liteflow学习二

简介: liteflow学习二

前面我们看到了执行的具体逻辑,但是在哪里构建EL表达式的、获取的、执行的呢?

一、EL表达式的设置

在LiteFlowChainELBuilder可以看到EL表达式的逻辑基于阿里开源的QLExpress实现的, 在初始化QLExpress的Runner中,作者扩展了很多操作Operator。在setEL(String elStr)这个方法中,我们可以会将FlowBus中的chainMap和NodeMap放入到Context中,也即DefaultContext,同时放入当前的chainId。接着会解析el表达式,解析成最外部一个condition, 内部可以嵌套很多层。

可以看到构建EL表达式的过程中会涉及到chainMap和NodeMap放入到DefaultContext中:

DefaultContext<String, Object> context = new DefaultContext<>();
// 这里一定要先放chain,再放node,因为node优先于chain,所以当重名时,node会覆盖掉chain
FlowBus.getChainMap().values().forEach(chain -> context.put(chain.getChainId(), chain));
// 往上下文里放入所有的node,使得el表达式可以直接引用到nodeId
FlowBus.getNodeMap().keySet().forEach(nodeId -> context.put(nodeId, FlowBus.getNode(nodeId)));
// 放入当前主chain的ID
context.put(ChainConstant.CURR_CHAIN_ID, this.chain.getChainId());
// 解析el成为一个Condition
// 为什么这里只是一个Condition,而不是一个List<Condition>呢
// 这里无论多复杂的,外面必定有一个最外层的Condition,所以这里只有一个,内部可以嵌套很多层,这点和以前的不太一样
Condition condition = (Condition) EXPRESS_RUNNER.execute(elStr, context, errorList, true, true);
// 把主要的condition加入
this.conditionList.add(condition);

可以看到我们的WHEN表达式会进行WHEN的EL表达式的解析,此时经过BaseOperator会对对应的Operator进行依次构建。所有的Operator都会经过com.yomahub.liteflow.builder.el.operator.base.BaseOperator#executeInner进行build。

因此我们来看看WhenOperator是如何构建的。

public WhenCondition build(Object[] objects) throws Exception {
        OperatorHelper.checkObjectSizeGtZero(objects);
        WhenCondition whenCondition = new WhenCondition();
        for (Object obj : objects) {
            whenCondition.addExecutable(OperatorHelper.convert(obj, Executable.class));
        }
        return whenCondition;
    }

此时会将可执行的执行器放入到executableGroup中,方便执行condition的时候获取执行。

public void addExecutable(String groupKey, Executable executable) {
        System.out.println("添加执行的operator");
        if (ObjectUtil.isNull(executable)) {
            return;
        }
        List<Executable> executableList = this.executableGroup.get(groupKey);
        if (CollUtil.isEmpty(executableList)) {
            this.executableGroup.put(groupKey, ListUtil.toList(executable));
        }
        else {
            this.executableGroup.get(groupKey).add(executable);
        }
    }

前面我们已经知道,liteflow的执行逻辑是先获取chain,然后执行chain,然后执行condition,最终执行业务逻辑中的nodeComponent。因此我们来看看并行器是如何实现的。

二、并行器是如何实现

前面说到THEN打头的是串行器,而WHEN打头的是并行器,因此我们可以看到Condition中的并行器对应的WhenCondition。

可以看到执行的execution是executeAsyncCondition(slotIndex)。

前面看到初始化LiteflowConfig的时候,没有配置信息。可以看到线程池的配置信息就是配置在LiteflowConfig中的。并行编排的实现借助了封装CompletableFuture对象。

前面我们知道执行condition的方法是executeCondition(Integer slotIndex)。执行condition的核心方法是com.yomahub.liteflow.flow.element.condition.WhenCondition#executeAsyncCondition。

那么此时我们似乎在Future的代码中找不到调用的逻辑,如果看过我上一篇文章的话,那应该知道调用condition之后,会调用具体的node执行业务逻辑编排代码。因此此时我们可以根据之前的线索知道会调用node中的execute方法。因此我们可以查询引用的地方,从而找到对应的地方。

根据前的ThenCondition的调用,我们知道调用的过程condition到node的过程,因此这个过程必然会涉及到node的调用过程。因此我们可以知道对应的node的执行是在ParallelSupplier中。

public WhenFutureObj get() {
        try {
            executableItem.setCurrChainId(currChainId);
            executableItem.execute(slotIndex);
            return WhenFutureObj.success(executableItem.getId());
        }
        catch (Exception e) {
            return WhenFutureObj.fail(executableItem.getId(), e);
        }
    }

从而调用node执行具体的业务逻辑方法com.yomahub.liteflow.flow.element.Node#execute。

从而进一步调用我们自己写的业务逻辑。

总结下来即:组装数据chain、node ,构建EL表达式,然后根据通过槽拿到chain,从而进一步拿到condition,从而拿到node,调用业务系统继承NodeComponent重写的process方法。


三、UML图

这里我们了解了并行编排的相关执行流程后,当然这些都是基于正常情况下实现的编排。如果是异常情况下,或者说重试失败的情况下,又做怎样的处理呢?下一篇,我们来学习,因为在业务处理中,我们会用到,同时这也是框架留给我们继承重写的方法。因此需要了解。


参考:https://gitee.com/dromara/LiteFlow  LiteFlow的官网地址:https://liteflow.cc/

目录
相关文章
|
7月前
|
人工智能 JSON Java
AI时代,我们为何重写规则引擎?—— QLExpress4 重构之路
AI时代下,规则引擎的需求反而更旺盛。QLExpress4 通过全面重构,在性能、可观测性和AI友好性上大幅提升。
2091 15
AI时代,我们为何重写规则引擎?—— QLExpress4 重构之路
|
XML 测试技术 uml
liteflow学习一
liteflow学习一
1584 0
|
7月前
|
机器学习/深度学习 人工智能 前端开发
终端里的 AI 编程助手:OpenCode 使用指南
OpenCode 是开源的终端 AI 编码助手,支持 Claude、GPT-4 等模型,可在命令行完成代码编写、Bug 修复、项目重构。提供原生终端界面和上下文感知能力,适合全栈开发者和终端用户使用。
54164 11
|
存储 人工智能 自然语言处理
RAG 调优指南:Spring AI Alibaba 模块化 RAG 原理与使用
通过遵循以上最佳实践,可以构建一个高效、可靠的 RAG 系统,为用户提供准确和专业的回答。这些实践涵盖了从文档处理到系统配置的各个方面,能够帮助开发者构建更好的 RAG 应用。
6550 117
|
人工智能 Python
2025自学编程实操指南第一课面向AI编程
2025自学编程实操指南第一课面向AI编程,第一个实践案例:贪吃蛇游戏
|
开发者 容器
鸿蒙开发:弹性布局Flex
在实际的开发中,需要掌握主轴与交叉轴的关系、换行规则及子元素属性,同时注意性能与兼容性问题,还有一点,Flex组件在渲染时存在二次布局过程,因此在对性能有严格要求的场景下建议使用Column、Row代替。
358 10
鸿蒙开发:弹性布局Flex
Mac 复制文件名目录路径
Mac 复制文件名目录路径
3100 0
Cursor + qwen2.5-coder 32b 的配置方式
安装Cursor后,进入设置修改OpenAI基础URL为阿里云的DashScope接口,并添加Qwen2.5-Coder 32B模型。需先访问阿里云百灵控制台申请免费Key。配置完成后,即可使用该模型进行开发和测试。
12074 2
springboot(若依)多模块获取yml属性
springboot(若依)多模块获取yml属性
707 0