در این مقاله
یک درخواست کاربر ممکن است چند ثانیه تولید متن بخواهد؛ درخواست دیگری باید سند بخواند، منتظر تأیید بماند و روز بعد ادامه پیدا کند. هر دو را می‌توان «کار پس‌زمینه» نامید، اما نیاز یکسانی ندارند. صف پیام، توزیع و انتظار کارها را مدیریت میکند؛ Durable Workflow روی وضعیت و ادامه یک فرایند چندمرحله‌ای تمرکز دارد. این دو رقیب مطلق نیستند و در بسیاری از معماریها کنار هم قرار می‌گیرند.
این مقاله کمک میکند برای ایجنت هوش مصنوعی، پردازش فایل یا اتوماسیون محصول، ابزار متناسب انتخاب کنید. هدف معرفی یک سرویس آماده مدیریتشده در پاستا نیست؛ برنامه و موتور انتخابی شما باید با نیاز منابع، داده پایدار و روش نگهداری مناسب مستقر شوند. مدل پاسخ‌گو را می‌توانید از API هوش مصنوعی پاستا بگیرید و اجرای وب و Worker را روی PaaS پاستا جدا کنید، اما مسئولیت معنای وضعیت کار همچنان در معماری برنامه باقی می‌ماند.
صف پیام دقیقاً چه کاری انجام می‌دهد؟
در الگوی صف، تولیدکننده یک کار ثبت میکند و Worker آن را دریافت و اجرا میکند. صف به کنترل فشار، جداسازی پاسخ وب از پردازش طولانی و توزیع کار کمک میکند. برای مثال، پس از دریافت فایل می‌توانید شناسه معتبر فایل را در صف بگذارید و رابط کاربر وضعیت پردازش را بخواند. خود پیام بهتر است داده حداقلی و شناسه مجاز داشته باشد؛ قرارگرفتن کل سند یا Secret در هر پیام، نگهداری و کنترل دسترسی را دشوار میکند.
در آموزش BullMQ و Redis یک مسیر مناسب برای پروژه Node.js و در راهنمای Celery و Django مسیر پایتون را بررسی کرده‌ایم. صف بهتنهایی نمی‌داند یک تأیید انسانی هنوز معتبر است یا مرحله قبلی کار واقعاً اثر بیرونی ایجاد کرده است. این اطلاعات باید در وضعیت برنامه و قرارداد عملیات ذخیره شوند؛ تأیید دریافت پیام، تأیید موفقیت تجاری کار نیست.
Durable Workflow چه چیزی اضافه میکند؟
Workflow پایدار، مرحله‌های مرتبط یک فرایند را همراه سابقه و امکان ادامه مدیریت میکند. وقتی کار متوقف می‌شود، برنامه باید بداند کدام بخش تمام شده، کدام بخش در انتظار است و برای ادامه چه داده‌ای لازم دارد. مفهوم Workflow Execution در Temporal نمونه‌ای از این نگاه است. تضمین‌ها و شیوه اجرا میان ابزارها متفاوت‌اند؛ نگه‌داشتن چند وضعیت در دیتابیس، خودبه‌خود معادل همه قابلیت‌های یک موتور Workflow نمی‌شود.
برای ایجنت‌ها نیز گراف وضعیت میتواند بخشی از مسئله را حل کند. در آموزش LangGraph با API پاستا پیش‌نویس ذخیره می‌شود و برنامه برای تأیید متوقف می‌ماند. این الگو با صف توزیع کار قابل ترکیب است: صف مشخص میکند چه Workerی نوبت اجرا را بگیرد و وضعیت پایدار مشخص میکند از کدام مرحله ادامه بدهد. هیچ‌کدام نباید مرز مجوز حساب یا قرارداد اثر جانبی را حذف کنند.
یک سناریوی مشترک برای مقایسه
فرض کنید کاربر می‌خواهد برای یک سند، خلاصه فارسی تهیه شود، سپس کارشناس آن را تأیید کند و در پایان نتیجه در سامانه داخلی ثبت شود. تولید خلاصه کوتاه است، ولی انتظار برای کارشناس میتواند ساعت‌ها طول بکشد. اگر Worker را تمام این مدت در یک درخواست باز نگه دارید، منابع و مدیریت خطا پیچیده می‌شود. بهتر است مرحله انتظار به وضعیت ذخیره‌شده تبدیل شود و تأیید مجاز، ادامه همان کار را فعال کند.
برای نسخه ساده، ممکن است چند وضعیت و یک صف کافی باشد. اگر تعداد شاخه‌ها، زمان‌بندی‌ها و جبران عملیات بیشتر شود، موتور Workflow ارزش بیشتری پیدا میکند. معیار انتخاب، پیچیدگی واقعی مسیر است، نه محبوبیت ابزار. پیش از انتخاب، نمودار وضعیت و رخدادهای ادامه را روی کاغذ بنویسید. اگر خود تیم نمی‌تواند توضیح دهد پس از قطع شبکه چه اتفاقی می‌افتد، افزودن فناوری جدید بهتنهایی این ابهام را برطرف نمیکند.
مقایسه بر اساس مسئولیت
| نیاز | صف و Worker | Workflow پایدار |
|---|---|---|
| توزیع کار مستقل | کاربرد اصلی و معمولاً کافی | ممکن است برای مرحله‌های اجرا از صف استفاده کند |
| انتظار طولانی برای انسان | نیازمند وضعیت و منطق ادامه در برنامه | قابل مدل‌سازی به‌عنوان مرحله انتظار، مطابق موتور |
| ادامه پس از خرابی | Retry کار؛ وضعیت جزئی را برنامه نگه می‌دارد | تکیه بر سابقه یا Checkpoint و قواعد موتور |
| اثر بیرونی تکراری | نیازمند Idempotency | همچنان نیازمند قرارداد Idempotency در مرز اثر |
| پیچیدگی نگهداری | برای کار ساده معمولاً کمتر | در فرایند پیچیده مفید، با هزینه عملیاتی موتور |
این جدول وعده قابلیت برای هر کتابخانه با نام Workflow نیست. روش ذخیره، محدودیت Replay، نگهداری سابقه و امکانات زمان‌بندی را در مستند نسخه انتخابی بخوانید. اگر ابزار فقط ترتیب چند تابع را در حافظه نگه می‌دارد، با توقف فرایند ممکن است همه وضعیت از دست برود. واژه «پایدار» باید با آزمایش قطع و بازیابی اثبات شود؛ نه صرفاً اینکه سرویس در اجرای عادی یک بار نتیجه درست داده است.
نظرات کاربران (۰)
هنوز نظری ثبت نشده است. اولین نفر باشید.