Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Izdržljivost i pouzdanost tijekova rada

Lekcija 2 od 14 Ažurirano 29. srpnja 2026. Napredno
Na ovoj stranici
  1. Zašto izdržljivost mijenja sve
  2. Event Sourcing: Temeljni princip
  3. Automatska reprodukcija: Oporavak od kvara
  4. Tolerancija na greške: Pokriveni scenariji
  5. Ograničenje determinizma
  6. Usporedba s tradicionalnim pristupima
  7. Točno jednom: Logičko jamstvo
  8. Ključne točke

Zašto izdržljivost mijenja sve

Zamisli pipeline od deset koraka koji obrađuje šaržu računa: ekstrakcija, validacija, poziv modelu, zapis u bazu podataka, obavijest. U standardnoj Python skripti, rušenje na 7. koraku vraća te na početak. Prvih šest koraka se ponovno izvršava, što stvara ozbiljne probleme ako su bilo koji od njih već pisali u bazu podataka ili slali poruke. Kod izdržljivog tijeka rada, sustav nastavlja točno na 7. koraku. Preskače prvih šest koraka, izbjegava dupliciranje radnji i ne gubi podatke.

Ova mogućnost oslanja se na specifičan mehanizam zvan event sourcing (izvor događaja). Razumijevanje ovog koncepta ključno je jer objašnjava ograničenja s kojima ćeš se kasnije susresti.

Event Sourcing: Temeljni princip

Event sourcing bilježi svaku radnju tijeka rada kao nepromjenjivi događaj u dnevniku. Razlika u odnosu na tradicionalni pristup svodi se na jednu rečenicu: umjesto pohranjivanja samo trenutnog stanja (npr. „u tijeku, korak 7“), platforma čuva potpunu povijest operacija i njihovih rezultata. Izvršenje tijeka rada s dvije aktivnosti ostavlja sljedeći trag:

  1. Tijek rada pokreće se i prima ulazne parametre → događaj zabilježen
  2. Tijek rada poziva Aktivnost A → događaj zabilježen
  3. Aktivnost A završava s rezultatom → događaj zabilježen
  4. Tijek rada poziva Aktivnost B → događaj zabilježen
  5. Aktivnost B završava → događaj zabilježen
  6. Tijek rada vraća svoj konačni rezultat → događaj zabilježen

Sustav trajno pohranjuje svaki korak prije prelaska na sljedeći. Ne postoji vremenski prozor u kojem se radnja događa, a da dnevnik to ne zna. Taj dnevnik postaje jedini izvor istine; stanje tijeka rada ne postoji nigdje drugdje.

Automatska reprodukcija: Oporavak od kvara

Kada radnik (worker) otkaže, novi radnik preuzima kontrolu, dohvaća dnevnik događaja i reproducira (replay) kod tijeka rada od samog početka. Riječ „reprodukcija“ često iznenadi ljude: kod se doista ponovno pokreće od prvog retka, ali za svaku aktivnost koja je već završila, engine ne poziva tvoju funkciju ponovno. Umjesto toga, zamjenjuje je zabilježenim rezultatom iz dnevnika. Tijek rada napreduje brzinom čitanja sve dok ne naiđe na prvu nedovršenu aktivnost. Tek tada se nastavlja stvarni rad.

Aktivnosti koje su već uspješno završene nikada se ne izvršavaju ponovno tijekom reprodukcije. Primjer u nastavku čini ovo jamstvo opipljivim za najosjetljiviji slučaj: slanje e-pošte.

import mistralai.workflows as workflows

@workflows.activity()
async def send_email(recipient: str, content: str) -> dict:
    """Ova se aktivnost izvršava samo jednom,
    čak i ako se tijek rada više puta reproducira."""
    response = await email_service.send(recipient, content)
    return {"status": "sent", "id": response.id}

@workflows.workflow.define(name="notification_workflow")
class NotificationWorkflow:
    @workflows.workflow.entrypoint
    async def run(self, recipient: str) -> dict:
        # Ako tijek rada otkaže NAKON slanja e-pošte,
        # e-pošta se TIJEKOM reprodukcije NEĆE ponovno poslati.
        email_result = await send_email(recipient, "Vaše izvješće je spremno")

        # Tijek rada nastavlja ovdje
        log_result = await log_notification(recipient, email_result)
        return log_result

Tolerancija na greške: Pokriveni scenariji

Platforma rukuje četirima vrstama incidenata bez potrebe da napišeš ijednu liniju koda. Prvo, rušenje radnika: Python proces naglo prestaje zbog pogreške u memoriji, signala kill ili ponovnog pokretanja poslužitelja. Drugi radnik preuzima tijek rada točno tamo gdje je stao. Drugo, prolazna mrežna pogreška: API poziv ne uspije zbog isteka vremena (timeout). Politika ponovnog pokušaja automatski ponovno pokreće aktivnost s eksponencijalnim kašnjenjem, koristeći sve veće pauze kako bi se izbjeglo preopterećivanje usluge koja ima problema.

Treće, greške u tvom vlastitom kodu: iznimka podignuta u aktivnosti pokušava se ponoviti definiran broj puta na temelju konfigurirane politike prije nego što trajno ne uspije. Četvrto, privremena nedostupnost usluge treće strane. Učinak je ovdje dramatičan: ako partnerski API padne na deset minuta, tvoj noćni pipeline više ne propada. Aktivnosti na čekanju ponovno se pokreću kada se usluga vrati, a obrada završava samo deset minuta kasnije.

Ograničenje determinizma

Reprodukcija ima svoju cijenu. Da bi reprodukcija dnevnika vjerno reproducirala izvorno izvršenje, kod tijeka rada (ne aktivnosti) mora biti deterministički. S istim ulazima mora proizvesti isti slijed operacija. Ako se tvoj tijek rada grana na temelju if datetime.now().hour < 12, reprodukcija večeras mogla bi odabrati drugu granu, potpuno desinkronizirajući dnevnik.

Stoga u kodu tijeka rada nikada ne smiješ raditi sljedeće:

  • Koristiti datetime.now() → koristi workflow.now()
  • Koristiti uuid.uuid4() → koristi workflow.uuid4()
  • Koristiti random.random() → koristi workflow.random()
  • Izravno vršiti mrežne ili I/O pozive → premjesti ih u aktivnost

Ove tri zamjene vraćaju vrijednosti zabilježene tijekom prvog prolaza i nakon toga se reproduciraju identično. Ovo ćemo ograničenje detaljno obraditi u Lekciji 8, koja se fokusira na determinizam.

Usporedba s tradicionalnim pristupima

PristupOporavak od kvaraJamstvo izvršenjaSloženost
Jednostavna Python skriptaNeNemaNiska
Red poruka (Celery, RQ)DjelomičanNajmanje jednom (At-least-once)Srednja
Cron + Baza podatakaRučnoOvisi o implementacijiVisoka
Mistral Workflows (Temporal)AutomatskiTočno jednom (logički)Niska (SDK)

Obrati posebnu pozornost na stupac složenosti. Red poruka čini se jednostavnim za početak, ali njegov djelomični oporavak prisiljava te da napišeš logiku upravljanja stanjem koju SDK nudi iz kutije.

Točno jednom: Logičko jamstvo

Platforma jamči da se tvoja logika tijeka rada izvršava točno jednom. Ako aktivnost uspije, sustav bilježi rezultat i nikada je ponovno ne izvršava. Ako ne uspije, sustav je pokušava ponovno prema konfiguriranoj politici.

Riječ „logički“ nije ukrasna. Na mrežnoj razini, poziv se zapravo može poslati dvaput: tvoj zahtjev za kreiranje klijenta stiže do CRM-a, ali potvrda se izgubi u prijenosu. S tvoje perspektive, aktivnost nije uspjela i ponovno će se pokušati, iako klijent već postoji. To stvara potrebu za idempotentnim aktivnostima, koje proizvode isti rezultat čak i ako se pozovu više puta s istim parametrima. U praksi to znači davanje prednosti PUT zahtjevu na stabilnom ID-u umjesto POST zahtjevu koji stvara novi redak pri svakom pozivu.

Ključne točke

  • Event sourcing bilježi svaki korak kao nepromjenjivi događaj u dnevniku
  • Automatska reprodukcija omogućuje nastavak prekinutog tijeka rada bez ponovnog izvršavanja završenih aktivnosti
  • Platforma automatski rukuje rušenjima, mrežnim pogreškama i nedostupnošću usluga
  • Kod tijeka rada mora biti deterministički da bi reprodukcija funkcionirala
  • Aktivnosti moraju biti idempotentne kako bi se osigurala dosljednost tijekom ponovnih pokušaja
  • Jamstvo izvršenja je logički točno jednom