Windmill项目中的批量任务重跑功能设计与实现
2025-05-18 19:02:20作者:贡沫苏Truman
背景与需求分析
在现代工作流自动化平台Windmill中,任务执行是核心功能之一。随着用户规模扩大,用户经常需要对多个任务进行批量操作,特别是批量重跑任务的需求日益突出。传统单任务重跑方式效率低下,无法满足大规模任务管理的需求。
功能设计要点
批量选择机制
系统设计了灵活的批量选择方案:
- 页面内全选:用户可以在当前页面选择所有可见任务
- 筛选器全选:基于筛选条件选择所有符合条件的任务
- 手动多选:用户可逐个勾选需要重跑的任务
时间窗口重跑
针对定时任务场景,系统提供了基于时间窗口的重跑功能:
- 用户可指定过去某个时间段
- 可选择仅重跑未执行的任务或全部重跑
- 系统会自动计算该时间段内所有应执行的"tick"点
参数处理策略
面对不同版本任务的重跑需求,系统实现了智能参数处理:
- 相同版本任务:直接使用原参数重跑
- 不同版本任务:
- 为每个版本创建独立参数配置标签页
- 提供公共参数配置区域,处理各版本共有的参数
- 支持静态值设置和JavaScript表达式动态计算
高级功能扩展
基于用户反馈,系统还实现了以下增强功能:
失败任务专项重跑
针对失败任务提供专项处理能力:
- 可筛选仅重跑失败状态的任务
- 重跑成功后自动更新任务状态
- 保留完整执行历史,确保可追溯性
状态管理机制
为确保系统可靠性,实现了完善的状态管理:
- 不覆盖原有执行记录,而是追加新记录
- 保留完整的执行历史链条
- 提供清晰的状态变更轨迹
技术实现考量
在实现批量重跑功能时,开发团队重点考虑了以下技术因素:
- 性能优化:批量操作可能涉及大量任务,需优化数据库查询和任务调度
- 事务处理:确保批量操作的事务完整性
- 权限控制:批量操作需严格校验用户权限
- 资源管理:合理控制系统资源使用,避免批量操作导致系统过载
总结
Windmill的批量任务重跑功能通过精心设计的选择机制、参数处理策略和状态管理方案,显著提升了任务管理效率。该功能不仅满足了基本批量操作需求,还通过失败任务专项处理和版本兼容性支持等高级特性,为复杂场景提供了完善的解决方案。
登录后查看全文
热门项目推荐
- Ggpt-oss-120bgpt-oss-120b是OpenAI开源的高性能大模型,专为复杂推理任务和智能代理场景设计。这款拥有1170亿参数的混合专家模型采用原生MXFP4量化技术,可单卡部署在H100 GPU上运行。它支持可调节的推理强度(低/中/高),完整思维链追溯,并内置函数调用、网页浏览等智能体能力。模型遵循Apache 2.0许可,允许自由商用和微调,特别适合需要生产级推理能力的开发者。通过Transformers、vLLM等主流框架即可快速调用,还能在消费级硬件通过Ollama运行,为AI应用开发提供强大而灵活的基础设施。【此简介由AI生成】Jinja00
- QQwen-Image我们隆重推出 Qwen-Image,这是通义千问系列中的图像生成基础模型,在复杂文本渲染和精准图像编辑方面取得重大突破。Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava00GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。05GOT-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。00openHiTLS
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!C0258Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013RuoYi-Cloud-Plus
微服务管理系统 重写RuoYi-Cloud所有功能 整合 SpringCloudAlibaba、Dubbo3.0、Sa-Token、Mybatis-Plus、MQ、Warm-Flow工作流、ES、Docker 全方位升级 定期同步Java014
热门内容推荐
最新内容推荐
项目优选
收起

🤖一个基于 WeChaty 结合 DeepSeek / ChatGPT / Kimi / 讯飞等Ai服务实现的微信机器人 ,可以用来帮助你自动回复微信消息,或者管理微信群/好友,检测僵尸粉等。
JavaScript
184
23

unibest - 最好用的 uniapp 开发框架。unibest 是由 uniapp + Vue3 + Ts + Vite5 + UnoCss + WotUI 驱动的跨端快速启动模板,使用 VS Code 开发,具有代码提示、自动格式化、统一配置、代码片段等功能,同时内置了大量平时开发常用的基本组件,开箱即用,让你编写 uniapp 拥有 best 体验。
TypeScript
26
2

🎉 (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
804
485

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
321
1.06 K

⚡️充电桩Saas云平台⚡️完整源代码,包含模拟桩模块,可通过docker编排快速部署测试。技术栈:SpringCloud、MySQL、Redis、RabbitMQ,前后端管理系统(管理后台、小程序),支持互联互通协议、市政协议、一对多方平台支持。支持高并发业务、业务动态伸缩、桩通信负载均衡(NLB)。
Java
35
15

RuoYi AI 是一个全栈式 AI 开发平台,旨在帮助开发者快速构建和部署个性化的 AI 应用。
Java
164
45

小兔鲜儿-vue3+ts-uniapp
项目已上线,小程序搜索《小兔鲜儿》即可体验。🎉🎉🎉
<br/>
配套项目接口文档,配套笔记。
TypeScript
19
1

React Native鸿蒙化仓库
C++
162
252

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
383
366

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
568
50