Elsa Workflows中工作流实例持久化机制解析
2025-05-31 19:40:12作者:翟萌耘Ralph
问题背景
在使用Elsa Workflows 3.1.3版本时,开发者发现运行中的工作流实例无法在数据库中查询到,只有当工作流完成后才会被持久化。这与之前版本的行为不同,也不同于Elsa设计器示例应用中的表现。
核心问题分析
Elsa Workflows的工作流运行器(WorkflowRunner)在设计上采用了"即时执行"模式,这意味着:
- 当直接使用
IWorkflowRunner.RunAsync()方法执行工作流时,系统不会预先创建和持久化工作流实例 - 工作流实例仅在执行完成后才会被保存到数据库
- 这种设计优化了简单场景下的性能,避免了不必要的数据库操作
解决方案
要实现工作流实例的实时持久化,可以采用以下几种方法:
方法一:使用工作流分发器
工作流分发器(Dispatcher)会先将工作流实例持久化为"Pending"状态,然后由后台工作者执行:
// 使用工作流分发器替代直接运行
await workflowDispatcher.DispatchAsync(new WorkflowDispatchRequest
{
DefinitionId = workflow.DefinitionId
});
方法二:手动创建并持久化工作流实例
开发者可以手动创建和持久化工作流实例,然后再执行:
// 1. 获取必要服务
var workflowMaterializer = scope.ServiceProvider.GetRequiredService<IWorkflowMaterializer>();
var workflowInstanceFactory = scope.ServiceProvider.GetRequiredService<IWorkflowInstanceFactory>();
var workflowInstanceManager = scope.ServiceProvider.GetRequiredService<IWorkflowInstanceManager>();
// 2. 物化工作流定义
var materializedWorkflow = await workflowMaterializer.MaterializeAsync(workflow);
// 3. 创建工作流实例
var instance = workflowInstanceFactory.CreateWorkflowInstance(new CreateWorkflowInstanceRequest
{
Workflow = materializedWorkflow
});
// 4. 持久化实例
await workflowInstanceManager.SaveAsync(instance, CancellationToken.None);
// 5. 执行工作流
await _workflowRunner.RunAsync(new RunWorkflowOptions
{
WorkflowInstanceId = instance.Id
});
定时触发与手动执行的协调
对于带有Cron触发器的工作流,手动触发时需要注意:
- 默认情况下,手动触发会遵循Cron表达式的调度
- 要实现即时执行,可以:
- 临时禁用触发器
- 使用特定参数绕过触发器检查
- 创建专门用于手动执行的版本
最佳实践建议
-
根据业务场景选择适当的执行方式:
- 需要实时监控:使用分发器或手动持久化
- 简单后台任务:直接使用运行器
-
考虑工作流状态管理:
- 运行前状态应为"Pending"或"Running"
- 完成后状态变为"Finished"或"Faulted"
-
对于复杂场景,可以扩展
IWorkflowRunner实现自定义持久化逻辑
总结
Elsa Workflows提供了灵活的工作流执行机制,开发者需要根据具体需求选择合适的持久化策略。理解工作流运行器和分发器的区别,能够帮助构建更可靠的工作流系统。未来版本可能会增加更细粒度的持久化控制选项,进一步简化这一过程。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
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
481
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++
649
271
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212