Activiti框架拓展

简介: Activiti数据库表以ACT_开头,分五类:ACT_RE(流程定义)、ACT_RU(运行时)、ACT_ID(身份信息)、ACT_HI(历史数据)、ACT_GE(通用数据),支撑流程管理各阶段的数据存储与操作。

1 表结构分类

Activiti的后台是有数据库的支持,所有的表都以ACT_开头。 第二部分是表示表的用途的两个字母标识。 用途也和服务的API对应。

表名分类

功能描述

ACT_RE_*

'RE'表示repository。 这个前缀的表包含了流程定义和流程静态资源 (图片,规则,等等)

ACT_RU_*

'RU'表示runtime。 这些运行时的表,包含流程实例,任务,变量,异步任务,等运行中的数据。 Activiti只在流程实例执行过程中保存这些数据, 在流程结束时就会删除这些记录。 这样运行时表可以一直很小速度很快

ACT_ID_*

'ID'表示identity。 这些表包含身份信息,比如用户,组等等

ACT_HI_*

'HI'表示history。 这些表包含历史数据,比如历史流程实例, 变量,任务等等

ACT_GE_*

通用数据, 用于不同场景下,如存放资源文件

2 表详细信息

表分类

表名

描述

资源库流程规则表

act_re_deployment

部署信息表

act_re_model

流程设计模型部署表

act_re_procdef

流程定义数据表

运行时数据库表

act_ru_execution

运行时流程执行实例表

act_ru_identitylink

运行时流程人员表,存储任务节点与参与者的相关信息

act_ru_task

运行时任务节点表

act_ru_variable

运行时流程变量数据表

历史数据库表


act_hi_actinst

历史节点表

act_hi_attachment

历史附件表

act_hi_comment

历史意见表

act_hi_identitylink

历史流程人员表

act_hi_detail

历史详情表,提供历史变量的查询

act_hi_procinst

历史流程实例表

act_hi_taskinst

历史任务实例表

act_hi_varinst

历史变量表

组织机构表

act_id_group

用户组信息表

act_id_info

用户扩展信息表

act_id_membership

用户与用户组对应信息表

act_id_user

用户信息表

通用数据表

act_ge_bytearray

二进制数据表

act_ge_property

属性数据表存储整个流程引擎级别的数据,初始化表结构时,会默认插入三条记录

相关文章
|
17天前
|
人工智能 搜索推荐 API
OpenClaw进阶实战指南|阿里云/本地喂饭级部署步骤+插件开发与集成+大模型API配置教程
2026年,OpenClaw(Clawdbot)的核心竞争力已从基础自动化能力转向开放的插件生态——通过自定义插件,用户可突破原生功能局限,将OpenClaw与专属业务场景、私有工具、内部系统深度绑定,实现从“通用AI助手”到“行业专用工具”的升级。无论是对接企业内部数据库、开发个性化自动化流程,还是适配垂直领域的特殊需求,插件机制都为OpenClaw提供了无限扩展可能。
673 0
|
网络协议 IDE 开发工具
基于ESP8266远程舵机的控制与实现
基于ESP8266远程舵机的控制与实现
2295 0
基于ESP8266远程舵机的控制与实现
|
Windows
Windows系统 services.msc命令详解,Windows命令行查看本地服务
第一步、打开cmd 按下 win 键,输入 cmd 后回车,打开「命令提示符」
1980 0
Windows系统 services.msc命令详解,Windows命令行查看本地服务
|
4月前
|
缓存
QLExpress使用及源码分析
本文介绍基于QLExpress的规则引擎实现方案,涵盖实体构建、接口定义与脚本编写。通过@QLAlias注解映射字段别名,结合YAML配置规则表达式,实现逻辑解耦。运行时动态解析AST语法树,支持汉化变量与上下文绑定,并提供缓存与延迟执行机制,提升性能与灵活性。
91 0
QLExpress使用及源码分析
|
4月前
|
人工智能 机器人 Java
黑马最新项目
AIGC项目涵盖大模型私有化部署、聊天机器人、RAG知识库及代码提示工具;天机AI集成SpringAI与多模型工作流;云岚到家聚焦微服务与分布式架构;四方保险构建统一支付与时序数据应用;星辰WMS与Dify项目即将发布。
203 0
黑马最新项目
|
4月前
|
canal 缓存 关系型数据库
微服务原理篇(Canal-Redis)
本文介绍了ES索引同步的常见方案,重点讲解Canal+MQ数据同步机制。通过解析MySQL的binlog日志,Canal模拟slave伪装接入主库,实现增量数据捕获,并结合RabbitMQ保证消息顺序性地同步至Elasticsearch。同时探讨了缓存一致性问题,提出使用分布式锁(如Redis)控制并发写操作,避免双写不一致。还涵盖Redis持久化、集群模式、过期淘汰策略及缓存三剑客(穿透、雪崩、击穿)的解决方案,系统梳理了高并发场景下的数据同步与缓存保障技术体系。
244 0
 微服务原理篇(Canal-Redis)
|
4月前
|
存储 缓存 搜索推荐
03_嵌入表分片与哈希管理:支撑万亿参数的关键技术
本文介绍支撑万亿参数推荐系统的核心技术:嵌入表分片与哈希管理。通过单/双层Hash模式实现稀疏ID高效映射,结合分桶策略均匀分配数据;采用Row-Wise、Table-Wise等分片机制,优化存储与计算负载,提升大规模模型训练效率。
03_嵌入表分片与哈希管理:支撑万亿参数的关键技术
|
4月前
|
XML 算法 安全
详解RAG五种分块策略,技术原理、优劣对比与场景选型之道
RAG通过检索与生成结合,提升大模型在企业场景的准确性与可控性。分块策略是其核心,直接影响检索效果与生成质量。本文系统解析五种主流分块方法:固定大小、语义、递归、基于结构及LLM分块,对比其优缺点与适用场景,并提出组合优化建议,助力构建高效、可信的RAG系统。
217 0
|
4月前
|
Arthas 存储 运维
记Arthas实现一次CPU排查与代码热更新
本文介绍使用Arthas排查Java应用CPU占用过高问题的完整流程,涵盖线程分析、阻塞定位、watch命令追踪异常、jad反编译实现热更新及火焰图分析,实现无需重启应用的高效故障排查与代码修复。
165 0
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
大模型专业名词解释手册
本手册由油炸小波设计提示词、Manus创作,系统梳理大语言模型核心概念,涵盖基础原理、训练技术、优化压缩、推理应用、评估调试及伦理安全六大模块,深入浅出解析LLM关键技术术语。
428 0