📚 课程目录第4章工作流编排模式

4. 工作流编排模式

Temporal工作流引擎将业务逻辑建模为有向无环图（DAG），其中每个节点代表一个活动（Activity）或子工作流（Child Workflow），边代表执行依赖与数据传递。在DAG边界内，编排模式决定了节点间的拓扑关系与调度策略。本章深入分析四种核心编排模式在Temporal中的实现机制、代码结构及数据一致性保障要点。

4.1 顺序编排：线性依赖与确定性重放

顺序编排是最基础的DAG拓扑，节点按严格线性顺序执行，前一个节点完成后才能启动下一个节点。Temporal通过工作流代码的同步调用天然实现顺序编排，无需显式定义依赖关系。

  核心机制： 工作流代码中的每个 ActivityStub.execute() 调用都是阻塞的，Temporal SDK在重放时通过事件历史中的标记（Marker）确定执行顺序，保证确定性。

// 顺序编排示例：订单处理流程
public void executeOrder(OrderInput input) {
    // 步骤1：验证订单
    String validationResult = activities.validateOrder(input);
    
    // 步骤2：扣减库存（依赖步骤1完成）
    String inventoryResult = activities.deductInventory(input);
    
    // 步骤3：生成发货单（依赖步骤2完成）
    String shippingResult = activities.createShipping(input);
    
    // 步骤4：发送通知（依赖步骤3完成）
    activities.sendNotification(input);
}

在DAG边界视角下，顺序编排的每个节点仅有一个前驱和一个后继，形成一条链式路径。Temporal的事件历史会记录每个活动的调度与完成事件，重放时严格按照事件顺序执行。

最佳实践： 顺序编排中避免在活动间传递大型对象，应使用Temporal的 @Signal 或 @Query 方法获取中间状态，而非依赖活动返回值链式传递。

4.2 并行编排：扇出/扇入与一致性边界

并行编排允许DAG中多个节点同时执行，通过 Promise 或 CompletableFuture 实现扇出（Fan-out）与扇入（Fan-in）模式。Temporal的并行编排在DAG边界内必须保证所有分支完成后再继续后续节点。

// 并行编排示例：批量数据同步
public void syncBatchData(BatchInput input) {
    List<Promise<String>> promises = new ArrayList<>();
    
    // 扇出：并行执行三个数据同步活动
    promises.add(Async.function(activities::syncUserData, input));
    promises.add(Async.function(activities::syncOrderData, input));
    promises.add(Async.function(activities::syncInventoryData, input));
    
    // 扇入：等待所有并行分支完成
    Promise.allOf(promises).get();
    
    // 所有分支完成后执行汇总
    activities.aggregateSyncResult(input);
}

并行模式	实现方式	DAG边界特征	一致性要求
纯并行	`Async.function()` + `Promise.allOf()`	多个节点无依赖，同时执行	各分支独立事务，最终一致性
限流并行	自定义信号量 + `Async.function()`	控制并发度，避免资源耗尽	需考虑限流状态的一致性
动态并行	循环 + `Async.function()`	运行时确定并行节点数量	动态分支的幂等性保障

一致性陷阱： 并行编排中如果某个分支失败，Promise.allOf() 会抛出异常。此时已成功完成的分支活动不会自动回滚，需要在工作流代码中实现补偿逻辑（Saga模式）或使用Temporal的 @ActivityMethod(heartbeatTimeout) 配合超时重试。

4.3 子工作流编排：DAG嵌套与状态隔离

子工作流（Child Workflow）允许将复杂DAG拆分为多个独立的工作流实例，形成嵌套DAG结构。每个子工作流拥有独立的事件历史、重放上下文和错误处理边界，父工作流通过 ChildWorkflowStub 进行编排。

// 子工作流编排示例：多阶段审批流程
public void executeApprovalProcess(ApprovalInput input) {
    // 创建子工作流存根
    ChildWorkflowStub stage1Stub = Workflow.newChildWorkflowStub(
        Stage1Workflow.class,
        ChildWorkflowOptions.newBuilder()
            .setWorkflowId("stage1-" + input.getRequestId())
            .setTaskQueue("approval-task-queue")
            .build()
    );
    
    // 执行第一阶段审批（子工作流）
    Promise<Stage1Result> stage1Result = Async.function(
        stage1Stub::execute, input.getStage1Data()
    );
    
    // 等待第一阶段完成
    Stage1Result result1 = stage1Result.get();
    
    // 根据第一阶段结果决定是否进入第二阶段
    if (result1.isApproved()) {
        ChildWorkflowStub stage2Stub = Workflow.newChildWorkflowStub(
            Stage2Workflow.class,
            ChildWorkflowOptions.newBuilder()
                .setWorkflowId("stage2-" + input.getRequestId())
                .build()
        );
        stage2Stub.execute(input.getStage2Data());
    }
}

特性	子工作流	活动（Activity）	DAG边界影响
事件历史	独立	属于父工作流	子工作流DAG边界独立
重放范围	子工作流独立重放	父工作流重放时重放	子工作流失败不影响父工作流历史
错误处理	可独立重试/补偿	由父工作流处理	子工作流DAG边界内可自定义策略
状态隔离	完全隔离	无状态	子工作流DAG边界内状态对外不可见

设计建议： 子工作流适用于以下场景：1）需要独立重试策略的业务阶段；2）需要隔离事件历史避免父工作流历史过大；3）需要复用工作流逻辑的模块化设计。注意子工作流启动有额外开销，高频调用场景应优先使用活动。

4.4 条件分支编排：动态路径选择与DAG拓扑变化

条件分支编排根据运行时数据或外部信号动态选择DAG执行路径。Temporal通过工作流代码中的 if-else、switch 或 @Signal 条件判断实现分支，DAG拓扑在重放时由事件历史中的决策事件确定。

// 条件分支编排示例：风险控制流程
public void executeRiskControl(RiskInput input) {
    // 执行风险评估活动
    RiskLevel riskLevel = activities.evaluateRisk(input);
    
    // 条件分支：根据风险等级选择不同路径
    if (riskLevel == RiskLevel.LOW) {
        // 低风险：自动通过
        activities.autoApprove(input);
    } else if (riskLevel == RiskLevel.MEDIUM) {
        // 中风险：人工审核
        activities.manualReview(input);
    } else {
        // 高风险：拒绝并通知
        activities.rejectRequest(input);
        activities.notifyCompliance(input);
    }
    
    // 所有分支汇聚到最终节点
    activities.completeProcess(input);
}

分支类型	触发条件	DAG拓扑特征	一致性保障
数据驱动分支	活动返回值	静态分支结构，运行时选择	重放时活动返回值必须一致
信号驱动分支	外部 `@Signal`	动态分支，信号到达后决定路径	信号事件在历史中持久化
超时驱动分支	`Workflow.sleep()` 或定时器	时间条件触发分支切换	定时器事件保证确定性

确定性约束： 条件分支的判断条件必须基于工作流状态中的确定性数据（活动返回值、信号数据、定时器状态）。禁止使用系统时间、随机数、外部API调用结果等非确定性数据作为分支条件，否则会导致重放时选择不同路径，引发数据不一致。

4.5 编排模式组合：复杂DAG边界的构建策略

实际业务场景中，四种编排模式通常组合使用。Temporal工作流通过嵌套、串联、并联等方式构建复杂DAG边界。以下表格总结了组合策略与一致性保障要点：

组合模式	典型场景	DAG边界复杂度	一致性策略
顺序 + 并行	数据批处理：先验证，再并行处理各批次	中等	并行分支独立事务，最终汇聚
并行 + 条件分支	多维度风险评估：并行评估后根据结果分支	高	并行结果汇聚后作为分支条件
子工作流 + 顺序	多阶段审批：每个阶段为子工作流，顺序执行	高	子工作流独立重试，父工作流控制顺序
子工作流 + 并行	多区域数据同步：每个区域为子工作流，并行执行	极高	子工作流边界隔离，父工作流扇入汇聚

// 组合编排示例：多区域数据同步 + 条件分支
public void executeMultiRegionSync(SyncInput input) {
    // 阶段1：顺序执行全局验证
    activities.validateGlobalConfig(input);
    
    // 阶段2：并行执行各区域子工作流
    List<Promise<RegionResult>> regionPromises = new ArrayList<>();
    for (Region region : input.getRegions()) {
        ChildWorkflowStub regionStub = Workflow.newChildWorkflowStub(
            RegionSyncWorkflow.class,
            ChildWorkflowOptions.newBuilder()
                .setWorkflowId("region-sync-" + region.getId())
                .build()
        );
        regionPromises.add(Async.function(regionStub::execute, region));
    }
    
    // 等待所有区域同步完成
    List<RegionResult> results = Promise.allOf(regionPromises).get();
    
    // 阶段3：条件分支 - 根据同步结果决定后续
    boolean allSuccess = results.stream().allMatch(RegionResult::isSuccess);
    if (allSuccess) {
        activities.notifySyncComplete(input);
    } else {
        activities.triggerRollback(input);
    }
}

  DAG边界设计原则：
  最小边界原则： 每个DAG边界内只包含一个业务阶段，避免边界过大导致重放性能下降。
边界隔离原则： 子工作流边界提供强隔离，适合需要独立重试策略或不同团队维护的模块。
确定性原则： 所有DAG边界内的分支判断必须基于确定性数据，确保重放一致性。
幂等性原则： 边界内的每个活动必须实现幂等性，支持重复执行不产生副作用。

通过合理组合四种编排模式，Temporal工作流能够构建出满足复杂业务需求的DAG边界，同时保持数据一致性与确定性重放能力。在实际架构设计中，应根据业务场景的复杂度、一致性要求和性能指标选择合适的编排模式组合。