Trajnost in zanesljivost delovnih tokov
Na tej strani
Zakaj trajnost spremeni vse
Predstavljaj si cevovod z desetimi koraki za obdelavo serije računov: ekstrakcija, validacija, klic modela, zapis v bazo podatkov, obvestilo. V običajnem skriptu Python te napaka v 7. koraku prisili, da začneš znova pri 1. koraku. Prvih šest korakov se ponovno izvede, kar povzroči resne težave, če je kateri od njih že zapisal podatke v bazo ali poslal sporočilo. Pri trajnem delovnem toku sistem nadaljuje točno na 7. koraku. Preskoči prvih šest korakov, prepreči podvajanje dejanj in ne izgubi nobenih podatkov.
Ta zmogljivost temelji na specifičnem mehanizmu, imenovanem izvorno sledenje dogodkom (event sourcing). Razumevanje tega koncepta je ključno, saj pojasnjuje omejitve, s katerimi se boš srečal kasneje.
Izvorno sledenje dogodkom: Temeljno načelo
Izvorno sledenje dogodkom zabeleži vsako dejanje delovnega toka kot nespremenljiv dogodek v dnevniku. Razlika glede na tradicionalni pristop se skriva v eni povedi: namesto shranjevanja samo trenutnega stanja (npr. „v teku, 7. korak”) platforma hrani popolno zgodovino operacij in njihovih rezultatov. Izvedba delovnega toka z dvema aktivnostma pusti naslednjo sled:
- Delovni tok se začne in prejme vhodne parametre → dogodek zabeležen
- Delovni tok pokliče aktivnost A → dogodek zabeležen
- Aktivnost A se konča z rezultatom → dogodek zabeležen
- Delovni tok pokliče aktivnost B → dogodek zabeležen
- Aktivnost B se konča → dogodek zabeležen
- Delovni tok vrne svoj končni rezultat → dogodek zabeležen
Sistem trajno shrani vsak korak preden preide na naslednjega. Ni časovnega okna, v katerem bi se dejanje zgodilo, ne da bi dnevnik vedel zanj. Ta dnevnik postane edini vir resnice; stanje delovnega toka ne obstaja nikjer drugje.
Samodejno ponovno predvajanje: Obnova po napaki
Ko delavec (worker) odpove, prevzame nov delavec, pridobi dnevnik dogodkov in ponovno predvaja kodo delovnega toka od začetka. Beseda „ponovno predvajanje” ljudi pogosto preseneti: koda se res znova zažene od prve vrstice, vendar za vsako aktivnost, ki se je že končala, pogon ne pokliče tvoje funkcije ponovno. Namesto tega nadomesti zabeleženi rezultat iz dnevnika. Delovni tok napreduje s hitrostjo branja, dokler ne naleti na prvo nedokončano aktivnost. Šele takrat se nadaljuje dejansko delo.
Aktivnosti, ki so se že uspešno končale, med ponovnim predvajanjem nikoli niso ponovno izvedene. Spodnji primer to garancijo naredi otipljivo za najbolj občutljiv primer: pošiljanje e-pošte.
import mistralai.workflows as workflows
@workflows.activity()
async def send_email(recipient: str, content: str) -> dict:
"""Ta aktivnost se izvede samo enkrat,
tudi če se delovni tok večkrat ponovno predvaja."""
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:
# Če delovni tok odpove PO pošiljanju e-pošte,
# e-pošta med ponovnim predvajanjem NE bo ponovno poslana.
email_result = await send_email(recipient, "Vaše poročilo je pripravljeno")
# Delovni tok se nadaljuje tukaj
log_result = await log_notification(recipient, email_result)
return log_result
Toleranca do napak: Pokriti scenariji
Platforma obravnava štiri vrste incidentov, ne da bi od tebe zahtevala napisano samo eno vrstico kode. Prvič, odpoved delavca: proces Python se nenadoma ustavi zaradi napake v pomnilniku, signala kill ali ponovnega zagona strežnika. Drug delavec prevzame delovni tok točno tam, kjer je zastal. Drugič, prehodna napaka v omrežju: klic API-ja ne uspe zaradi časovne omejitve. Pravilnik za ponovne poskuse samodejno znova zažene aktivnost z eksponentnim zamikom, pri čemer uporablja naraščajoče zamike, da se izogne preobremenitvi storitve, ki ima težave.
Tretjič, napake v tvoji lastni kodi: izjema, sprožena v aktivnosti, se ponovno poskuša določeno število krat na podlagi konfiguriranega pravilnika, preden trajno odpove. Četrtič, začasna nedostopnost storitve tretje strani. Učinek je tu dramatičen: če partnerski API odpove za deset minut, tvoj nočni cevovod ne odpove več. Čakajoče aktivnosti se znova zaženejo, ko se storitev vrne, in obdelava se konča le deset minut kasneje.
Omejitev determinizma
Ponovno predvajanje ima svojo ceno. Da bi ponovno predvajanje dnevnika zvesto reproduciralo prvotno izvedbo, mora biti koda delovnega toka (ne aktivnosti) deterministična. Ob enakih vhodnih podatkih mora proizvesti enako zaporedje operacij. Če se tvoj delovni tok razveje glede na if datetime.now().hour < 12, lahko ponovno predvajanje nocoj ubere drugo vejo in popolnoma desinhronizira dnevnik.
Zato v kodi delovnega toka nikoli ne smeš storiti naslednjega:
- Uporabiti
datetime.now()→ uporabiworkflow.now() - Uporabiti
uuid.uuid4()→ uporabiworkflow.uuid4() - Uporabiti
random.random()→ uporabiworkflow.random() - Neposredno izvajati omrežne ali V/V klice → premakni jih v aktivnost
Te tri zamenjave vrnejo vrednosti, zabeležene med prvim prehodom, in jih nato enako ponovno predvajajo. To omejitev bomo podrobneje obravnavali v lekciji 8, ki se osredotoča na determinizem.
Primerjava s tradicionalnimi pristopi
| Pristop | Obnova po napaki | Garancija izvedbe | Kompleksnost |
|---|---|---|---|
| Preprost skript Python | Ne | Nobena | Nizka |
| Čakalna vrsta sporočil (Celery, RQ) | Delna | Vsaj enkrat (At-least-once) | Srednja |
| Cron + baza podatkov | Ročno | Odvisno od implementacije | Visoka |
| Mistral Workflows (Temporal) | Samodejno | Točno enkrat (logično) | Nizka (SDK) |
Bodi pozoren na stolpec kompleksnosti. Čakalna vrsta sporočil se zdi preprosta za začetek, vendar te delna obnova prisili, da napišeš logiko za upravljanje stanja, ki jo SDK ponuja že vgrajeno.
Točno enkrat: Logična garancija
Platforma zagotavlja, da se tvoja logika delovnega toka izvede točno enkrat. Če aktivnost uspe, sistem zabeleži rezultat in je nikoli več ne izvede. Če ne uspe, jo sistem ponovno poskusi v skladu s konfiguriranim pravilnikom.
Beseda „logično” ni okrasna. Na ravni omrežja se klic lahko dejansko pošlje dvakrat: tvoja zahteva za ustvarjanje stranke prispe do CRM-ja, vendar se potrdilo izgubi med prenosom. Z tvoje perspektive je aktivnost odpovedala in se bo ponovila, čeprav stranka že obstaja. To ustvari potrebo po idempotentnih aktivnostih, ki proizvedejo enak rezultat, tudi če so poklicane večkrat z istimi parametri. V praksi to pomeni, da je treba raje uporabiti PUT na stabilnem ID-ju kot POST, ki z vsakim klicem ustvari novo vrstico.
Ključne ugotovitve
- Izvorno sledenje dogodkom zabeleži vsak korak kot nespremenljiv dogodek v dnevniku
- Samodejno ponovno predvajanje ti omogoča nadaljevanje prekinjenega delovnega toka brez ponovne izvedbe končanih aktivnosti
- Platforma samodejno obravnava odpovedi, napake v omrežju in izpade storitev
- Koda delovnega toka mora biti deterministična, da ponovno predvajanje deluje
- Aktivnosti morajo biti idempotentne, da se zagotovi skladnost med ponovnimi poskusi
- Garancija izvedbe je logično točno enkrat