30activiti - 流程执行历史记录

简介: 30activiti - 流程执行历史记录
1.查询历史流程实例

查找按照某个流程定义的规则一共执行了多少次流程

2.查询历史活动

某一次流程的执行一共经历了多少个活动

3.查询历史任务

某一次流程的执行一共经历了多少个任务

4.查询历史流程变量

某一次流程的执行一共设置的流程变量

5.总结

由于数据库中保存着历史信息以及正在运行的流程实例信息,在实际项目中对已完成任务的查看频率远不及对代办和可接任务的查看,所以在activiti采用分开管理,把正在运行的交给RuntimeService、TaskService管理,而历史数据交给HistoryService来管理。这样做的好处在于,加快流程执行的速度,因为正在执行的流程的表中数据不会很大。

目录
相关文章
|
SpringCloudAlibaba NoSQL Java
Seata配置参考
SeataClient是直接集成到我们的业务微服务中,SeataClient的原理是代理我们jdbc数据源,在应用程序和数据库之间加了一层,通过添加的这一层来做事务管理。
884 0
|
SQL SpringCloudAlibaba Kubernetes
SpringCloudAlibaba篇(六)整合Seata(微服务分布式事务nacos+seata)
SpringCloudAlibaba篇(六)整合Seata(微服务分布式事务nacos+seata)
1952 0
SpringCloudAlibaba篇(六)整合Seata(微服务分布式事务nacos+seata)
|
5月前
|
移动开发 人工智能 JavaScript
基于TypeScript + Vue3 打造以AI驱动的低代码平台
VTJ低代码开发平台(LCDP)是一个支持快速创建和部署应用的多平台开发环境,采用Vue.js与NestJS技术栈,适用于Web、移动H5及UniApp场景。
441 14
|
机器学习/深度学习 PyTorch 算法框架/工具
【YOLOv8改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征
YOLO目标检测专栏探讨了模型创新,如注意力机制,聚焦通道和空间信息的全局注意力模组(GAM),提升DNN性能。GAM在ResNet和MobileNet上优于最新方法。论文及PyTorch代码可在给出的链接找到。核心代码展示了GAM的构建,包含线性层、卷积和Sigmoid激活,用于生成注意力图。更多配置详情参阅相关博客文章。
【YOLOv8改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征
|
人工智能 前端开发 搜索推荐
人工智能(AI)在前端设计中的创新应用
人工智能(AI)在前端设计中的创新应用
431 4
|
Java
SpringBoot java 一个接口,多个实现,客户定制化
SpringBoot java 一个接口,多个实现,客户定制化
203 0
|
机器学习/深度学习 人工智能 算法
探索人工智能的伦理困境与技术解决方案
随着人工智能(AI)技术的飞速发展,其在改善生活质量、提升工作效率等方面展现出巨大潜力。然而,AI的发展同样伴随着诸多伦理问题,如隐私侵犯、算法偏见和自动化失业等。本文将深入探讨AI所面临的伦理挑战,并讨论可能的技术解决方案,以期在促进技术创新的同时,保障人类社会的公正与福祉。
|
安全 数据可视化 数据挖掘
数据分享|AARRR模型淘宝用户行为分析、电商销售分析
数据分享|AARRR模型淘宝用户行为分析、电商销售分析
|
SpringCloudAlibaba Java 数据库
SpringCloud Alibaba微服务 -- Seata的原理和使用
SpringCloud Alibaba微服务 -- Seata的原理和使用
|
SQL Oracle 容灾
达梦数据库和orcale数据库有何区别
达梦数据库和orcale数据库有何区别
1739 1