Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

A platform korlátai

10. lecke 14 közül Frissítve 2026. július 29. Haladó
Ezen az oldalon
  1. Ismerd a korlátokat
  2. Két másodperc minden tevékenység között
  3. Két megabájt hívásonként
  4. Az esemény- és volumenköltségvetés
  5. Nincs I/O a munkafolyamatban
  6. Főbb megállapítások

Ismerd a korlátokat

A Mistral Workflows platform jelenleg (2026 áprilisa óta) nyilvános előzetes verzióban (Public Preview) érhető el. Mint minden orchestrációs rendszer, ez is technikai korlátokat imposed, amelyeket meg kell értened a robusztus munkafolyamatok tervezéséhez. Ezek a korlátok nem csupán apróbetűs lábjegyzetek a dokumentációban; éles környezetben is megjelennek, gyakran a projekt késői szakaszában, szerializációs hibák vagy váratlanul, kódfigyelmeztetés nélkül leállított munkafolyamatok formájában. Ha előre ismered őket, az alapvetően megváltoztatja a feldolgozási logika felépítését.

Az alábbi táblázat összefoglalja a legfontosabb korlátokat és az egyes túllépések konkrét következményeit.

Korlátozás Érték Következmény túllépés esetén
Késleltetés a tevékenységek között 2 másodperc Elkerülhetetlen késés minden tevékenységhívás között
Bemenet/kimenet hívásonként 2 MB Szerializációs hiba, a munkafolyamat meghiúsul
Események végrehajtásonként 51 200 A munkafolyamat kényszerített leállítása
Teljes méret végrehajtásonként 50 MB A munkafolyamat kényszerített leállítása
Alapértelmezett időtúllépés 1 óra A munkafolyamat megszakad (konfigurálható legfeljebb 7 napra)
Maximális időtúllépés 7 nap A munkafolyamat automatikusan megszakad
I/O műveletek a munkafolyamatokban Tiltott Nem determinisztikus hiba újrajátszás közben

Két másodperc minden tevékenység között

A platform minimum 2 másodperces késleltetést ír elő a tevékenységhívások között. Ez a késés nem gyermekbetegség; az orchestrációs architektúra velejárója, amely minden eseményt tartósít, mielőtt továbblépne. Ez a tartósság ára.

A hatás könnyen kiszámolható, és gyakran meglepő. Tíz soros tevékenységet láncoló munkafolyamat legalább húsz másodperc orchestrációs időt emészt fel, függetlenül attól, mennyi ideig futnak maguk a tevékenységek. Ha minden tevékenység ötven milliszekundum alatt lefut, akkor egy fél másodperces munkát terveztél, amelynek az eredménye húsz másodperc alatt érkezik meg.

A megoldás az, hogy egyetlen tevékenységbe vonj össze olyan műveleteket, amelyeknek nem kell különállóknak lenniük. Hasonlítsd össze ugyanannak az NLP folyamatnak ezt a két verzióját.

# NEM OPTIMÁLIS: 3 tevékenység = 6 másodperc orchestrációs késés
@workflows.workflow.define(name="pipeline_lent")
class SlowPipeline:
    @workflows.workflow.entrypoint
    async def run(self, text: str) -> dict:
        tokens = await tokenize(text)
        embeddings = await calculate_embeddings(tokens)
        clusters = await cluster(embeddings)
        return clusters

# OPTIMALIZÁLT: 1 tevékenység = 2 másodperc orchestrációs késés
@workflows.activity()
async def complete_nlp_processing(text: str) -> dict:
    tokens = tokenize_local(text)
    embeddings = calculate_embeddings_local(tokens)
    clusters = cluster_local(embeddings)
    return {"clusters": clusters}

@workflows.workflow.define(name="pipeline_rapide")
class FastPipeline:
    @workflows.workflow.entrypoint
    async def run(self, text: str) -> dict:
        return await complete_nlp_processing(text)

A szétválasztás szabálya egyszerűvé válik: csak akkor hozz létre külön tevékenységet, ha két művelet között szükséged van a tartóssági garanciára. Ha két művelet együtt is meghibásodhat anélkül, hogy problémát okozna – mint például a memóriában láncolt helyi tokenizálás és beágyazás-számítás –, akkor vond őket össze.

Két megabájt hívásonként

Minden tevékenységhívás bemenete és kimenete is maximum 2 MB lehet, az adatok szerializált JSON ábrázolása alapján. Egy jelentés PDF-ben, egy képkészlet vagy egy nagy CSV export könnyen túllépi ezt, ami szerializációs hiba miatt a munkafolyamat meghiúsulásához vezet.

A megoldás egyetlen mondat: soha ne adj át adatpayloadot, csak hivatkozásokat. A tevékenység letölti az adatot a külső tárhelyről, helyben feldolgozza (ahol csak a worker memóriája szab határt), majd visszaadja az eredmény URL-jét.

@workflows.activity()
async def traiter_gros_fichier(fichier_url: str) -> dict:
    """Letölti, feldolgozza és újra feltölti a fájlt.
    Csak az URL-ek haladnak át a munkafolyamaton."""
    async with httpx.AsyncClient() as client:
        # Letöltés S3/GCS rendszerből
        response = await client.get(fichier_url)
        contenu = response.content  # Lehet 100 MB is

        # A fájl feldolgozása
        resultat = traiter(contenu)

        # Az eredmény feltöltése
        await client.put(
            "https://storage.example.com/résultats/output.json",
            content=resultat
        )

    return {"url_resultat": "https://storage.example.com/résultats/output.json"}

Az esemény- és volumenköltségvetés

Minden végrehajtás maximum 51 200 eseményre korlátozódik. A platform eseményt generál minden tevékenység indításakor, minden tevékenység befejezésekor, minden fogadott jelzésnél és minden elindított időzítőnél. A gyakorlatban egy tevékenységhívás körülbelül két-három eseménybe kerül, ha a metaadatokat is beleszámoljuk, így egy száz tevékenységből álló munkafolyamat kb. 250–300 eseményt fogyaszt. Más szóval a korlát végrehajtásonként tizenötezer-húszezer tevékenységhívást tesz lehetővé: ez jóval meghaladja a legtöbb használati eset igényeit.

Ezt a limitet csak tömeges feldolgozásnál éred el – például amikor ötvenezer dokumentumot iterálsz végig egyetlen végrehajtásban. A folytatási minta (continuation pattern), amelyet a következő leckében részletezünk, megoldja ezt: a munkafolyamat feldolgoz egy köteget, majd elindít egy új munkafolyamatot a következő köteg számára, ezzel visszaállítva az eseményszámlálót.

A második korlát a volumenre vonatkozik: egy végrehajtás során keletkező összes esemény együttes mérete nem haladhatja meg az 50 MB-ot. Ez gyorsabban telítődik, ha a tevékenységeid gazdag objektumokat adnak vissza, mivel minden eredmény naplózásra kerül. Ugyanaz a reflex alkalmazandó: azonosítóval térj vissza teljes struktúrák helyett, tárold a közbenső eredményeket külső szolgáltatásban, és lapozz a feldolgozás során kötegekben; ez az esetek túlnyomó többségében elegendő.

Nincs I/O a munkafolyamatban

A táblázat utolsó sora nem méretezési korlát, hanem tervezési szabály, amelyet már tárgyaltunk a determinizmus kapcsán. A munkafolyamat kódja nem tartalmazhat input/output műveleteket: nincs hálózati hívás (httpx, aiohttp, requests), nincs fájlolvasás vagy -írás (open, aiofiles), nincs adatbázis-hozzáférés, és környezeti változók olvasása sem vezérelhet elágazásokat. Mindezek a műveletek a tevékenységek feladatai, amelyek eredményei naplózásra kerülnek, így azonos módon újrajátszhatók.

Főbb megállapítások

  • 2 másodperc minimális késleltetés minden tevékenység között – vond össze a kapcsolódó műveleteket
  • 2 MB maximum tevékenységenkénti bemenet/kimenet – használj külső tárhelyet nagy adatokhoz
  • 51 200 esemény és 50 MB maximum végrehajtásonként – használd a folytatási mintát nagyon hosszú munkafolyamatoknál
  • Nincs I/O a munkafolyamat kódjában – minden művelet a tevékenységekben történjen
  • Ezek a korlátok az alapul szolgáló Temporal architektúrából és a nyilvános előzetes (Public Preview) státuszból adódnak