Ograniczenia platformy
Na tej stronie
Poznaj ograniczenia
Platforma Mistral Workflows znajduje się w fazie Public Preview (stan na kwiecień 2026 r.). Jak każdy system orkiestracji, nakłada ona ograniczenia techniczne, które musisz zrozumieć, aby projektować odporne workflow. Te limity to nie tylko przypisy w dokumentacji; pojawiają się w środowisku produkcyjnym, często w późnej fazie projektu, jako błędy serializacji lub niespodziewanie zakończone workflow bez żadnego ostrzeżenia w Twoim kodzie. Wiedza o nich z wyprzedzeniem zmienia sposób, w jaki strukturujesz swoją logikę przetwarzania.
Poniższa tabela podsumowuje kluczowe ograniczenia i konkretne konsekwencje ich przekroczenia.
| Ograniczenie | Wartość | Konsekwencja przekroczenia |
|---|---|---|
| Opóźnienie między aktywnościami | 2 sekundy | Nieuniknione opóźnienie przy każdym wywołaniu aktywności |
| Wejście/wyjście na wywołanie | 2 MB | Błąd serializacji, niepowodzenie workflow |
| Zdarzenia na wykonanie | 51 200 | Wymuszone zakończenie workflow |
| Łączny rozmiar na wykonanie | 50 MB | Wymuszone zakończenie workflow |
| Domyślny limit czasu | 1 godzina | Anulowanie workflow (konfigurowalne do 7 dni) |
| Maksymalny limit czasu | 7 dni | Automatyczne anulowanie workflow |
| Operacje I/O w workflow | Zabronione | Błąd niedeterminizmu podczas odtwarzania |
Dwie sekundy między każdą aktywnością
Platforma wymusza minimalne 2-sekundowe opóźnienie między wywołaniami aktywności. To opóźnienie nie jest chorobą wieku dziecięcego; jest ono nierozerwalnie związane z architekturą orkiestracji, która utrwalają każde zdarzenie przed przejściem dalej. To cena za trwałość.
Wpływ tego mechanizmu jest łatwy do obliczenia i często zaskakujący. Workflow łączące dziesięć sekwencyjnych aktywności zużywa co najmniej dwadzieścia sekund czasu orkiestracji, niezależnie od tego, jak długo same aktywności trwają. Jeśli każda aktywność działa przez pięćdziesiąt milisekund, zaprojektowałeś zadanie trwające pół sekundy, które zwraca wynik po dwudziestu sekundach.
Rozwiązaniem jest grupowanie operacji, które nie muszą być rozdzielone, w jedną aktywność. Porównaj te dwie wersje tego samego potoku NLP.
# NIEOPTYMALNE: 3 aktywności = 6 sekund opóźnienia orkiestracji
@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
# ZOPTYMALIZOWANE: 1 aktywność = 2 sekundy opóźnienia orkiestracji
@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)
Zasada dotycząca podziału staje się prosta: twórz osobną aktywność tylko wtedy, gdy potrzebujesz gwarancji trwałości między dwiema operacjami. Jeśli dwie operacje mogą zakończyć się niepowodzeniem razem bez powodowania problemów – jak lokalna tokenizacja i obliczanie osadzeń połączone w pamięci – zgrupuj je.
Dwa megabajty na wywołanie
Każde wywołanie aktywności jest ograniczone do 2 MB dla danych wejściowych i 2 MB dla danych wyjściowych, w oparciu o serializowaną reprezentację JSON danych. Raport w formacie PDF, zestaw obrazów lub duży eksport CSV łatwo przekroczą ten limit, powodując niepowodzenie workflow z błędem serializacji.
Rozwiązanie mieści się w jednym zdaniu: przekazuj referencje, nigdy ładunków danych. Aktywność pobiera dane z zewnętrznej pamięci masowej, przetwarza je lokalnie (gdzie ogranicza ją tylko pamięć workera) i zwraca URL wyniku.
@workflows.activity()
async def traiter_gros_fichier(fichier_url: str) -> dict:
"""Pobierz, przetwórz i ponownie prześlij plik.
Tylko URL-e przechodzą przez workflow."""
async with httpx.AsyncClient() as client:
# Pobierz z S3/GCS
response = await client.get(fichier_url)
contenu = response.content # Może to być 100 MB
# Przetwórz plik
resultat = traiter(contenu)
# Prześlij wynik
await client.put(
"https://storage.example.com/résultats/output.json",
content=resultat
)
return {"url_resultat": "https://storage.example.com/résultats/output.json"}
Budżet zdarzeń i wolumenu
Każde wykonanie jest ograniczone do 51 200 zdarzeń. Platforma generuje zdarzenie dla każdego rozpoczęcia aktywności, każdego zakończenia aktywności, każdego otrzymanego sygnału i każdego uruchomionego timera. W praktyce wywołanie aktywności kosztuje około dwóch do trzech zdarzeń po uwzględnieniu metadanych, co oznacza, że workflow ze stu aktywnościami zużywa około 250 do 300 zdarzeń. Innymi słowy, limit ten pozwala na piętnaście do dwudziestu tysięcy wywołań aktywności na wykonanie: znacznie więcej niż wymaga większość przypadków użycia.
Limit ten osiągniesz tylko przy przetwarzaniu wsadowym – na przykład iterując przez pięćdziesiąt tysięcy dokumentów w ramach jednego wykonania. Wzorzec kontynuacji, szczegółowo opisany w następnej lekcji, rozwiązuje ten problem: workflow przetwarza partię, a następnie uruchamia nowe workflow dla kolejnej partii, resetując licznik zdarzeń.
Drugie ograniczenie dotyczy wolumenu: łączny rozmiar wszystkich zdarzeń w wykonaniu nie może przekroczyć 50 MB. Limit ten wypełnia się szybciej, jeśli Twoje aktywności zwracają bogate obiekty, ponieważ każdy wynik jest zapisywany w logu. Zastosuj ten sam odruch – zwracaj identyfikator zamiast pełnej struktury, przechowuj wyniki pośrednie w usłudze zewnętrznej, dziel przetwarzanie na partie – i wystarczy to w zdecydowanej większości przypadków.
Brak operacji I/O w workflow
Ostatni wiersz tabeli to nie limit rozmiaru, ale zasada projektowa, omówiona już w kontekście determinizmu. Kod workflow nie może zawierać żadnych operacji wejścia/wyjścia: żadnych wywołań sieciowych (httpx, aiohttp, requests), żadnego odczytu ani zapisu plików (open, aiofiles), żadnego dostępu do bazy danych i żadnego odczytu zmiennych środowiskowych w celu sterowania rozgałęzieniami. Wszystkie te operacje muszą znajdować się w aktywnościach, których wyniki są logowane, a zatem identycznie odtwarzalne.
Kluczowe wnioski
- 2 sekundy minimalnego opóźnienia między każdą aktywnością – grupuj powiązane operacje
- 2 MB maksymalnie na wejście/wyjście aktywności – używaj zewnętrznej pamięci masowej dla dużych danych
- 51 200 zdarzeń i 50 MB maksymalnie na wykonanie – używaj wzorca kontynuacji dla bardzo długich workflow
- Brak operacji I/O w kodzie workflow – wszystko musi trafić do aktywności
- Ograniczenia te wynikają z podstawowej architektury Temporal i statusu Public Preview