Elsa Workflows中实现多人审批竞争性完成的机制解析
2025-05-30 19:45:21作者:舒璇辛Bertina
背景与需求场景
在现代工作流引擎应用中,多人并行审批是一种常见模式。例如某个采购申请需要三位部门主管中任意一位审批即可通过,此时系统需要确保只要有一位完成审批,其他并行分支就自动取消执行。这种"竞争性完成"机制在Elsa Workflows中的实现方式经历了版本迭代。
Elsa 3.x版本的解决方案演进
Elsa 3.5及之前版本:Join活动方案
在Elsa 3.5及更早版本中,虽然没有专门的CancellationScope活动,但可以通过Join活动实现类似效果。其核心原理是:
- 并行分支设计:创建工作流时,从起始节点分出多个并行审批分支
- 汇聚节点处理:所有分支最终连接到一个Join活动
- 自动取消机制:当任一分支到达Join节点时,引擎会自动取消其他分支的待处理书签(bookmark)
典型的工作流结构如下:
开始 → 审批人A → Join → 结束
开始 → 审批人B → Join
开始 → 审批人C → Join
Elsa 3.6的优化方案:Race合并模式
从Elsa 3.6版本开始,工作流设计变得更加灵活:
- 去中心化合并:不再强制要求使用Join活动,任何活动都可作为合并点
- 配置化竞争:通过设置活动的"merge mode"属性为"Race"来实现竞争完成
- 智能取消:当任一分支到达合并点时,其他所有携带书签的输入分支都会被自动取消
这种改进使得工作流设计更加直观,减少了必须使用特定活动的限制。
实现原理深度解析
书签机制的核心作用
Elsa的竞争性完成机制依赖于其底层的书签系统:
- 每个等待审批的活动都会创建一个持久化的书签
- 当用户完成审批时,系统通过书签恢复工作流执行
- 在竞争模式下,系统会主动清理其他并行分支的书签
实际应用建议
对于需要实现"任意一人审批即通过"的场景,建议:
- 明确区分审批活动和普通活动
- 为每个审批分支设置明确的前置条件
- 在生产环境中充分测试竞争条件下的异常处理
- 考虑添加超时机制作为补充保障
版本选择建议
对于不同项目环境:
- 新项目建议直接采用Elsa 3.6+版本,利用更灵活的Race合并模式
- 现有系统若使用3.5版本,可通过Join活动实现相同效果
- 特别复杂的场景可以考虑自定义活动扩展基础功能
通过理解Elsa的这些机制,开发者可以构建出更健壮、高效的多人协作工作流系统,满足各种业务审批场景的需求。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
492