Plus facile à lire avec un fond crème, une teinte, plus de contraste ou un texte plus grand ? Choisissez vos couleurs et votre texte, une fois pour toutes les pages.

Leçon gratuite

Choisir un moteur d’exécution durable

Après cette leçon: Je peux choisir entre un moteur d’exécution durable et un outil plus simple pour une tâche.

Leçon de 60 min3 commandesLab d’exécution durable : planter un workflow exprès et le reprendre depuis son journal

Quel moteur d’exécution durable choisir ?

Temporal, Restate, DBOS et les fonctions durables d’AWS Lambda sont des moteurs d’exécution durable. Ils font ce que font les cent lignes du labo, pour beaucoup de workflows à la fois. Chacun garde un journal et le rejoue.

Ils diffèrent par l’endroit où vit le journal et par la façon dont votre programme l’atteint. Parfois, la bonne réponse n’est aucun d’eux.

À la fin de cette leçon

Remarque

Je peux choisir entre un moteur d’exécution durable et un outil plus simple pour une tâche.

Mots clés

MotCe que ça veut dire
Moteurun logiciel qui exécute des workflows et garde leurs journaux
Bibliothèquedu code que vous importez dans votre propre programme
Serveurun programme à part auquel votre code parle
Activitéle nom que Temporal donne à une étape avec effets de bord
Déterministequi fait les mêmes choix à chaque exécution

Les cellules que les étudiants remplissent restent vides dans cet aperçu.

Chaque moteur garde un journal et le rejoue

Le moteur du labo tient en deux fichiers : un client pour PostgreSQL et le moteur lui-même. Il contient toute l’idée : une étape tourne une fois, son résultat est noté, et une nouvelle exécution le rejoue.

Un vrai moteur ajoute ce que le labo laisse de côté. Beaucoup de workers se partagent le travail, des files le distribuent et les minuteurs se réveillent seuls. Il y a des outils pour changer le code et une page web pour tout surveiller.

Compter les lignes du moteur du labo

Commande
docker exec worker wc -l pg.py engine.py

Affichée ici, non exécutée. Appuyez sur Démarrer le labo pour la saisir dans le terminal de votre propre labo.

Exemple guidé : où chacun garde le journal

MoteurOù vit le journalComment votre code l’atteint
Temporalla base de données propre au service Temporalvos workers demandent du travail à une file de tâches
Restatele journal du serveur Restatele serveur appelle vos handlers
DBOSvotre propre PostgreSQLune bibliothèque dans votre programme
Fonctions durables d’AWS Lambdagardé par AWS pour la fonctiondes étapes et des attentes dans le code de la fonction
Ce laboune table de journal dans PostgreSQLune bibliothèque, engine.py

Les cellules que les étudiants remplissent restent vides dans cet aperçu.

Le code du workflow doit être déterministe

Temporal coupe un programme en deux. Le code du workflow décide de la suite et doit être déterministe. Les activités font le travail à effets de bord, comme débiter une carte.

La raison, c’est le rejeu. Une reprise relance le code du workflow et associe chaque étape au journal. Les Runs suivants plantent une commande, puis la reprennent avec une version modifiée du code qui envoie le reçu en premier.

Planter une commande avec la version 1

Commande
docker exec worker python3 order.py order-10 --fresh --crash-after 2

Affichée ici, non exécutée. Appuyez sur Démarrer le labo pour la saisir dans le terminal de votre propre labo.

La reprendre avec la version 2

Commande
docker exec worker python3 order.py order-10 --v2

Affichée ici, non exécutée. Appuyez sur Démarrer le labo pour la saisir dans le terminal de votre propre labo.

Une erreur fréquente

Attention

Beaucoup modifient le code d’un workflow alors que des exécutions sont en cours. Celles-ci rejouent leur journal contre le nouveau code, et un ordre d’étapes changé ne correspond plus. Ne changez le code qu’avec une vérification de version, ou laissez d’abord finir les anciennes exécutions.

À vous : quel changement est sûr ?

Code: python
journal = ["reserve_stock", "charge_card"]   # écrit par la version 1

version_1 = ["reserve_stock", "charge_card", "send_receipt", "book_courier"]
version_2 = ["reserve_stock", "send_receipt", "charge_card", "book_courier"]

def verifier(code):
    for num in range(len(journal)):
        if journal[num] != code[num]:
            return "s’arrête à l’étape " + str(num)
    return "rejoue, reprend à l’étape " + str(len(journal))

print("version 1 :", verifier(version_1))
print("version 2 :", verifier(version_2))
# Faites plutôt ajouter à version_2 une étape à la fin, et relancez.

Quand on n’a pas besoin de moteur

Un moteur, c’est une chose de plus à faire tourner, à apprendre et à garder en accord avec votre code. Une tâche d’une seule étape, sans danger à répéter, n’a besoin que d’une simple nouvelle tentative.

Une tâche dont tous les effets sont idempotents peut passer par une file qui livre au moins une fois. Prenez un moteur quand une tâche a plusieurs étapes à effets, attend des heures ou des jours, ou doit annuler ce qu’elle a fait.

Exemple guidé : trois tâches, trois outils

TâcheCe qu’il lui fautUn bon choix
Redimensionner une photo envoyéeune étape, sans danger à répéterune simple nouvelle tentative
Envoyer chaque commande à un entrepôt, avec la commande pour cléles répétitions sont sans effetune file avec nouvelles tentatives
Prendre une commande, débiter, attendre le stock des jours, rembourser en cas d’échecdes étapes, de longues attentes, des annulationsun moteur durable

Les cellules que les étudiants remplissent restent vides dans cet aperçu.

À propos de ce labo et de sa source: Lab d’exécution durable : planter un workflow exprès et le reprendre depuis son journal

Vous enseignez à une classe ? Proposez ce module à vos étudiants avec un guide de l'enseignant, des devoirs corrigés et un laboratoire pour chaque étudiant.