---

name: workflow-orchestration-patterns description: "掌握基于 Temporal 的工作流编排架构，涵盖基本设计决策、弹性模式以及构建可靠分布式系统的最佳实践。" risk: unknown source: community date_added: "2026-02-27"

工作流编排模式

掌握基于 Temporal 的工作流编排架构，涵盖基本设计决策、弹性模式以及构建可靠分布式系统的最佳实践。

适用场景

• 处理工作流编排模式相关的任务或流程
• 需要工作流编排模式的指导、最佳实践或检查清单

不适用场景

• 任务与工作流编排模式无关
• 需要此范围之外的其他领域或工具

使用说明

• 明确目标、约束条件和所需输入。
• 应用相关最佳实践并验证结果。
• 提供可操作的步骤和验证方法。
• 如需详细示例，请打开 resources/implementation-playbook.md。

何时使用工作流编排

理想使用场景（来源：docs.temporal.io）

• 多步骤流程：跨机器/服务/数据库
• 分布式事务：需要全有或全无的语义
• 长时间运行的工作流（数小时到数年）：具有自动状态持久化
• 故障恢复：必须从最后成功的步骤恢复
• 业务流程：预订、订单、活动、审批
• 实体生命周期管理：库存跟踪、账户管理、购物车工作流
• 基础设施自动化：CI/CD 流水线、资源配置、部署
• 人机协作系统：需要超时和升级处理

不适用场景

• 简单的 CRUD 操作（使用直接 API 调用）
• 纯数据处理管道（使用 Airflow、批处理）
• 无状态请求/响应（使用标准 API）
• 实时流处理（使用 Kafka、事件处理器）

关键设计决策：Workflows 与 Activities

基本规则（来源：temporal.io/blog/workflow-engine-principles）：

• Workflows = 编排逻辑和决策制定
• Activities = 外部交互（API、数据库、网络调用）

Workflows（编排）

特征：

• 包含业务逻辑和协调
• 必须是确定性的（相同输入 → 相同输出）
• 不能执行直接的外部调用
• 状态在故障时自动保留
• 即使基础设施故障也能运行数年

示例工作流任务：

• 决定执行哪些步骤
• 处理补偿逻辑
• 管理超时和重试
• 协调子工作流

Activities（外部交互）

特征：

• 处理所有外部系统交互
• 可以是非确定性的（API 调用、数据库写入）
• 包含内置超时和重试逻辑
• 必须是幂等的（调用 N 次 = 调用一次）
• 短暂存活（通常为秒到分钟）

示例 Activity 任务：

• 调用支付网关 API
• 写入数据库
• 发送邮件或通知
• 查询外部服务

设计决策框架

是否涉及外部系统？→ Activity
是否为编排/决策逻辑？→ Workflow

核心工作流模式

1. Saga 模式与补偿

目的：实现具有回滚能力的分布式事务

模式（来源：temporal.io/blog/compensating-actions-part-of-a-complete-breakfast-with-sagas）：

对于每个步骤：
  1. 在执行之前注册补偿操作
  2. 执行该步骤（通过 Activity）
  3. 失败时，按逆序（LIFO）运行所有补偿操作

示例：支付工作流

1. 预留库存（补偿：释放库存）
2. 收取费用（补偿：退款）
3. 履行订单（补偿：取消履行）

关键要求：

• 补偿操作必须是幂等的
• 在执行步骤之前注册补偿
• 按逆序运行补偿
• 优雅地处理部分失败

2. 实体工作流（Actor 模型）

目的：代表单个实体实例的长期运行工作流

模式（来源：docs.temporal.io/evaluate/use-cases-design-patterns）：

• 一个工作流执行 = 一个实体（购物车、账户、库存项）
• 工作流在实体生命周期内持续存在
• 接收信号以进行状态变更
• 支持查询当前状态

示例用例：

• 购物车（添加商品、结账、过期）
• 银行账户（存款、取款、余额查询）
• 产品库存（库存更新、预留）

优势：

• 封装实体行为
• 保证每个实体的一致性
• 天然的事件溯源

3. 扇出/扇入（并行执行）

目的：并行执行多个任务，聚合结果

模式：

• 生成子工作流或并行 Activities
• 等待所有完成
• 聚合结果
• 处理部分失败