EasyScheduler工作流补数执行中的租户信息丢失问题分析
2025-05-17 14:30:45作者:宣利权Counsellor
问题背景
在EasyScheduler工作流管理系统中,用户报告了一个关于工作流补数(Complement Data)执行时租户信息异常的问题。具体表现为:当执行工作流补数操作时,第一个工作流实例能够正确获取租户信息,但从第二个实例开始,所有后续实例的租户信息都会被错误地设置为默认(default)租户。
问题现象
- 用户设置了定时工作流并启用了补数功能
- 执行补数操作时,系统会生成多个工作流实例
- 第一个实例的租户信息显示正确
- 后续所有实例的租户信息都变成了默认租户
问题根源分析
经过技术分析,这个问题源于工作流补数执行过程中的租户信息传递机制存在缺陷:
- 第一个工作流实例执行时,系统直接从Web界面传递的参数中获取租户信息,因此显示正常
- 从第二个实例开始,系统改为从数据库中查询租户信息,但由于某种原因未能正确获取
- 当数据库查询失败时,系统默认回退到使用"default"租户
解决方案
开发人员通过代码审查发现了问题所在,并提供了修复方案:
- 在补数执行的代码逻辑中,需要显式地设置租户信息
- 添加了确保租户信息正确传递的代码逻辑
- 修复后的代码能够保证所有补数生成的工作流实例都能正确继承原始工作流的租户信息
技术实现细节
问题的核心在于工作流实例生成时租户信息的传递链路。在补数执行过程中:
- 系统需要遍历时间范围生成多个工作流实例
- 每个实例都应该继承原始工作流的租户配置
- 修复方案确保了租户信息在整个实例生成链路上得到正确传递
影响范围
该问题主要影响以下场景:
- 使用补数功能执行历史数据回填的工作流
- 需要特定租户执行的工作流
- 多租户环境下的工作流调度
最佳实践建议
为避免类似问题,建议:
- 在执行补数操作前,确认工作流的租户配置正确
- 定期检查工作流实例的租户信息是否一致
- 在升级系统后,验证补数功能的租户继承行为
总结
EasyScheduler中的工作流补数功能租户信息丢失问题,反映了分布式任务调度系统中配置信息传递的重要性。通过这次修复,系统确保了租户信息在工作流实例生成过程中的一致性,为多租户环境下的任务调度提供了更可靠的保障。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
659
150
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++
656
293
🎉 (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
1.17 K
644
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
489
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216
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