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。

我有三种谷物：

工作流 - 包含工作流中的信息以及工作块应按什么顺序执行
工作块 - 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，性能确实会受到影响。我做了一些分析并将其缩小到谷物之间发生的通信。无论如何我可以再改进一下吗？

这是我的代码大纲以及颗粒如何相互作用

执行粒度位于一个循环中，从工作流中获取下一个工作块，然后在工作块上调用执行。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次执行时的 10 秒到运行超过 1000 次时的大约 5 分钟。这可以改进吗还是我应该重新构建解决方案以删除 grain 通信？

[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

在我看来，这些函数不应该是独立的 grains，将它们聚合起来会消除昂贵的 grain 间通信。

如果将 Work Block 重命名为 Activity 并将 Execution 重命名为 WorkflowInstance，你的概念和微软的Workflow Foundation非常相似。我在 Orleans 上开始了一个关于 GitHub (Orleans.Activities) 到运行 WF4 工作流程的项目。虽然它还没有准备好生产，没有性能测试，但至少可以工作。也许你应该试一试。

Answer 2

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) 让我们从上往下看建模：工作流只是关于工作流的数据和要执行的代码，WorkBlock 是多块工作流的一个块（多步工作流的一个步骤），对吗？在这种情况下，其中 none 应该是谷物。他们只是状态。执行是唯一需要粮食的。执行接收工作流，工作流在其数据中编码下一个块是什么，执行只执行该块。

3) 从可伸缩性的角度来看，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 将是“WorkflowId-NumberBetween0AndX”）。

Microsoft Orleans grain 通信性能

Microsoft Orleans grain communication performance

c#

performance

orleans