开源微服务编排框架：Netflix Conductor

简介：本文主要介绍netflix conductor的基本概念和主要运行机制。

作者 | 夜阳
来源 | 阿里技术公众号

本文主要介绍netflix conductor的基本概念和主要运行机制。

一简介

netflix conductor是基于JAVA语言编写的开源流程引擎，用于架构基于微服务的流程。它具备如下特性：

允许创建复杂的业务流程，流程中每个独立的任务都是由一个微服务所实现。
基于JSON DSL 创建工作流，对任务的执行进行编排。
工作流在执行的过程中可见、可追溯。
提供暂停、恢复、重启等多种控制模型。
提供一种简单的方式来最大限度重用微服务。
拥有扩展到百万流程并发运行的服务能力。
通过队列服务实现客户端与服务端的分离。
支持 HTTP 或其他RPC协议进行数据传送

二基本概念

1 Task

Task是最小执行单元，承载了一段执行逻辑，如发送HTTP请求等。

System Task：被conductor服务执行，这些任务的执行与引擎在同一个JVM中。
Worker Task：被worker服务执行，执行与引擎隔离开，worker通过队列获取任务后，执行并更新结果状态到引擎。Worker的实现是跨语言的，其使用Http协议与Server通信。

conductor提供了若干内置SystemTask:

功能性Task：

HTTP：发送http请求
JSON_JQ_TRANSFORM：jq命令执行，一般用户json的转换，具体可见jq官方文档
KAFKA_PUBLISH: 发布kafka消息

流程控制Task：

SWITCH（原Decision）：条件判断分支，类似于代码中的switch case
FORK：启动并行分支，用于调度并行任务
JOIN：汇总并行分支，用于汇总并行任务
DO_WHILE：循环，类似于代码中的do while
WAIT：一直在运行中，直到外部时间触发更新节点状态，可用于等待外部操作
SUB_WORKFLOW：子流程，执行其他的流程
TERMINATE：结束流程，以指定输出提前结束流程，可以与SWITCH节点配合使用，类似代码中的提前return语句

自定义Task：

对于System Task，Conductor提供了WorkflowSystemTask 抽象类，可以自定义扩展实现。
对于Worker Task，可以实现conductor的client Worker接口实现执行逻辑。

2 Workflow

Workflow由一系列需要执行的Task组成，conductor采用json来描述Task的流转关系。
除基本的顺序流程外，借助内置的SWITCH、FORK、JOIN、DO_WIHLE、TERMINATE任务，还能实现分支、并行、循环、提前结束等流程控制。

3 Input&Output

Task的输入是一种映射，其作为工作流实例化的一部分或某些其他Task的输出。允许将来自工作流或其他Task的输入/输出作为随后执行的Task的输入。

Task有自己的输入和输出，输入输出都是jsonobject类型。
Task可以引用其他Task的输入输出，使用${taskxxx.output}的方式引用。引用语法为json-path，除最基础的${taskxxx.output}的值解析方式外，还支持其他复杂操作，如过滤等，具体见json-path语法。
启动Workflow时可以传入流程的输入数据，Task可以通过${workflow.input}的方式引用。

Task实现原子操作的处理以及流程控制操作，Workflow定义描述Task的流转关系，Task引用Workflow或者其它Task的输入输出。通过这些机制，conductor实现了JSON DSL对流程的描述。

三整体架构

主要分为几个部分：

Orchestrator: 负责流程的流转调度工作；
Management/Execution Service: 提供流程、任务的管理更新等操作；
TaskQueues: 任务队列，Orchestrator解析出来的待执行Task会放到队列中；
Worker: 任务执行worker，从TaskQueues中获取任务，通过Execution Service更新任务状态与结果数据；
Database: 元数据&运行时数据库，用于保存运行时的Workflow、Task等状态信息，以及流程任务定义的等原信息；
Index: 索引数据库，用于存储执行历史；

四运行模型

1 Task状态转移

SCHEDULED：待调度，task放到队列中还没有被poll出来执行时的状态
IN_PROGRESS：执行中，被poll出来执行但还没有完成时的状态
COMPLETED：执行完成
FAILED：执行失败
CANCELLED：被中止时为此状态，一般出现在两种情况：

1.手动中止流程时，正在运行中的task会被置为此状态；
2.多个fork分支，当某个分支的task失败时，其它分支中正在运行的task会被置为此状态；

2 任务队列

任务的执行（同步的系统任务除外）都会先添加到任务队列中，是典型的生产者消费者模式。

任务队列，是一个带有延迟、优先级功能的队列；
每种类型的Task是一个单独的队列，此外，如果配置了domain、isolationGroup，还会拆分成多个队列实现执行隔离；
decider service是生产者，其根据流程配置与当前执行情况，解析出可执行的task后，添加到队列；
任务执行器(SystemTaskWorker、Worker)是消费者，其长轮询对应的队列，从队列中获取任务执行；

队列接口可插拔，conductor提供了Dynomite 、MySQL、PostgreSQL的实现。

3 核心功能实现机制

conductor调度的核心是decider service，其根据当前流程运行的状态，解析出将要执行的任务列表，将任务入队交给worker执行。

decide主要流程简化如下，详细代码见WorkflowExecutor.java的decide方法：

其中，调度任务处理流程简化如下，详细代码见WorkflowExecutor.java的scheduleTask方法：

decide的触发时机

最主要的触发时机：

新启动执行时，会触发decide操作
系统任务执行完成时，会触发decide操作
Workder任务通过ExecutionService更新任务状态时，会触发decide操作

流程控制节点的实现机制

1）Task & TaskMapper

对于每一个Task来说，都有Task和TaskMapper两部分:

Task：任务的执行逻辑代码，它的作用是Task的执行
TaskMapper：任务的映射逻辑代码，它通过Task的定义配置、当前实例的执行状态等信息，返回实际需要执行的Task列表

对于一般的任务来说，TaskMapper返回的是就是Task本身，补充一些执行实例的状态信息。但是对于控制节点来说，会有不同的逻辑。

2）条件分支(SWITCH)的实现机制

SWITCH用于根据条件判断，执行不同的分支。

实际上，该节点的Task不做任何操作，TaskMapper根据分支条件，判断出要走的分之后，返回对应分支的第一个Task。

SwitchTaskMapper.java getMappedTasks方法关键代码：

// 待调度的Task list，最终返回结果
List tasksToBeScheduled = new LinkedList<>();
// evalResult是分支条件变量的值(case)
// decisionCases是一个Map结构，key为分支的case值，value为对应分支的任务定义list（分支内的任务定义会有多个）
// 根据分支变量的实际值，获取对应分支的任务定义list
List selectedTasks = taskToSchedule.getDecisionCases().get(evalResult);
// default的逻辑：如果获取不到对应的分支或者分支为空，则用默认的分支
if (selectedTasks == null || selectedTasks.isEmpty()) {
  selectedTasks = taskToSchedule.getDefaultCase();
}
if (selectedTasks != null && !selectedTasks.isEmpty()) {
  // 获取分支的第一个(下标0)task，返回给decider service去做调度（decider会把任务添加到队列里，交给worker去执行）
  WorkflowTask selectedTask = selectedTasks.get(0);
  // 调用了deciderService的getTasksToBeScheduled方法，此方法里又获取到TaskMapper调用了getMappedTasks。这里采用了递归调用的方式，解析嵌套的Task
  List caseTasks = taskMapperContext.getDeciderService()
    .getTasksToBeScheduled(workflowInstance, selectedTask, retryCount, taskMapperContext.getRetryTaskId());
  tasksToBeScheduled.addAll(caseTasks);
  switchTask.getInputData().put("hasChildren", "true");
}
return tasksToBeScheduled;

3）并行(FORK)的实现机制

FORK用于开启多个并行分支。

实际上，该节点的Task不做任何操作，TaskMapper返回所有并行分支的第一个Task。
ForkJoinTaskMapper.java getMappedTasks关键代码：

// 待调度的Task list，最终返回结果
List tasksToBeScheduled = new LinkedList<>();
// 配置中的所有fork分支
List> forkTasks = taskToSchedule.getForkTasks();
for (List wfts : forkTasks) {
  // 每个分支取第一个Task
  WorkflowTask wft = wfts.get(0);
  // 调用了deciderService的getTasksToBeScheduled方法，此方法里又获取到TaskMapper调用了getMappedTasks。这里采用了递归调用的方式，解析嵌套的Task
  List tasks2 = taskMapperContext.getDeciderService()
    .getTasksToBeScheduled(workflowInstance, wft, retryCount);
  tasksToBeScheduled.addAll(tasks2);
}
return tasksToBeScheduled;

总的来说，分支(SWITCH)、并行(FORK)节点本身没有执行逻辑，其通过TaskMapper返回到实际要执行的Task，然后交给Decider Service处理。

重试的实现机制

重试和其延迟时间设置，都是借助任务队列的功能实现的。

重试：将任务重新添加到任务队列

重试的延迟时间：添加到任务队列时设置延迟时间，延迟时间过后，任务才能在队列中被poll出来执行

五完整性保障机制

由于调度过程中可能会出现因机器重启、网络异常、JVM崩溃等偶发情况，这些会导致的decide过程意外终止，流程执行不完整，展现出如流程一直运行中（实际已经没有在调度），或者其它状态错误等异常现象。

1 WorkflowReconciler

针对这种情况，conductor有一个WorkflowReconciler，会定期尝试decide所有正在运行中的流程，修复流程执行的一致性。此外，它还有一个作用是校验流程超时时间。

2 decideQueue

那么WorkflowReconciler是如何获取到当前运行中的流程呢，答案是decideQueue。

decideQueue和任务队列相同，也是一个具有延迟功能的队列，其存放的是正在执行中的流程的实例id。在任务开始执行时（包括新启动执行、重试执行、恢复执行、重跑执行等），会将实例id push到decideQueue中；在执行结束（成功、失败）时，会从decideQueue中删除实例id。

3 ExecutionLockService

WorkflowReconciler会定期尝试decide所有正在运行中的流程用于超时判断、维护流程一致性。但是流程本身正常执行也会触发decide，如果同一个执行同时触发两个decide，可能会导致状态混乱，执行卡住等问题。

conductor采用了锁来解决这个问题，其提供了单机LocalOnlyLock（基于信号量实现）、redis分布式锁（基于redission实现）、zookeeper分布式锁三种实现。

decide方法中最开始会尝试获取锁，如果获取失败则直接返回。通过锁来保障不会对同一个流程实例并发执行decide。

if (!executionLockService.acquireLock(workflowId)) {
  return false;
}

由于锁是可配置的，可能会导致一个误区：单台机器的话不用配置锁。其实单机也是需要配置锁的，因为WorkflowReconciler和流程正常执行会产生冲突，可能会导致偶发的流程状态混乱问题。

原文链接
本文为阿里云原创内容，未经允许不得转载。