历史回放如何以节奏进行？答案

【问题标题】：How does history replay works in cadence?历史回放如何以节奏进行？
【发布时间】：2021-05-18 01:20:29
【问题描述】：

历史回放如何按节奏进行？

我有一个按顺序调用两个活动的工作流。

比如说，第一个活动已经完成，第二个活动有 100 行代码。如果应用服务器在执行activity2中的第50行代码时重新启动，它是否正好从第50行开始执行。如果是，cadence 内部发生了什么神奇的事情？

@Override
    public String composeGreeting(String greeting, String name) throws Exception {
      FileWriter fw =
          new FileWriter(
              "/Users/kumble-004/Documents/Uber_Cadence/Sample_Projects/TestCadence/src/com/company/"+name+".txt");

      System.out.println(
          DateTimeFormatter.ofPattern("yyyy/MM/dd HH:mm:ss").format(LocalDateTime.now())
              + " [Activity] started");

      long time = System.currentTimeMillis() + 240000;
      int i = 0, j=1;

      while (System.currentTimeMillis() != time) {
        if(i++ %10000000 == 0) {
          fw.write("print - " + j++ + " " +
                  DateTimeFormatter.ofPattern("yyyy/MM/dd HH:mm:ss").format(LocalDateTime.now()) +"\n");
        }
      }
      fw.close();
      System.out.println(
          DateTimeFormatter.ofPattern("yyyy/MM/dd HH:mm:ss").format(LocalDateTime.now())
              + " [Activity] ended");

      return greeting + " " + name + "!";
    }
  }

我的 hello 活动中有上述代码。此代码将运行 4 分钟，当条件满足时，它将在文件中写入数据

我在打印[Activity] started 后启动了工作流程并退出了 cadence 服务器。我没有启动它只是停止它。但 4 分钟后，它会在控制台中准确打印 [Activity] Ended。我想知道这怎么可能，因为我停止了服务器但代码正在执行，数据正在写入文件中。

当我通过 cadence UI 检查它时，它显示最后的历史是 ActivityTaskStarted。我启动了我的服务器。 15 分钟后（因为 scheduleToCloseTimeoutSeconds 是 15 分钟）活动返回事件 ActivityTaskTimedOut 并且整个 whorkflow 由于此超时而失败。

请解释一下重启 cadence 服务器时发生了什么？

【问题讨论】：

标签： cadence-workflow cadence uber-cadence

【解决方案1】：

如果在activity2中执行第50行代码时app server重启了，是不是正好从第50行开始执行

不，它不会自动为您从第 50 行活动恢复。

重播只发生在工作流中。它正在中继历史以重播和重建内存堆栈。工作流中发生的一切都存储在历史记录中：

工作流代码中的每一步都会生成一堆结果，称为“决策”
活动/子工作流结果
信号等外部事件
定时器
等

但 4 分钟后，它正在控制台中准确打印 [Activity] Ended。我想知道这怎么可能，因为我停止了服务器但代码正在执行，数据正在写入文件中。

那是因为您的活动工作者仍在运行。您正在运行的代码是纯粹的活动代码。

但是，当服务器关闭时，它的活动结果将无法报告给服务器。这意味着历史记录会丢失，并且工作流可能会重新安排另一个活动（如果启用了重试）。

请参考the doc about activity timeout and retry

【讨论】：