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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137