Roadrunner项目中的TypedSearchAttributes功能解析
2025-05-28 02:40:00作者:乔或婵
概述
在分布式工作流系统中,搜索属性(Search Attributes)是一个非常重要的功能,它允许用户为工作流实例添加可搜索的元数据。Roadrunner项目近期计划增强其Temporal插件,引入TypedSearchAttributes功能,这将为工作流管理带来更强大的类型安全性和灵活性。
现有问题分析
当前Roadrunner的Temporal插件中,当启动子工作流(Child Workflow)时,可以通过ExecuteChildWorkflow命令传递搜索属性。然而,这些属性是以JSON格式打包到常规数组中的,缺乏类型信息。这种实现方式存在几个局限性:
- 类型安全性不足:所有属性值都以无类型方式处理
- 功能不完整:无法支持Temporal SDK中已有的TypedSearchAttributes功能
- 扩展性受限:难以添加新的属性类型
技术方案设计
Roadrunner团队提出了一个协议级的解决方案,通过新增UpsertWorkflowTypedSearchAttributes命令来实现类型化搜索属性。该方案的核心设计如下:
数据结构
每个搜索属性将采用结构化表示,包含以下字段:
{
"属性名": {
"type": "类型标识",
"operation": "操作类型",
"value": "属性值"
}
}
支持的数据类型
系统将支持多种数据类型,以满足不同场景的需求:
- 布尔类型(bool):存储true/false值
- 浮点类型(float64):存储小数数值
- 整型(int64):存储整数数值
- 关键词(keyword):存储单个字符串值
- 关键词列表(keyword_list):存储字符串数组
- 字符串(string):存储任意文本
- 日期时间(datetime):存储RFC 3339格式的时间戳
操作类型
每个属性支持两种操作:
- 设置(set):设置或更新属性值(默认操作)
- 取消设置(unset):移除已设置的属性
实现细节
在实现层面,Roadrunner将采用以下策略:
- 错误处理:当遇到类型或值解析错误时,系统会记录警告日志并继续处理后续字段
- 向后兼容:新功能将与现有无类型搜索属性系统共存
- 性能考虑:采用高效的解析机制处理类型化数据
技术优势
这一改进将为系统带来显著优势:
- 类型安全:明确的数据类型减少了运行时错误
- 功能完整:与Temporal SDK功能对齐,提供更丰富的搜索能力
- 开发体验:更直观的API设计,便于开发者使用
- 可扩展性:易于添加新的数据类型支持
应用场景
TypedSearchAttributes功能特别适用于以下场景:
- 复杂筛选:基于多种类型条件精确查找工作流
- 数据分析:对数值型属性进行范围查询
- 时间序列:利用datetime类型进行时间范围筛选
- 标签系统:使用keyword_list实现多标签分类
总结
Roadrunner通过引入TypedSearchAttributes功能,显著提升了工作流搜索能力的灵活性和可靠性。这一改进不仅解决了现有系统的局限性,还为未来的功能扩展奠定了坚实基础。对于需要精细化管理工作流元数据的应用场景,这一功能将提供极大的便利和价值。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210