Conductor 是 Netflix 开源的分布式工作流编排引擎，用于协调微服务、API 和任务的执行顺序。它通过声明式工作流定义，实现复杂业务流程的自动化管理，特别适合电商订单处理、数据管道、CI/CD 等场景。

核心概念

1. 工作流（Workflow）

• 由多个任务组成的有向无环图（DAG），定义业务流程逻辑。
• 示例：电商订单流程（创建订单 → 支付验证 → 库存锁定 → 物流分配）。

2. 任务（Task）

• 工作流的基本执行单元，分两类：
  • 系统任务：Conductor 内置任务（如决策、循环、并行分支）。
  • 工作任务：外部服务执行的任务（通过 REST/SQS 等调用）。

3. 工作流执行（Workflow Instance）

• 工作流的一次运行实例，包含状态、参数和执行历史。

4. 任务执行（Task Instance）

• 任务的一次运行实例，有状态（SCHEDULED、IN_PROGRESS、COMPLETED、FAILED）。

5. 工作流定义（Workflow Definition）

• JSON/YAML 格式，描述工作流结构：

  {
    "name": "order_processing",
    "version": 1,
    "tasks": [
      {
        "name": "validate_payment",
        "taskReferenceName": "payment",
        "type": "SIMPLE"
      },
      {
        "name": "lock_inventory",
        "taskReferenceName": "inventory",
        "type": "SIMPLE",
        "startDelay": 5,
        "inputParameters": {
          "orderId": "${workflow.input.orderId}"
        }
      }
    ]
  }
  

架构组件

1. Conductor Server：

   • 核心服务，管理工作流和任务的生命周期。
   • 提供 REST API 和 UI（Workflow Studio）。

2. Metadata Service：

   • 存储工作流和任务定义。

3. Execution Service：

   • 协调工作流执行，维护状态。

4. Queue Service：

   • 任务调度队列（支持 SQS、Kafka、Redis 等）。

5. Workflow Workers：

   • 执行具体任务的微服务/进程。

6. Persistence Layer：

   • 存储工作流状态（支持 Cassandra、Elasticsearch、MySQL 等）。

工作流程

1. 定义工作流：通过 JSON/YAML 定义工作流结构和任务关系。
2. 注册工作流：将定义上传至 Conductor Server。
3. 触发工作流：通过 API 传入输入参数启动实例。
4. 任务调度：Conductor 将任务放入队列，Worker 拉取并执行。
5. 结果反馈：Worker 完成任务后，通过 API 更新任务状态。
6. 工作流推进：Conductor 根据任务结果推进流程，直至完成。

关键特性

1. 任务类型

• 简单任务（SIMPLE）：外部服务执行的任务。
• 决策任务（DECISION）：基于条件选择分支。
• 循环任务（FOR_EACH）：迭代处理集合。
• 并行分支（FORK_JOIN）：并行执行多个任务。
• 子工作流（SUB_WORKFLOW）：嵌套调用其他工作流。

2. 动态工作流

• 支持运行时动态修改工作流定义。
• 通过 Dynamic Fork Task 实现灵活分支。

3. 错误处理

• 重试策略：自动重试失败任务（固定延迟、指数退避）。
• 补偿机制：定义补偿任务（如支付失败后回滚库存）。
• 警报机制：任务超时或失败时触发通知。

4. 监控与可视化

• Workflow Studio：图形化界面查看工作流执行状态。
• Metrics：集成 Prometheus、Grafana 监控关键指标。

5. 扩展性

• 支持插件式扩展存储、队列、认证等组件。
• 多语言 SDK（Java、Python、Go、Node.js）。

典型应用场景

1. 电商订单处理：

   创建订单 → 支付验证 → 库存检查 → 发货通知 → 更新账户积分
   

   • 支持并行处理（如同时发送短信和邮件通知）。

2. 数据管道：

   数据抽取 → 清洗转换 → 分区存储 → 触发计算任务 → 生成报表
   

   • 支持任务依赖和失败重试。

3. CI/CD 流程：

   代码提交 → 编译 → 单元测试 → 集成测试 → 部署 → 冒烟测试
   

   • 通过动态参数支持多环境部署。

4. 批处理作业：

   • 并行处理大量数据记录，汇总结果。

与其他工作流引擎对比

特性	Conductor	Camunda	Airflow	Temporal
架构模型	微服务优先	BPMN 驱动	DAG 驱动	有状态服务
语言支持	多语言	Java 为主	Python	多语言
部署方式	分布式	单体/集群	分布式	分布式
可视化	中等	优秀	良好	中等
事务性	最终一致性	强一致性	弱一致性	强一致性
适用场景	微服务编排	企业流程	数据管道	长时间运行

快速上手示例

1. 启动 Conductor Server

# 使用 Docker 快速启动
docker-compose -f docker-compose.yml up -d

2. 定义工作流

{
  "name": "hello_world",
  "version": 1,
  "tasks": [
    {
      "name": "print_hello",
      "taskReferenceName": "hello",
      "type": "SIMPLE",
      "inputParameters": {
        "message": "Hello from Conductor"
      }
    }
  ]
}

3. 创建 Worker

// Java Worker 示例
public class HelloWorldWorker implements Worker {
    @Override
    public String getTaskDefName() {
        return "print_hello";
    }

    @Override
    public TaskResult execute(Task task) {
        TaskResult result = new TaskResult(task);
        result.setStatus(Status.COMPLETED);
        result.getOutputData().put("response", "Hello executed successfully");
        return result;
    }
}

4. 注册工作流并启动实例

# 注册工作流
curl -X POST -H "Content-Type: application/json" \
  -d @workflow_definition.json \
  http://localhost:8080/api/metadata/workflow

# 启动工作流实例
curl -X POST -H "Content-Type: application/json" \
  http://localhost:8080/api/workflow/hello_world

最佳实践

1. 任务拆分原则：

   • 保持任务原子性，避免长耗时任务。
   • 通过子工作流封装复杂子流程。

2. 性能优化：

   • 调整队列配置（如 SQS 批处理大小）。
   • 使用索引加速查询（如 Elasticsearch）。

3. 监控与告警：

   • 监控任务执行时间、队列积压情况。
   • 设置阈值触发告警（如任务超时、失败率升高）。

4. 版本控制：

   • 使用语义化版本管理工作流定义。
   • 通过 version 字段管理不同版本。

总结

Conductor 适合需要灵活编排微服务、支持动态流程和高并发的场景。其优势在于分布式架构、多语言支持和可视化管理，能显著提升复杂业务流程的开发和维护效率。如果你正在构建微服务架构或需要编排跨系统任务，Conductor 是值得考虑的选择。