Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Bemenetek és időtúllépések

9. lecke 14 közül Frissítve 2026. július 29. Haladó
Ezen az oldalon
  1. Mi kerül egy munkafolyamatba
  2. Struktúra és validálás Pydantic segítségével
  3. Végrehajtási élettartam
  4. Két időtúllépési szint, amit nem szabad összekeverni
  5. Főbb megállapítások

Mi kerül egy munkafolyamatba

Minden munkafolyamat bemeneti paramétereket kap, amelyek meghatározzák a végrehajtási kontextust. Mivel ezek a paraméterek a hálózaton utaznak és elmentésre kerülnek a végrehajtási naplóban, egy szigorú szabályt kell követniük: JSON-szerializálhatónak kell lenniük. A Python primitív típusok gond nélkül működnek, akárcsak a listák, szótárak és null értékek.

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

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

# Nullázható
commentaire: str | None = None

Ugyanakkor a datetime, bytes, set, tuple és a nem-Pydantic egyedi osztályok nem támogatottak közvetlenül. Ha a munkafolyamatodnak számla dátumot kell fogadnia, alakítsd át ISO 8601 formátumú sztringgé a továbbítás előtt, és a tevékenységen belül állítsd vissza az objektumot. Ez az elv minden ilyen típusra vonatkozik: az átalakítás a te felelősséged, nem a platformé.

Struktúra és validálás Pydantic segítségével

Egy kötetlen szótár átadása működik, de elveszíted a garanciákat a tartalmára vonatkozóan. A strukturált, validált paraméterekhez támaszkodj a Pydantic modellekre, amelyek ugyanúgy dokumentálják a munkafolyamat interfészét, mint ahogy védik is azt.

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

A hívó oldalon nincs külön teendő: a BaseModel mezői egyszerűen felső szintű kulcsokká válnak a bemeneti szótárban.

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
    }
)

A Pydantic automatikusan validálja a fogadott adatokat. Ha egy mező érvénytelen, a munkafolyamat azonnal megszakad egy egyértelmű hibaüzenettel, ahelyett, hogy elindulna, és három tevékenységgel később összeomlana. Ez a validálás szükség szerint szigorodik: formátum-korlátozások egy e-mail címre, numerikus határok egy prioritásra, és mindenekelőtt az extra = "forbid", amely elutasítja az ismeretlen mezőket.

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

    class Config:
        extra = "forbid"  # Elutasítja az ismeretlen mezőket

Ez az utóbbi pont figyelmet érdemel. Az extra="forbid" nélkül egy elgépelés a mező nevében észrevétlen marad: a várt mező felveszi az alapértelmezett értékét, és a munkafolyamat olyan paraméterekkel fut, amelyek nem azok, amiket szántál. A hiba csendes, ezért költséges.

Amikor egyetlen munkafolyamatnak többféle bemeneti formát kell elfogadnia, a union típusok lehetővé teszik ezeknek a variánsoknak a leírását anélkül, hogy megszoroznád a munkafolyamatok számát.

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"

Végrehajtási élettartam

Minden munkafolyamatnak van egy maximális végrehajtási ideje, amelyet az execution_timeout paraméter állít be. Alapértelmezés szerint ez egy óra: ezen a határidőn túl a munkafolyamat automatikusan megszakad, függetlenül az előrehaladástól. Egy harminc másodpercig tartó folyamatnál ez az érték kényelmes; egy éjszakai pipeline esetén csapda.

Állítsd be ezt az időtúllépést a feldolgozás jellegéhez igazodva, lefelé és felfelé is. Egy gyors feldolgozású munkafolyamatnak előnyös a szigorú limit, mert egy túllépés ekkor valódi problémát jelez, nem pedig egy ideiglenes lassulást.

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)

A másik végleten a megengedett felső határ 7 nap. Ennek az időtartamnak csak akkor van értelme, ha a folyamatok külső eseményre várnak, tipikusan emberi jóváhagyásra: egy automatikusan gyűjtött jelentés, amelyet egy menedzser ír alá, aki csak a következő héten tér vissza szabadságról.

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:
        # Ez a munkafolyamat akár 7 napig is tarthat
        # Hasznos olyan folyamatokhoz, amelyek emberi várakozási időt tartalmaznak
        donnees = await collecter_donnees_multi_sources(params)
        validation = await attendre_validation_humaine(donnees)
        return await finaliser_rapport(validation)

A kalibráláshoz használd ezt a nagyságrendet a használati családok szerint.

Használati esetAjánlott időtúllépés
Valós idejű feldolgozás1-5 perc
Adatpipeline15-60 perc
Komplex jelentésgenerálás1-4 óra
Emberi jóváhagyást igénylő munkafolyamat1-7 nap

Két időtúllépési szint, amit nem szabad összekeverni

Az execution_timeout az egész munkafolyamatra vonatkozik; a start_to_close_timeout egyetlen tevékenységre korlátozódik. A kettő együtt létezik és kiegészíti egymást: az első megvéd attól, hogy egy munkafolyamat sose fejeződjön be, a második pedig attól, hogy egy tevékenység ráakadjon egy néma szolgáltatásra. Figyeld meg az alábbi példában, hogy a HTTP kliens időtúllépése (240 másodperc) szándékosan alacsonyabb, mint a start_to_close_timeout (5 perc), így a hiba tisztán felszínre kerül, mielőtt a platform megszakítaná a kapcsolatot.

from datetime import timedelta

@workflows.activity(
    start_to_close_timeout=timedelta(minutes=5)
)
async def appel_api_externe(params: dict) -> dict:
    # Ennek a tevékenységnek 5 perce van a befejezésre
    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:
        # Az egész munkafolyamatnak 2 órája van
        # De minden egyes tevékenységnek megvan a saját időtúllépése
        resultats = []
        for source in sources:
            resultat = await appel_api_externe(source)
            resultats.append(resultat)
        return {"résultats": resultats}

Egy utolsó reflex a bemeneteidhez: tartsd őket könnyedén. A limit 2 MB, és semmi sem kényszerít, hogy megközelítsd. Add át egy dokumentum URL-jét a tartalma helyett, egy rendelés azonosítóját a teljes rendelés helyett, és hagyd, hogy a tevékenységek lekérjék az adatokat. Definálj alapértelmezett értékeket minden opcionális dologhoz, dokumentáld az egyes mezőket a Field(description="...") segítségével, és bízd a validálást a Pydanticra, ahelyett, hogy if utasításokat szórnál szét a munkafolyamatban.

Főbb megállapítások

  • A munkafolyamat bemeneteinek JSON-szerializálhatónak kell lenniük (str, int, float, bool, list, dict)
  • Használj Pydantic BaseModel-t strukturált bemenetekhez automatikus validálással
  • Az alapértelmezett időtúllépés 1 óra, konfigurálható maximum 7 napig
  • Különböztesd meg a munkafolyamat időtúllépését (execution_timeout) a tevékenység időtúllépésétől (start_to_close_timeout)
  • Tartsd könnyedén a bemeneteket: azonosítók és URL-ek a nagy nyers adatok helyett