簡介：本文主要介紹netflix conductor的基本概念和主要運行機制。
作者 | 夜陽
來源 | 阿里技術公眾號
本文主要介紹netflix conductor的基本概念和主要運行機制。
一 簡介
netflix conductor是基於JAVA語言編寫的開源流程引擎，用於架構基於微服務的流程。它具備如下特性：
- 允許創建復雜的業務流程，流程中每個獨立的任務都是由一個微服務所實現。
- 基於JSON DSL 創建工作流，對任務的執行進行編排。
- 工作流在執行的過程中可見、可追溯。
- 提供暫停、恢復、重啟等多種控制模型。
- 提供一種簡單的方式來最大限度重用微服務。
- 擁有擴展到百萬流程並發運行的服務能力。
- 通過隊列服務實現客戶端與服務端的分離。
- 支持 HTTP 或其他RPC協議進行數據傳送
二 基本概念
1 Task
Task是最小執行單元，承載了一段執行邏輯，如發送HTTP請求等。
- System Task：被conductor服務執行，這些任務的執行與引擎在同一個JVM中。
- Worker Task：被worker服務執行，執行與引擎隔離開，worker通過隊列獲取任務后，執行並更新結果狀態到引擎。Worker的實現是跨語言的，其使用Http協議與Server通信。
conductor提供了若干內置SystemTask:
-
功能性Task：
- HTTP：發送http請求
- JSON_JQ_TRANSFORM：jq命令執行，一般用戶json的轉換，具體可見jq官方文檔
- KAFKA_PUBLISH: 發布kafka消息
-
流程控制Task：
- SWITCH（原Decision）：條件判斷分支，類似於代碼中的switch case
- FORK：啟動並行分支，用於調度並行任務
- JOIN：匯總並行分支，用於匯總並行任務
- DO_WHILE：循環，類似於代碼中的do while
- WAIT：一直在運行中，直到外部時間觸發更新節點狀態，可用於等待外部操作
- SUB_WORKFLOW：子流程，執行其他的流程
- TERMINATE：結束流程，以指定輸出提前結束流程，可以與SWITCH節點配合使用，類似代碼中的提前return語句
-
自定義Task：
- 對於System Task，Conductor提供了WorkflowSystemTask 抽象類，可以自定義擴展實現。
- 對於Worker Task，可以實現conductor的client Worker接口實現執行邏輯。
2 Workflow
- Workflow由一系列需要執行的Task組成，conductor采用json來描述Task的流轉關系。
- 除基本的順序流程外，借助內置的SWITCH、FORK、JOIN、DO_WIHLE、TERMINATE任務，還能實現分支、並行、循環、提前結束等流程控制。
3 Input&Output
Task的輸入是一種映射，其作為工作流實例化的一部分或某些其他Task的輸出。允許將來自工作流或其他Task的輸入/輸出作為隨后執行的Task的輸入。
- Task有自己的輸入和輸出，輸入輸出都是jsonobject類型。
- Task可以引用其他Task的輸入輸出，使用${taskxxx.output}的方式引用。引用語法為json-path，除最基礎的${taskxxx.output}的值解析方式外，還支持其他復雜操作，如過濾等，具體見json-path語法。
- 啟動Workflow時可以傳入流程的輸入數據，Task可以通過${workflow.input}的方式引用。
Task實現原子操作的處理以及流程控制操作，Workflow定義描述Task的流轉關系，Task引用Workflow或者其它Task的輸入輸出。通過這些機制，conductor實現了JSON DSL對流程的描述。
三 整體架構
- Orchestrator: 負責流程的流轉調度工作；
- Management/Execution Service: 提供流程、任務的管理更新等操作；
- TaskQueues: 任務隊列，Orchestrator解析出來的待執行Task會放到隊列中；
- Worker: 任務執行worker，從TaskQueues中獲取任務，通過Execution Service更新任務狀態與結果數據；
- Database: 元數據&運行時數據庫，用於保存運行時的Workflow、Task等狀態信息，以及流程任務定義的等原信息；
- Index: 索引數據庫，用於存儲執行歷史；
四 運行模型
1 Task狀態轉移
- SCHEDULED：待調度，task放到隊列中還沒有被poll出來執行時的狀態
- IN_PROGRESS：執行中，被poll出來執行但還沒有完成時的狀態
- COMPLETED：執行完成
- FAILED：執行失敗
-
CANCELLED：被中止時為此狀態，一般出現在兩種情況：
- 手動中止流程時，正在運行中的task會被置為此狀態；
- 多個fork分支，當某個分支的task失敗時，其它分支中正在運行的task會被置為此狀態；
任務的執行（同步的系統任務除外）都會先添加到任務隊列中，是典型的生產者消費者模式。
- 任務隊列，是一個帶有延遲、優先級功能的隊列；
- 每種類型的Task是一個單獨的隊列，此外，如果配置了domain、isolationGroup，還會拆分成多個隊列實現執行隔離；
- decider service是生產者，其根據流程配置與當前執行情況，解析出可執行的task后，添加到隊列；
- 任務執行器(SystemTaskWorker、Worker)是消費者，其長輪詢對應的隊列，從隊列中獲取任務執行；
隊列接口可插拔，conductor提供了Dynomite 、MySQL、PostgreSQL的實現。
3 核心功能實現機制
conductor調度的核心是decider service，其根據當前流程運行的狀態，解析出將要執行的任務列表，將任務入隊交給worker執行。
decide主要流程簡化如下，詳細代碼見WorkflowExecutor.java的decide方法：
最主要的觸發時機：
- 新啟動執行時，會觸發decide操作
- 系統任務執行完成時，會觸發decide操作
- Workder任務通過ExecutionService更新任務狀態時，會觸發decide操作
流程控制節點的實現機制
1）Task & TaskMapper
對於每一個Task來說，都有Task和TaskMapper兩部分:
- Task：任務的執行邏輯代碼，它的作用是Task的執行
- TaskMapper：任務的映射邏輯代碼，它通過Task的定義配置、當前實例的執行狀態等信息，返回實際需要執行的Task列表
對於一般的任務來說，TaskMapper返回的是就是Task本身，補充一些執行實例的狀態信息。但是對於控制節點來說，會有不同的邏輯。
2）條件分支(SWITCH)的實現機制
SWITCH用於根據條件判斷，執行不同的分支。
實際上，該節點的Task不做任何操作，TaskMapper根據分支條件，判斷出要走的分之后，返回對應分支的第一個Task。
SwitchTaskMapper.java getMappedTasks方法關鍵代碼：
// 待調度的Task list，最終返回結果
List<Task> tasksToBeScheduled = new LinkedList<>();
// evalResult是分支條件變量的值(case)
// decisionCases是一個Map結構，key為分支的case值，value為對應分支的任務定義list（分支內的任務定義會有多個）
// 根據分支變量的實際值，獲取對應分支的任務定義list
List<WorkflowTask> selectedTasks = taskToSchedule.getDecisionCases().get(evalResult);
// default的邏輯：如果獲取不到對應的分支或者分支為空，則用默認的分支
if (selectedTasks == null || selectedTasks.isEmpty()) {
selectedTasks = taskToSchedule.getDefaultCase();
}
if (selectedTasks != null && !selectedTasks.isEmpty()) {
// 獲取分支的第一個(下標0)task，返回給decider service去做調度（decider會把任務添加到隊列里，交給worker去執行）
WorkflowTask selectedTask = selectedTasks.get(0);
// 調用了deciderService的getTasksToBeScheduled方法，此方法里又獲取到TaskMapper調用了getMappedTasks。這里采用了遞歸調用的方式，解析嵌套的Task
List<Task> caseTasks = taskMapperContext.getDeciderService()
.getTasksToBeScheduled(workflowInstance, selectedTask, retryCount, taskMapperContext.getRetryTaskId());
tasksToBeScheduled.addAll(caseTasks);
switchTask.getInputData().put("hasChildren", "true");
}
return tasksToBeScheduled;
3）並行(FORK)的實現機制
FORK用於開啟多個並行分支。
實際上，該節點的Task不做任何操作，TaskMapper返回所有並行分支的第一個Task。
ForkJoinTaskMapper.java getMappedTasks關鍵代碼：
// 待調度的Task list，最終返回結果
List<Task> tasksToBeScheduled = new LinkedList<>();
// 配置中的所有fork分支
List<List<WorkflowTask>> forkTasks = taskToSchedule.getForkTasks();
for (List<WorkflowTask> wfts : forkTasks) {
// 每個分支取第一個Task
WorkflowTask wft = wfts.get(0);
// 調用了deciderService的getTasksToBeScheduled方法，此方法里又獲取到TaskMapper調用了getMappedTasks。這里采用了遞歸調用的方式，解析嵌套的Task
List<Task> tasks2 = taskMapperContext.getDeciderService()
.getTasksToBeScheduled(workflowInstance, wft, retryCount);
tasksToBeScheduled.addAll(tasks2);
}
return tasksToBeScheduled;總的來說，分支(SWITCH)、並行(FORK)節點本身沒有執行邏輯，其通過TaskMapper返回到實際要執行的Task，然后交給Decider Service處理。
重試的實現機制
重試和其延遲時間設置，都是借助任務隊列的功能實現的。
重試：將任務重新添加到任務隊列
重試的延遲時間：添加到任務隊列時設置延遲時間，延遲時間過后，任務才能在隊列中被poll出來執行
五 完整性保障機制
由於調度過程中可能會出現因機器重啟、網絡異常、JVM崩潰等偶發情況，這些會導致的decide過程意外終止，流程執行不完整，展現出如流程一直運行中（實際已經沒有在調度），或者其它狀態錯誤等異常現象。
1 WorkflowReconciler
針對這種情況，conductor有一個WorkflowReconciler，會定期嘗試decide所有正在運行中的流程，修復流程執行的一致性。此外，它還有一個作用是校驗流程超時時間。
2 decideQueue
那么WorkflowReconciler是如何獲取到當前運行中的流程呢，答案是decideQueue。
decideQueue和任務隊列相同，也是一個具有延遲功能的隊列，其存放的是正在執行中的流程的實例id。在任務開始執行時（包括新啟動執行、重試執行、恢復執行、重跑執行等），會將實例id push到decideQueue中；在執行結束（成功、失敗）時，會從decideQueue中刪除實例id。
3 ExecutionLockService
WorkflowReconciler會定期嘗試decide所有正在運行中的流程用於超時判斷、維護流程一致性。但是流程本身正常執行也會觸發decide，如果同一個執行同時觸發兩個decide，可能會導致狀態混亂，執行卡住等問題。
conductor采用了鎖來解決這個問題，其提供了單機LocalOnlyLock（基於信號量實現）、redis分布式鎖（基於redission實現）、zookeeper分布式鎖三種實現。
decide方法中最開始會嘗試獲取鎖，如果獲取失敗則直接返回。通過鎖來保障不會對同一個流程實例並發執行decide。
if (!executionLockService.acquireLock(workflowId)) {
return false;
}由於鎖是可配置的，可能會導致一個誤區：單台機器的話不用配置鎖。其實單機也是需要配置鎖的，因為WorkflowReconciler和流程正常執行會產生沖突，可能會導致偶發的流程狀態混亂問題。
原文鏈接
本文為阿里雲原創內容，未經允許不得轉載。