Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Είσοδοι και χρονικά όρια

Μάθημα 9 / 14 Ενημερώθηκε 29 Ιουλίου 2026 Προχωρημένος
Σε αυτήν τη σελίδα
  1. Τι εισέρχεται σε μια ροή εργασίας
  2. Δομή και επικύρωση με το Pydantic
  3. Διάρκεια ζωής εκτέλεσης
  4. Δύο επίπεδα χρονικών ορίων που δεν πρέπει να συγχέετε
  5. Βασικά σημεία

Τι εισέρχεται σε μια ροή εργασίας

Κάθε ροή εργασίας λαμβάνει παραμέτρους εισόδου που ορίζουν το πλαίσιο εκτέλεσής της. Επειδή αυτές οι παράμετροι ταξιδεύουν μέσω δικτύου και αποθηκεύονται στο αρχείο καταγραφής εκτέλεσης, πρέπει να ακολουθούν έναν αυστηρό κανόνα: πρέπει να είναι σειριοποιήσιμες σε JSON. Οι πρωτόγονοι τύποι της Python περνούν χωρίς πρόβλημα, όπως και οι λίστες, τα λεξικά και οι τιμές null.

# Primitive types
nom: str = "Marie"
age: int = 32
score: float = 0.95
actif: bool = True

# Collections
tags: list = ["urgent", "client-vip"]
metadata: dict = {"source": "api", "version": 2}

# Nullable
commentaire: str | None = None

Ωστόσο, τα datetime, bytes, set, tuple και οι προσαρμοσμένες κλάσεις που δεν βασίζονται στο Pydantic δεν υποστηρίζονται άμεσα. Εάν η ροή εργασίας σας χρειάζεται να λάβει μια ημερομηνία τιμολογίου, μετατρέψτε την σε συμβολοσειρά ISO 8601 πριν την περάσετε και ανακατασκευάστε το αντικείμενο μέσα στη δραστηριότητα. Αυτή η αρχή ισχύει για όλους αυτούς τους τύπους: η μετατροπή είναι δική σας ευθύνη, όχι της πλατφόρμας.

Δομή και επικύρωση με το Pydantic

Η μετάδοση ενός λεξικού ελεύθερης μορφής λειτουργεί, αλλά χάνετε όλες τις εγγυήσεις σχετικά με το περιεχόμενό του. Για δομημένες και επικυρωμένες παραμέτρους, βασιστείτε στα μοντέλα Pydantic, τα οποία τεκμηριώνουν τη διεπαφή της ροής εργασίας όσο την προστατεύουν.

from pydantic import BaseModel, Field

class ParametresAnalyse(BaseModel):
    url_document: str
    langue: str = "fr"
    max_tokens: int = Field(default=1000, ge=100, le=10000)
    inclure_metadata: bool = False

@workflows.workflow.define(name="analyse_documentaire")
class AnalyseDocumentaire:
    @workflows.workflow.entrypoint
    async def run(self, params: ParametresAnalyse) -> dict:
        extraction = await extraire_texte(params.url_document, params.langue)
        analyse = await analyser_contenu(extraction["texte"], params.max_tokens)
        
        if params.inclure_metadata:
            metadata = await extraire_metadata(params.url_document)
            return {**analyse, "metadata": metadata}
        
        return analyse

Στην πλευρά του καλούντος, δεν υπάρχει κάτι ιδιαίτερο να κάνετε: τα πεδία του BaseModel γίνονται απλώς κλειδιά ανώτατου επιπέδου στο λεξικό εισόδου.

execution = await client.workflows.execute_workflow_async(
    workflow_identifier="analyse_documentaire",
    input={
        "url_document": "https://example.com/rapport.pdf",
        "langue": "fr",
        "max_tokens": 2000,
        "inclure_metadata": True
    }
)

Το Pydantic επικυρώνει αυτόματα τα ληφθέντα δεδομένα. Εάν ένα πεδίο είναι άκυρο, η ροή εργασίας αποτυγχάνει αμέσως με ένα σαφές μήνυμα σφάλματος, αντί να ξεκινήσει την εκτέλεση και να καταρρεύσει τρεις δραστηριότητες αργότερα. Αυτή η επικύρωση σφίγγει όσο χρειάζεται: περιορισμοί μορφής σε μια διεύθυνση email, αριθμητικά όρια σε μια προτεραιότητα και πάνω από όλα το extra = "forbid", το οποίο απορρίπτει άγνωστα πεδία.

class ParametresStricts(BaseModel):
    email: str = Field(pattern=r"^[\w.+-]+@[\w-]+\.[\w.]+$")
    priorite: int = Field(ge=1, le=5)

    class Config:
        extra = "forbid"  # Rejects unknown fields

Αυτό το τελευταίο σημείο αξίζει προσοχής. Χωρίς το extra="forbid", ένα τυπογραφικό λάθος στο όνομα ενός πεδίου περνά απαρατήρητο: το αναμενόμενο πεδίο παίρνει την προεπιλεγμένη τιμή του και η ροή εργασίας εκτελείται με παραμέτρους που δεν είναι αυτές που intendedατε. Η αποτυχία είναι σιωπηλή, επομένως κοστοβόρα.

Όταν μια μεμονωμένη ροή εργασίας πρέπει να δέχεται πολλαπλές μορφές εισόδου, οι τύποι ένωσης (union types) σας επιτρέπουν να περιγράψετε αυτές τις παραλλαγές χωρίς να πολλαπλασιάσετε τις ροές εργασίας.

from typing import Union

class TraitementTexte(BaseModel):
    texte: str
    type_traitement: str = "resume"

class TraitementURL(BaseModel):
    url: str
    type_traitement: str = "resume"

class ParametresFlexibles(BaseModel):
    source: Union[TraitementTexte, TraitementURL]

    class Config:
        extra = "forbid"

Διάρκεια ζωής εκτέλεσης

Κάθε ροή εργασίας έχει μια μέγιστη διάρκεια εκτέλεσης, που ορίζεται από την παράμετρο execution_timeout. Από προεπιλογή, είναι μία ώρα: μετά από αυτή την προθεσμία, η ροή εργασίας ακυρώνεται αυτόματα, ανεξάρτητα από την πρόοδό της. Για μια διαδικασία που προορίζεται να διαρκέσει τριάντα δευτερόλεπτα, αυτή η τιμή είναι άνετη· για μια pipeline που τρέχει όλη τη νύχτα, είναι παγίδα.

Προσαρμόστε αυτό το χρονικό όριο στη φύση της επεξεργασίας, τόσο προς τα κάτω όσο και προς τα πάνω. Μια ροή εργασίας γρήγορης επεξεργασίας ωφελείται από ένα αυστηρό όριο, επειδή μια υπέρβαση τότε σηματοδοτεί ένα πραγματικό πρόβλημα και όχι μια προσωρινή επιβράδυνση.

from datetime import timedelta

@workflows.workflow.define(
    name="traitement_rapide",
    execution_timeout=timedelta(minutes=10)
)
class TraitementRapide:
    @workflows.workflow.entrypoint
    async def run(self, donnees: dict) -> dict:
        return await traiter(donnees)

Στο άλλο άκρο, το επιτρεπόμενο ανώτατο όριο είναι 7 ημέρες. Αυτή η διάρκεια έχει νόημα μόνο για διαδικασίες που περιμένουν ένα εξωτερικό γεγονός, τυπικά ανθρώπινη επικύρωση: μια αναφορά που συλλέγεται αυτόματα αλλά υπογράφεται από έναν διευθυντή που δεν θα επιστρέψει από την άδεια του μέχρι την επόμενη εβδομάδα.

from datetime import timedelta

@workflows.workflow.define(
    name="workflow_longue_duree",
    execution_timeout=timedelta(days=7)
)
class WorkflowLongueDuree:
    @workflows.workflow.entrypoint
    async def run(self, params: dict) -> dict:
        # This workflow can last up to 7 days
        # Useful for processes with human waiting periods
        donnees = await collecter_donnees_multi_sources(params)
        validation = await attendre_validation_humaine(donnees)
        return await finaliser_rapport(validation)

Για τη βαθμονόμηση, χρησιμοποιήστε αυτή την τάξη μεγέθους ανά οικογένεια χρήσης.

Περίπτωση χρήσηςΠροτεινόμενο χρονικό όριο
Επεξεργασία σε πραγματικό χρόνο1-5 λεπτά
Pipeline δεδομένων15-60 λεπτά
Δημιουργία σύνθετων αναφορών1-4 ώρες
Ροή εργασίας με ανθρώπινη επικύρωση1-7 ημέρες

Δύο επίπεδα χρονικών ορίων που δεν πρέπει να συγχέετε

Το execution_timeout ορίζει όριο σε ολόκληρη τη ροή εργασίας· το start_to_close_timeout ορίζει όριο σε μια μεμονωμένη δραστηριότητα. Τα δύο συνυπάρχουν και αλληλοσυμπληρώνονται: το πρώτο σας προστατεύει από μια ροή εργασίας που δεν ολοκληρώνεται ποτέ, το δεύτερο από μια δραστηριότητα που εκκρεμεί σε μια σιωπηλή υπηρεσία. Σημειώστε στο παρακάτω παράδειγμα ότι το χρονικό όριο του πελάτη HTTP (240 δευτερόλεπτα) είναι σκόπιμα χαμηλότερο από το start_to_close_timeout (5 λεπτά), ώστε το σφάλμα να εμφανίζεται καθαρά πριν η πλατφόρμα διακόψει τη σύνδεση.

from datetime import timedelta

@workflows.activity(
    start_to_close_timeout=timedelta(minutes=5)
)
async def appel_api_externe(params: dict) -> dict:
    # This activity has 5 minutes to complete
    async with httpx.AsyncClient(timeout=240) as client:
        response = await client.post(params["url"], json=params["data"])
    return response.json()

@workflows.workflow.define(
    name="pipeline_multi_etapes",
    execution_timeout=timedelta(hours=2)
)
class PipelineMultiEtapes:
    @workflows.workflow.entrypoint
    async def run(self, sources: list) -> dict:
        # The entire workflow has 2 hours
        # But each individual activity has its own timeout
        resultats = []
        for source in sources:
            resultat = await appel_api_externe(source)
            resultats.append(resultat)
        return {"résultats": resultats}

Μια τελευταία συνήθεια για τις εισόδους σας: κρατήστε τις ελαφριές. Το όριο είναι 2 MB και τίποτα δεν σας υποχρεώνει να το πλησιάσετε. Περάστε τη διεύθυνση URL ενός εγγράφου αντί για το περιεχόμενό του, ένα ID παραγγελίας αντί για την πλήρη παραγγελία και αφήστε τις δραστηριότητες να ανακτήσουν τα δεδομένα. Ορίστε προεπιλεγμένες τιμές για όλα τα προαιρετικά, τεκμηριώστε κάθε πεδίο με Field(description="...") και αναθέστε την επικύρωση στο Pydantic αντί για εντολές if scattered σε όλη τη ροή εργασίας.

Βασικά σημεία

  • Οι είσοδοι της ροής εργασίας πρέπει να είναι σειριοποιήσιμες σε JSON (str, int, float, bool, list, dict)
  • Χρησιμοποιήστε Pydantic BaseModel για δομημένες εισόδους με αυτόματη επικύρωση
  • Το προεπιλεγμένο χρονικό όριο είναι 1 ώρα, ρυθμιζόμενο έως 7 ημέρες το μέγιστο
  • Διακρίνετε το χρονικό όριο ροής εργασίας (execution_timeout) από το χρονικό όριο δραστηριότητας (start_to_close_timeout)
  • Κρατήστε τις εισόδους ελαφριές: IDs και URLs αντί για μεγάλα ακατέργαστα δεδομένα