Hållbarhet och tillförlitlighet i arbetsflöden
På denna sida
Varför hållbarhet förändrar allt
Föreställ dig en pipeline med tio steg som bearbetar en batch fakturor: extrahering, validering, modellanrop, databasskrivning, avisering. I ett vanligt Python-skript tvingar ett krasch vid steg 7 dig att börja om från steg 1. De första sex stegen körs igen, vilket skapar allvarliga problem om någon av dem redan skrivit till en databas eller skickat ett meddelande. Med ett hållbart arbetsflöde återupptar systemet exakt vid steg 7. Det hoppar över de första sex stegen, undviker dubbla åtgärder och förlorar ingen data.
Denna förmåga bygger på en specifik mekanism som kallas event sourcing. Att förstå detta koncept är avgörande eftersom det förklarar de begränsningar du kommer att stöta på senare.
Event Sourcing: Den grundläggande principen
Event sourcing registrerar varje åtgärd i arbetsflödet som en oföränderlig händelse i en logg. Skillnaden jämfört med en traditionell approach kan sammanfattas i en mening: istället för att bara lagra det aktuella tillståndet (t.ex. “pågår, steg 7”), behåller plattformen en komplett historik över operationer och deras resultat. En körning av ett arbetsflöde med två aktiviteter lämnar följande spår:
- Arbetsflödet startar och tar emot inparametrar → händelse registrerad
- Arbetsflödet anropar Aktivitet A → händelse registrerad
- Aktivitet A slutförs med ett resultat → händelse registrerad
- Arbetsflödet anropar Aktivitet B → händelse registrerad
- Aktivitet B slutförs → händelse registrerad
- Arbetsflödet returnerar sitt slutgiltiga resultat → händelse registrerad
Systemet beständiggör varje steg innan det går vidare till nästa. Det finns inget ögonblick där en åtgärd sker utan att loggen vet om det. Denna logg blir den enda källan till sanning; arbetsflödets tillstånd existerar ingen annanstans.
Automatisk uppspelning: Återhämtning vid fel
När en worker kraschar tar en ny worker över, hämtar händelseloggen och spelar upp arbetsflödeskoden från början. Ordet “uppspelning” överraskar ofta: koden startar visserligen om från rad ett, men för varje aktivitet som redan avslutats anropar motorn inte din funktion igen. Istället substituerar den det registrerade resultatet från loggen. Arbetsflödet avancerar i läshastighet tills det når den första oavslutade aktiviteten. Först då återupptas det verkliga arbetet.
Aktiviteter som redan lyckats körs aldrig om under en uppspelning. Exemplet nedan gör denna garanti konkret för det mest känsliga fallet: att skicka ett e-postmeddelande.
import mistralai.workflows as workflows
@workflows.activity()
async def send_email(recipient: str, content: str) -> dict:
"""Denna aktivitet körs endast en gång,
även om arbetsflödet spelas upp flera gånger."""
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:
# Om arbetsflödet kraschar EFTER att e-postmeddelandet skickats,
# kommer e-postmeddelandet INTE att skickas igen vid uppspelning.
email_result = await send_email(recipient, "Din rapport är klar")
# Arbetsflödet återupptas här
log_result = await log_notification(recipient, email_result)
return log_result
Feltolerans: Täckta scenarier
Plattformen hanterar fyra typer av incidenter utan att du behöver skriva en enda rad kod. För det första, en worker-krasch: Python-processen stoppas abrupt på grund av ett minnesfel, en kill-signal eller en serveromstart. En annan worker plockar upp arbetsflödet exakt där det lämnades. För det andra, ett övergående nätverksfel: ett API-anrop misslyckas på grund av en timeout. Retry-politiken startar automatiskt om aktiviteten med exponentiell backoff, där ökande fördröjningar används för att undvika att överbelasta en tjänst som kämpar.
För det tredje, fel i din egen kod: ett undantag som kastas i en aktivitet försöks ett definierat antal gånger baserat på den konfigurerade policyn innan det misslyckas permanent. För det fjärde, tillfällig otillgänglighet hos en tredjepartstjänst. Effekten här är dramatisk: om en partner-API är nere i tio minuter, misslyckas inte ditt nattliga pipeline längre. Väntande aktiviteter startas om när tjänsten är tillbaka, och bearbetningen avslutas bara tio minuter försenat.
Begränsningen om determinism
Uppspelning har ett pris. För att logguppspelningen troget ska återskapa den ursprungliga körningen måste koden för arbetsflödet (inte aktiviteterna) vara deterministisk. Givet samma indata måste den producera samma sekvens av operationer. Om ditt arbetsflöde grenar sig baserat på if datetime.now().hour < 12, kan en uppspelning ikväll ta den andra grenen, vilket helt desynkroniserar loggen.
Därför får du aldrig göra följande i arbetsflödeskod:
- Använda
datetime.now()→ användworkflow.now() - Använda
uuid.uuid4()→ användworkflow.uuid4() - Använda
random.random()→ användworkflow.random() - Göra nätverks- eller I/O-anrop direkt → flytta dem till en aktivitet
Dessa tre substitutioner returnerar värden som registrerades under första genomkörningen och spelas upp identiskt efteråt. Vi kommer att gå igenom denna begränsning i detalj i lektion 8, som fokuserar på determinism.
Jämförelse med traditionella metoder
| Metod | Felåterhämtning | Exekveringsgaranti | Komplexitet |
|---|---|---|---|
| Enkelt Python-skript | Nej | Ingen | Låg |
| Meddelandekö (Celery, RQ) | Delvis | Minst en gång (At-least-once) | Medel |
| Cron + Databas | Manuell | Beror på implementation | Hög |
| Mistral Workflows (Temporal) | Automatisk | Exakt en gång (logiskt) | Låg (SDK) |
Var uppmärksam på kolumnen för komplexitet. En meddelandekö verkar enkel att komma igång med, men dess partiella återhämtning tvingar dig att skriva logik för tillståndshantering som SDK:t tillhandahåller färdigt.
Exakt en gång: En logisk garanti
Plattformen garanterar att din arbetsflödeslogik exekveras exakt en gång. Om en aktivitet lyckas registrerar systemet resultatet och kör aldrig om den. Om den misslyckas försöker systemet igen enligt den konfigurerade policyn.
Ordet “logiskt” är inte bara dekoration. På nätverksnivå kan ett anrop faktiskt skickas två gånger: din begäran att skapa en kund når CRM-systemet, men bekräftelsen går förlorad på vägen. Ur ditt perspektiv misslyckades aktiviteten och kommer att försökas igen, även om kunden redan finns. Detta skapar ett behov av idempotenta aktiviteter, som producerar samma resultat även om de anropas flera gånger med samma parametrar. I praktiken innebär detta att du bör föredra en PUT på ett stabilt ID framför en POST som skapar en ny rad vid varje anrop.
Viktiga punkter
- Event sourcing registrerar varje steg som en oföränderlig händelse i en logg
- Automatisk uppspelning låter dig återuppta ett avbrutet arbetsflöde utan att köra om avslutade aktiviteter
- Plattformen hanterar automatiskt krascher, nätverksfel och tjänsteavbrott
- Arbetsflödeskod måste vara deterministisk för att uppspelning ska fungera
- Aktiviteter måste vara idempotenta för att säkerställa konsistens vid försök
- Exekveringsgarantin är logisk exakt-en-gång