c# - Microsoft Orleans grain 通信性能

Question

我正在使用 Mircosoft Orleans 作为基础开发工作流引擎，因为它提供了许多有用的功能，例如自动分配工作和处理故障转移。

我有三种 Cereal :

• 工作流 - 保存工作流中的信息以及工作 block 应按什么顺序执行
• 工作 block - 实际完成工作的部分
• 执行 - 工作流的单次执行

我的问题是，当运行大量当前执行时，即 > 1000，性能确实受到影响。我做了一些分析并将其缩小到 Cereal 之间发生的通信。无论如何我可以再改进一下吗？

这是我的代码大纲以及grains如何交互

执行粒度位于一个循环中，从工作流中获取下一个工作 block ，然后在工作 block 上调用执行。正是这种在 grains 之间不断调用导致我的一个测试工作流的执行时间从运行单个执行时的 10 秒变为运行超过 1000 次时的大约 5 分钟。这可以改进还是我应该重新设计解决方案删除 Cereal 通讯？

[StorageProvider(ProviderName = "WorkflowStore")]
[Reentrant]
[StatelessWorker]
public class Workflow : Grain<WorkflowState>, IWorkflow
{
    public Task<BlockRef> GetNext(Guid currentBlockId, string connectionName)
    {
         //Lookup the next work block
    }
}

[Reentrant]
[StatelessWorker]
public class WorkBlock : Grain<WorkBlock State>, IWorkBlock 
{
    public Task<string> Execute(IExecution execution)
    {
         //Do some work
    }
}


[StorageProvider(ProviderName = "ExecutionStore")]
public class Execution : Grain<ExecutionState>, IExecution, IRemindable
{
    private async Task ExecuteNext(bool skipBreakpointCheck = false)
    {            
        if (State.NextBlock == null)
        {
            await FindAndSetNext(null, null);
        }

        ...

        var outputConnection = await workblock.Execute();

        if (!string.IsNullOrEmpty(outputConnection))
        {
            await FindAndSetNext(State.NextBlock.Id, outputConnection);
            ExecuteNext().Ignore();
        }
    }

    private async Task FindAndSetNext(Guid? currentId, string outputConnection)
    {
        var next = currentId.HasValue ? await _flow.GetNextBlock(currentId.Value, outputConnection) : await _flow.GetNextBlock();
        ...
    }
}

Answer 1

这里有几个问题:

1) Workflow 是一个 StatelessWorker 并且使用 StorageProvider 似乎不对。 StorageProvider 意味着它有它关心的状态持久化，StatelessWorker 意味着它没有任何状态。而是使用常规的非 StatelessWorker grains。

2) 让我们看看自上而下的建模:工作流只是关于工作流的数据和要执行的代码，WorkBlock 是多 block 工作流的一个 block (多步工作流的一个步骤)，对吗？在这种情况下，它们都不应该是 Cereal 。他们只是状态。执行是唯一需要粮食的。 Execution 接收 Workflow，Workflow 在其数据中编码下一个 block 是什么，而 Execution 只执行该 block 。

3) 从可扩展性的角度来看，您只需要大量的执行粒度。如果一个 Workflow 有一个 id，那么你可以为每个 Workflow id 使用一个 Execution grain。如果您想并行多次执行相同的工作流(具有相同的 ID)，现在视情况而定。如果并行的不是太多，也许一个 Execution grain 就足够了。如果没有，您可以使用 X Execution grains 池(Execution grain 的 id 将为“WorkflowId-NumberBetween0AndX”)。