη στιγμή που αποκλίνουν, η πλατφόρμα δεν έχει τρόπο να γνωρίζει πού σταμάτησε: εντοπίζει την ασυνέπεια και αποτυγχάνει τη ροή εργασίας με σφάλμα μη ντετερμινισμού.

Στην πράξη, μια ντετερμινιστική ροή εργασίας παράγει την ακριβώς ίδια ακολουθία λειτουργιών κάθε φορά που εκτελείται με τις ίδιες εισόδους. Σημειώστε τη λεπτομέρεια: τα αποτελέσματα των δραστηριοτήτων (activities) μπορεί να διαφέρουν μεταξύ των εκτελέσεων, καθώς προέρχονται από το ημερολόγιο (journal). Είναι η σειρά των κλήσεων που πρέπει να παραμείνει ίδια.

Πώς φαίνεται αυτό στον κώδικα

Σκεφτείτε μια ροή εργασίας που στέλνει μια αναφορά σε έναν χρήστη με βάση την κατάσταση της συνδρομής του.

@workflows.workflow.define(name="deterministic_workflow")
class DeterministicWorkflow:
    @workflows.workflow.entrypoint
    async def run(self, user_id: str) -> dict:
        # Πάντα η ίδια ακολουθία κλήσεων για την ίδια είσοδο
        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"}

Αυτή η ροή εργασίας είναι ντετερμινιστική παρόλο που περιέχει διακλάδωση. Ο λόγος έγκειται στην πηγή της συνθήκης: το profile["premium"] προέρχεται από το αποτέλεσμα μιας δραστηριότητας, άρα προέρχεται από το ημερολόγιο. Κατά την επανάληψη, το get_profile επιστρέφει την ακριβώς ίδια τιμή με την πρώτη εκτέλεση και ακολουθείται η ίδια διαδρομή.

Συγκρίνετε τώρα αυτό με την παρακάτω έκδοση, η οποία φαίνεται ακίνδυνη αλλά χαλάει τα πάντα.

import datetime
import random

@workflows.workflow.define(name="non_deterministic_workflow")
class NonDeterministicWorkflow:
    @workflows.workflow.entrypoint
    async def run(self, user_id: str) -> dict:
        # ΑΠΑΓΟΡΕΥΜΕΝΟ: το datetime.now() αλλάζει σε κάθε εκτέλεση
        if datetime.datetime.now().hour < 12:
            await send_morning_email(user_id)
        else:
            await send_afternoon_email(user_id)
        
        # ΑΠΑΓΟΡΕΥΜΕΝΟ: το random.random() παράγει διαφορετικό αποτέλεσμα κάθε φορά
        if random.random() > 0.5:
            await send_notification(user_id)
        
        return {"status": "completed"}

Φανταστείτε ότι ο worker καταρρέει στις 11:58 π.μ. και επανεκκινείται στις 12:03 μ.μ. Κατά την επανάληψη, το datetime.now() επιστρέφει μια απογευματινή ώρα, ενώ το ιστορικό περιέχει μια κλήση στο send_morning_email. Η ροή εργασίας αποτυγχάνει. Το random.random() παράγει το ίδιο αποτέλεσμα, μόνο που είναι πιο δύσκολο να διαγνωστεί.

Αντικαταστάσεις στο SDK

Το SDK δεν απαγορεύει απλώς αυτές τις κλήσεις· παρέχει ντετερμινιστικά ισοδύναμα για τις τρεις πιο κοινές λειτουργίες.

from mistralai.workflows import workflow

# Λήψη τρέχουσας ώρας (ντετερμινιστικό κατά την επανάληψη)
current_time = workflow.now()          # Αντί για datetime.now()

# Δημιουργία μοναδικού ID (ντετερμινιστικό κατά την επανάληψη)
request_id = workflow.uuid4()          # Αντί για uuid.uuid4()

# Λήψη τυχαίου αριθμού (ντετερμινιστικό κατά την επανάληψη)
rand_value = workflow.random()         # Αντί για random.random()

Η αρχή είναι η ίδια με αυτή των δραστηριοτήτων: η τιμή υπολογίζεται και καταγράφεται στο ημερολόγιο κατά την πρώτη εκτέλεση, και στη συνέχεια απλώς επαναλαμβάνεται. Το προηγούμενο παράδειγμα γίνεται τότε απολύτως ασφαλές.

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:
        # ΣΩΣΤΟ: το workflow.now() είναι ντετερμινιστικό κατά την επανάληψη
        current_hour = workflow.now()
        if current_hour.hour < 12:
            await send_morning_email(user_id)
        else:
            await send_afternoon_email(user_id)
        
        # ΣΩΣΤΟ: το workflow.random() είναι ντετερμινιστικό κατά την επανάληψη
        if workflow.random() > 0.5:
            await send_notification(user_id)
        
        # ΣΩΣΤΟ: το workflow.uuid4() είναι ντετερμινιστικό κατά την επανάληψη
        trace_id = workflow.uuid4()
        await log_trace(str(trace_id), user_id)
        
        return {"status": "completed", "trace_id": str(trace_id)}

Το Όριο που πρέπει να θυμάστε

Τα παρακάτω απαγορεύονται στον κώδικα της ροής εργασίας: datetime.now(), datetime.utcnow(), και time.time()· uuid.uuid4() και uuid.uuid1()· random.random(), random.randint(), και random.choice()· οποιαδήποτε άμεση κλήση δικτύου (httpx, aiohttp, requests)· οποιαδήποτε ανάγνωση ή εγγραφή αρχείου (open(), aiofiles)· οποιαδήποτε πρόσβαση σε βάση δεδομένων· os.environ, επειδή οι μεταβλητές περιβάλλοντος μπορεί να αλλάξουν μεταξύ των επαναλήψεων· και τέλος threading και multiprocessing, καθώς η πλατφόρμα χειρίζεται τον εσωτερικό παραλληλισμό.

Ό,τι είναι αναπαραγώγιμο παραμένει επιτρεπτό: κλήση δραστηριοτήτων μέσω await, χρήση των workflow.now(), workflow.uuid4(), και workflow.random(), συγγραφή υπό όρων λογικής ή βρόχων των οποίων οι συνθήκες εξαρτώνται από αποτελέσματα δραστηριοτήτων, χειρισμός δεδομένων στη μνήμη (υπολογισμοί, συμβολοσειρές) και καταγραφή συμβάντων (logging) — η καταγραφή θεωρείται αποδεκτή παρενέργεια.

Διάγνωση Σφάλματος Μη Ντετερμινισμού

Όταν εμφανιστεί το σφάλμα, τέσσερις έλεγχοι συνήθως αρκούν για να εντοπιστεί.

  1. Παρουσία μη ντετερμινιστικών κλήσεων — Αναζητήστε τα datetime.now, uuid.uuid4, random.random στον κώδικα της ροής εργασίας
  2. Άμεση Ε/Ε (I/O) — Οποιαδήποτε κλήση δικτύου ή αρχείου πρέπει να βρίσκεται σε μια δραστηριότητα
  3. Μεταβλητές περιβάλλοντος — Αν χρησιμοποιείτε το os.environ για διακλαδώσεις, μετακινήστε την ανάγνωση σε μια δραστηριότητα
  4. Βιβλιοθήκες τρίτων — Ορισμένες βιβλιοθήκες πραγματοποιούν κλήσεις δικτύου ή χρησιμοποιούν τυχαιότητα εσωτερικά

Αυτό το τελευταίο σημείο είναι το πιο ύπουλο: μια βιβλιοθήκη σειριοποίησης που ταξινομεί με βάση ένα τυχαία παραγόμενο ID, ή ένας πελάτης HTTP που δημιουργείται κατά τη φόρτωση της ενότητας, μπορεί να προκαλέσει αποτυχία στην επανάληψη χωρίς να εμφανίζεται ούτε μία ύποπτη γραμμή στη ροή εργασίας σας.

Η πιο αποτελεσματική άμυνα είναι να διατηρείτε τη ροή εργασίας όσο το δυνατόν πιο λιτή και να μεταφέρετε όλη την πολύπλοκη λογική σε δραστηριότητες. Μια ροή εργασίας που απλώς αλυσιδώνει τρεις κλήσεις δεν έχει μηχανικά καμία ευκαιρία να είναι μη ντετερμινιστική.

# ΒΕΛΤΙΣΤΗ ΠΡΑΚΤΙΚΗ: απλή ροή εργασίας, λογική σε δραστηριότητες
@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

Βασικά σημεία

  • Ο κώδικας της ροής εργασίας πρέπει να είναι ντετερμινιστικός: ίδιες είσοδοι = ίδια ακολουθία λειτουργιών
  • Χρησιμοποιήστε τα workflow.now(), workflow.uuid4(), workflow.random() αντί των αντίστοιχων στάνταρ της Python
  • Όλες οι λειτουργίες Ε/Ε (δίκτυο, αρχείο, ΒΔ) πρέπει να βρίσκονται σε μια δραστηριότητα, ποτέ μέσα στη ροή εργασίας
  • Οι υπό όρων διακλαδώσεις επιτρέπονται εφόσον εξαρτώνται από αποτελέσματα δραστηριοτήτων
  • Μια παραβίαση ντετερμινισμού προκαλεί την αποτυχία της ροής εργασίας κατά την επανάληψη
  • Σε περίπτωση αμφιβολίας, μετακινήστε τη λογική σε μια δραστηριότητα