工作流中的流程追溯!Activiti框架的历史组件详细解析

简介: 本篇文章详细说明了工作流Activiti框架中的历史组件,这个组件用于捕获发生在进程执行中的信息并对这些信息进行永久保存,在流程实例运行完成后,这些数据依旧保存在数据库中。工作流Activiti框架中提供了对历史数据的查询方法。最后介绍了历史组件的相关配置以及使用历史组件中的数据进行流程审计。通过对历史组件的学习,可以方便地对工作流的流程进行追溯。

Activit中的历史简介

  • 历史: Activiti中的一个组件,可以捕获发生在进程执行中的信息并永久的保存.与运行时数据不同的是,当流程实例运行完成之后它还会存在于数据库中
  • 历史实体对象有5个:

    • HistoricProcessInstances: 包含当前和已经结束的流程实例信息
    • HistoricVariableInstances: 包含最新的流程变量或任务变量
    • HistoricActivityInstances: 包含一个活动即流程上的节点的执行信息
    • HistoricTaskInstances: 包含关于当前和已完成或已删除任务实例信息
    • HistoricDetails: 包含历史流程实例,活动实例,任务实例的各种信息
  • 因为数据库中保存着历史信息以及正在运行的流程实例信息,就要考虑怎样尽量减少的对运行中的流程实例数据进行访问的方式来查询这些表以保证执行的性能

查询历史

  • 在Activiti API中提供了5中实体的查询方法,在HistoryService类中:

    • createHistoricProcessInstanceQuery()
    • createHistoricVariableInstanceQuery()
    • createHistoricActivityInstanceQuery()
    • createHistoricDetailQuery()
    • createHistoricTaskInstanceQuery()

HistoricProcessInstanceQuery

  • 流程实例
  • 获取流程定义ID是'XXX',已经结束,花费时间最长(持续时间最长)的10个HistoricProcessInstances
historyService.createHistoricProcessInstanceQuery()
  .finished()
  .processDefinitionId("XXX")
  .orderByProcessInstanceDuration().desc()
  .listPage(0, 10);

HistoricVariableInstanceQuery

  • 在ID为'xxx',已经结束的流程实例中查询所有HistoricVariableInstances, 并按变量名排序
historyService.createHistoricVariableInstanceQuery()
  .processInstanceId("XXX")
  .orderByVariableName.desc()
  .list();

HistoricActivityInstanceQuery

  • 获取所有已经结束的流程定义ID为’XXX'并且类型是'serviceTask'中的最后一个 HistoricActivityInstance
historyService.createHistoricActivityInstanceQuery()
  .activityType("serviceTask")
  .processDefinitionId("XXX")
  .finished()
  .orderByHistoricActivityInstanceEndTime().desc()
  .listPage(0, 1);

HistoricDetailQuery

  • 获取所有id为123的流程实例中产生的可变更新信息

    • 这个查询只会返回HistoricVariableUpdates
    • 注意一些变量名可能包含多个HistoricVariableUpdate实体,每次流程运行时会更新变量.可以用orderByTime(变量被更新的时间)或者orderByVariableRevision(运行更新时变量的版本)来排序查询.
historyService.createHistoricDetailQuery()
  .variableUpdates()
  .processInstanceId("123")
  .orderByVariableName().asc()
  .list()
  • 获取所有流程实例ID为123的流程中 ,提交任务或者启动流程时的form-properties. 这个查询只会返回 HistoricFormPropertiess
historyService.createHistoricDetailQuery()
  .formProperties()
  .processInstanceId("123")
  .orderByVariableName().asc()
  .list()
  • 获取所有在执行ID为123的任务时的变量更新.返回全部在任务中设置的变量 (任务局部变量)HistoricVariableUpdates, 不是流程实例变量
historyService.createHistoricDetailQuery()
  .variableUpdates()
  .taskId("123")
  .orderByVariableName().asc()
  .list()  
  • 任务局部变量可以用TaskService设置,在TaskListener里设置
taskService.setVariableLocal("123", "myVariable", "Variable value");
  • 任务局部变量也可以用DelegateTask设置,在TaskListener里设置
public void notify(DelegateTask delegateTask) {
  delegateTask.setVariableLocal("myVariable", "Variable value");
}

HistoricTaskInstanceQuery

  • 获取所有任务中10个花费时间最长(持续时间最长)并已经结束的HistoricTaskInstances
historyService.createHistoricTaskInstanceQuery()
  .finished()
  .orderByHistoricTaskInstanceDuration().desc()
  .listPage(0, 10);
  • 获取删除原因包含"invalid",最后分配给用户"kermit"的HistoricTaskInstances
historyService.createHistoricTaskInstanceQuery()
  .finished()
  .taskDeleteReasonLike("%invalid%")
  .taskAssignee("kermit")
  .listPage(0, 10);

历史配置

  • 历史级别可以用编写代码的方法配置 :org.activiti.engine.impl.history.HistoryLevel (枚举类型)
ProcessEngine processEngine = ProcessEngineConfiguration
  .createProcessEngineConfigurationFromResourceDefault()
  .setHistory(HistoryLevel.AUDIT.getKey())
  .buildProcessEngine();
  • 级别可以在配置文件activiti.cfg.xml或者在spring-context中配置:
<bean id="processEngineConfiguration" class="org.activiti.engine.impl.cfg.StandaloneInMemProcessEngineConfiguration">
  <property name="history" value="audit" />
  ...
</bean>
  • 历史信息级别:

    • none:

      • 忽略所有历史存档:

        • 这是流程执行时性能最好的状态,但没有任何历史信息可用
    • activity:

      • 保存所有流程实例信息和活动实例信息:

        • 在流程实例结束时,最后一个流程实例中的最新的变量值将赋值给历史变量
        • 不会保存过程中的详细信息
    • audit:

      • 默认值,保存所有流程实例信息,活动信息,保证所有的变量和提交的表单属性保持同步

        • 这样所有用户交互信息都是可追溯的,可以用来审计
    • full:

      • 这个级别存储发生在审核以及所有其它细节的信息,主要是更新流程变量

        • 是最高级别的历史信息存档,同样也是最慢的

审计

  • 历史配置在audit级别之上,所有通过:

    • FormService.submitStartFormData(String processDefinitionId, Map<String, String> properties)
    • FormService.submitTaskFormData(String taskId, Map<String, String> properties)

提交的属性都会被记录

  • 表单属性可以通过API查询:
historyService
      .createHistoricDetailQuery()
      .formProperties()
      ...
      .list();

类型为HistoricFormProperty的详细信息会被查询出来

  • 在调用IdentityService.setAuthenticatedUserId(String) 提交之前设置了认证用户:

    • 提交表单的用户将被保存在历史信息中:

      • 开始表单中使用HistoricProcessInstance.getStartUserId() 获取
      • 任务表单中用HistoricActivityInstance.getAssignee() 获取
相关文章
|
2月前
|
算法 数据处理 开发者
FFmpeg库的使用与深度解析:解码音频流流程
FFmpeg库的使用与深度解析:解码音频流流程
37 0
|
2月前
|
消息中间件 Unix Linux
Linux进程间通信(IPC)介绍:详细解析IPC的执行流程、状态和通信机制
Linux进程间通信(IPC)介绍:详细解析IPC的执行流程、状态和通信机制
60 1
|
2月前
|
数据采集 数据可视化 大数据
Python在数据科学中的实际应用:从数据清洗到可视化的全流程解析
Python在数据科学中的实际应用:从数据清洗到可视化的全流程解析
38 1
|
3天前
|
敏捷开发 开发框架 持续交付
【软件工程】航行敏捷之路:深度解析Scrum框架的精髓
【软件工程】航行敏捷之路:深度解析Scrum框架的精髓
|
17天前
|
SQL API 数据库
Python中的SQLAlchemy框架:深度解析与实战应用
【4月更文挑战第13天】在Python的众多ORM(对象关系映射)框架中,SQLAlchemy以其功能强大、灵活性和易扩展性脱颖而出,成为许多开发者首选的数据库操作工具。本文将深入探讨SQLAlchemy的核心概念、功能特点以及实战应用,帮助读者更好地理解和使用这一框架。
|
18天前
|
机器学习/深度学习 分布式计算 BI
Flink实时流处理框架原理与应用:面试经验与必备知识点解析
【4月更文挑战第9天】本文详尽探讨了Flink实时流处理框架的原理,包括运行时架构、数据流模型、状态管理和容错机制、资源调度与优化以及与外部系统的集成。此外,还介绍了Flink在实时数据管道、分析、数仓与BI、机器学习等领域的应用实践。同时,文章提供了面试经验与常见问题解析,如Flink与其他系统的对比、实际项目挑战及解决方案,并展望了Flink的未来发展趋势。附带Java DataStream API代码样例,为学习和面试准备提供了实用素材。
72 0
|
27天前
|
C++
C++ While 和 For 循环:流程控制全解析
本文介绍了C++中的`switch`语句和循环结构。`switch`语句根据表达式的值执行匹配的代码块,可以使用`break`终止执行并跳出`switch`。`default`关键字用于处理没有匹配`case`的情况。接着,文章讲述了三种类型的循环:`while`循环在条件满足时执行代码,`do/while`至少执行一次代码再检查条件,`for`循环适用于已知循环次数的情况。`for`循环包含初始化、条件和递增三个部分。此外,还提到了嵌套循环和C++11引入的`foreach`循环,用于遍历数组元素。最后,鼓励读者关注微信公众号`Let us Coding`获取更多内容。
21 0
|
2月前
|
物联网 调度 开发者
构建高效Python Web应用:异步编程与Tornado框架解析
【2月更文挑战第27天】 在处理高并发的Web应用场景时,传统的同步阻塞模型往往难以满足性能需求。本文将深入探讨Python世界中的异步编程概念,并结合Tornado这一轻量级、非阻塞式Web服务器及框架,展示如何构建高性能的Web应用。通过实例驱动的方法论,我们将剖析Tornado的核心组件,包括其IOLoop、异步HTTP客户端和服务器端处理机制,以及与协程集成的细节。文章旨在为开发者提供一套实践指南,帮助他们利用Python实现快速响应和资源高效的Web服务。
|
2月前
|
算法 Java API
探索Java并发编程:Fork/Join框架的深度解析
【2月更文挑战第26天】随着多核处理器的普及,并发编程在软件开发中的重要性日益凸显。Java语言提供了多种并发工具,其中Fork/Join框架是处理分而治之问题的一个强大工具。本文将深入探讨Fork/Join框架的设计原理、使用场景及与传统线程池的区别,并通过实例演示如何有效利用该框架提升程序性能。
|
2月前
|
SQL API 数据处理
新一代实时数据集成框架 Flink CDC 3.0 —— 核心技术架构解析
本文整理自阿里云开源大数据平台吕宴全关于新一代实时数据集成框架 Flink CDC 3.0 的核心技术架构解析。
749 0
新一代实时数据集成框架 Flink CDC 3.0 —— 核心技术架构解析

推荐镜像

更多