持久化执行

持久化执行是一种技术，其中进程或工作流在关键点保存其进度，允许它暂停并稍后从中断的地方恢复。这在需要人在回路中（human-in-the-loop）的场景中特别有用，用户可以在继续之前检查、验证或修改流程，也适用于可能遇到中断或错误的长时间运行任务（例如，调用 LLM 超时）。通过保留已完成的工作，持久化执行使流程能够恢复而无需重新处理先前的步骤——即使在很长时间延迟之后（例如，一周后）。

Spring AI Alibaba Graph 的内置持久化层为工作流提供了持久化执行，确保每个执行步骤的状态都保存到持久化存储中。此功能保证如果工作流被中断——无论是由于系统故障还是人在回路中的交互——它都可以从最后记录的状态恢复。

tip

如果您在使用 Spring AI Alibaba Graph 时配置了检查点器（checkpointer），则已经启用了持久化执行。您可以在任何时候暂停和恢复工作流，即使在中断或失败之后也是如此。

为了充分利用持久化执行，请确保您的工作流设计为确定性和一致性重放，并将任何副作用或非确定性操作包装在节点中。

要求

要在 Spring AI Alibaba Graph 中利用持久化执行，您需要：

1. 通过指定检查点器（checkpointer）在工作流中启用持久化，该检查点器将保存工作流进度。

2. 在执行工作流时指定线程标识符（thread identifier）。这将跟踪工作流特定实例的执行历史。

3. 将任何非确定性操作（例如，随机数生成）或具有副作用的操作（例如，文件写入、API 调用）包装在节点中，以确保在恢复工作流时，这些操作不会在特定运行中重复，而是从持久化层检索它们的结果。有关更多信息，请参阅确定性和一致性重放。

确定性和一致性重放

当您恢复工作流运行时，代码不会从执行停止的同一行代码恢复；相反，它将识别一个适当的起点，从那里继续执行。这意味着工作流将从起点重放所有步骤，直到达到停止的点。

因此，在为持久化执行编写工作流时，您必须将任何非确定性操作（例如，随机数生成）和任何具有副作用的操作（例如，文件写入、API 调用）包装在节点中。

为了确保您的工作流是确定性的并且可以一致地重放，请遵循以下准则：

• 避免重复工作：如果节点包含多个具有副作用的操作（例如，日志记录、文件写入或网络调用），请将每个操作包装在单独的节点中。这确保在恢复工作流时，操作不会重复，而是从持久化层检索它们的结果。
• 封装非确定性操作：将可能产生非确定性结果的任何代码（例如，随机数生成）包装在节点中。这确保在恢复时，工作流遵循记录的精确步骤序列和相同的结果。
• 使用幂等操作：尽可能确保副作用（例如，API 调用、文件写入）是幂等的。这意味着如果在工作流失败后重试操作，它将具有与第一次执行相同的效果。这对于导致数据写入的操作特别重要。如果节点启动但未能成功完成，工作流的恢复将重新运行该节点，依靠记录的结果来保持一致性。使用幂等性键或验证现有结果以避免意外重复，确保平稳和可预测的工作流执行。

持久化模式

Spring AI Alibaba Graph 支持不同的持久化策略，允许您根据应用程序的要求平衡性能和数据一致性。

编译时配置

在编译图时，您可以配置持久化策略：

import com.alibaba.cloud.ai.graph.CompileConfig;
import com.alibaba.cloud.ai.graph.checkpoint.config.SaverConfig;
import com.alibaba.cloud.ai.graph.checkpoint.savers.MemorySaver;
import com.alibaba.cloud.ai.graph.checkpoint.constant.SaverConstant;

SaverConfig saverConfig = SaverConfig.builder()
    .register(SaverConstant.MEMORY, new MemorySaver())
    .build();

CompiledGraph graph = stateGraph.compile(
    CompileConfig.builder()
        .saverConfig(saverConfig)
        .build()
);

执行时配置

在执行图时指定配置：

RunnableConfig config = RunnableConfig.builder()
    .threadId("unique-thread-id")
    .build();

graph.invoke(inputData, config);

在节点中使用任务模式

如果节点包含多个操作，您可以将每个操作设计为独立的节点，或者使用适当的模式来确保幂等性。

原始版本

import com.alibaba.cloud.ai.graph.StateGraph;
import com.alibaba.cloud.ai.graph.CompiledGraph;
import com.alibaba.cloud.ai.graph.CompileConfig;
import com.alibaba.cloud.ai.graph.RunnableConfig;
import com.alibaba.cloud.ai.graph.checkpoint.savers.MemorySaver;
import com.alibaba.cloud.ai.graph.checkpoint.config.SaverConfig;
import com.alibaba.cloud.ai.graph.checkpoint.constant.SaverConstant;
import static com.alibaba.cloud.ai.graph.StateGraph.START;
import static com.alibaba.cloud.ai.graph.StateGraph.END;
import static com.alibaba.cloud.ai.graph.action.AsyncNodeAction.node_async;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.net.URI;

// 定义状态策略
KeyStrategyFactory keyStrategyFactory = () -> {
    Map<String, KeyStrategy> keyStrategyMap = new HashMap<>();
    keyStrategyMap.put("url", new ReplaceStrategy());
    keyStrategyMap.put("result", new ReplaceStrategy());
    return keyStrategyMap;
};

// 调用 API 的节点
var callApi = node_async(state -> {
    String url = (String) state.value("url").orElse("");

    // 发起 HTTP 请求 - 副作用操作
    HttpClient client = HttpClient.newHttpClient();
    HttpRequest request = HttpRequest.newBuilder()
        .uri(URI.create(url))
        .build();

    try {
        HttpResponse<String> response = client.send(request,
            HttpResponse.BodyHandlers.ofString());
        String result = response.body().substring(0,
            Math.min(100, response.body().length()));
        return Map.of("result", result);
    } catch (Exception e) {
        throw new RuntimeException(e);
    }
});

// 创建图
StateGraph stateGraph = new StateGraph(keyStrategyFactory)
    .addNode("call_api", callApi)
    .addEdge(START, "call_api")
    .addEdge("call_api", END);

// 配置检查点
SaverConfig saverConfig = SaverConfig.builder()
    .register(SaverConstant.MEMORY, new MemorySaver())
    .build();

// 编译图
CompiledGraph graph = stateGraph.compile(
    CompileConfig.builder()
        .saverConfig(saverConfig)
        .build()
);

// 执行图
RunnableConfig config = RunnableConfig.builder()
    .threadId(UUID.randomUUID().toString())
    .build();

graph.invoke(Map.of("url", "https://www.example.com"), config);

改进版本（将副作用操作分离到独立节点）

import com.alibaba.cloud.ai.graph.StateGraph;
import static com.alibaba.cloud.ai.graph.action.AsyncNodeAction.node_async;

// 定义状态策略
KeyStrategyFactory keyStrategyFactory = () -> {
    Map<String, KeyStrategy> keyStrategyMap = new HashMap<>();
    keyStrategyMap.put("urls", new ReplaceStrategy());
    keyStrategyMap.put("results", new AppendStrategy());
    return keyStrategyMap;
};

// HTTP 请求服务（可以是独立的 Spring Bean）
class HttpRequestService {
    private final HttpClient client = HttpClient.newHttpClient();

    public String makeRequest(String url) {
        HttpRequest request = HttpRequest.newBuilder()
            .uri(URI.create(url))
            .build();

        try {
            HttpResponse<String> response = client.send(request,
                HttpResponse.BodyHandlers.ofString());
            return response.body().substring(0,
                Math.min(100, response.body().length()));
        } catch (Exception e) {
            throw new RuntimeException("请求失败: " + url, e);
        }
    }
}

// 调用 API 的节点
var callApi = node_async(state -> {
    List<String> urls = (List<String>) state.value("urls").orElse(List.of());
    HttpRequestService httpService = new HttpRequestService();

    // 批量请求
    List<String> results = urls.stream()
        .map(httpService::makeRequest)
        .collect(Collectors.toList());

    return Map.of("results", results);
});

// 创建图
StateGraph stateGraph = new StateGraph(keyStrategyFactory)
    .addNode("call_api", callApi)
    .addEdge(START, "call_api")
    .addEdge("call_api", END);

// 配置检查点
SaverConfig saverConfig = SaverConfig.builder()
    .register(SaverConstant.MEMORY, new MemorySaver())
    .build();

// 编译图
CompiledGraph graph = stateGraph.compile(
    CompileConfig.builder()
        .saverConfig(saverConfig)
        .build()
);

// 执行图
RunnableConfig config = RunnableConfig.builder()
    .threadId(UUID.randomUUID().toString())
    .build();

graph.invoke(Map.of("urls", List.of("https://www.example.com")), config);

恢复工作流

一旦在工作流中启用了持久化执行，您可以针对以下场景恢复执行：

• 暂停和恢复工作流：使用中断机制在特定点暂停工作流，并使用更新的状态恢复它。有关更多详细信息，请参阅人在回路中文档。
• 从失败中恢复：在异常后（例如，LLM 提供商中断）从最后一个成功的检查点自动恢复工作流。这涉及使用相同的线程标识符执行工作流。

从错误中恢复示例

import com.alibaba.cloud.ai.graph.RunnableConfig;
import com.alibaba.cloud.ai.graph.CompiledGraph;

String threadId = "error-recovery-thread";
RunnableConfig config = RunnableConfig.builder()
    .threadId(threadId)
    .build();

try {
    // 第一次执行可能会失败
    graph.invoke(inputData, config);
} catch (Exception e) {
    logger.error("第一次执行失败，准备重试", e);

    // 使用相同的 threadId 重新执行，将从检查点恢复
    // 传入 null 作为输入，表示从上次状态继续
    graph.invoke(null, config);
}

工作流恢复的起点

• 在 Spring AI Alibaba Graph 中，起点是执行停止处的节点的开始。
• 如果您在节点内调用子图，起点将是调用被中断子图的父节点。

最佳实践

1. 幂等性设计：确保节点操作是幂等的，多次执行产生相同结果。
2. 状态管理：合理设计状态结构，避免存储不必要的大对象。
3. 错误处理：在节点中实现适当的错误处理和重试逻辑。
4. 监控和日志：添加适当的日志记录以跟踪工作流执行进度。
5. 测试：彻底测试暂停和恢复场景，确保工作流行为正确。

示例：长时间运行的数据处理任务

import com.alibaba.cloud.ai.graph.StateGraph;
import com.alibaba.cloud.ai.graph.CompiledGraph;
import static com.alibaba.cloud.ai.graph.action.AsyncNodeAction.node_async;

// 定义状态
KeyStrategyFactory keyStrategyFactory = () -> {
    Map<String, KeyStrategy> keyStrategyMap = new HashMap<>();
    keyStrategyMap.put("items", new ReplaceStrategy());
    keyStrategyMap.put("processedCount", new ReplaceStrategy());
    keyStrategyMap.put("results", new AppendStrategy());
    return keyStrategyMap;
};

// 处理数据的节点
var processData = node_async(state -> {
    List<String> items = (List<String>) state.value("items").orElse(List.of());
    int processedCount = (int) state.value("processedCount").orElse(0);

    // 批量处理（例如每次处理 100 个）
    int batchSize = 100;
    int start = processedCount;
    int end = Math.min(start + batchSize, items.size());

    List<String> batch = items.subList(start, end);
    List<String> processedResults = batch.stream()
        .map(item -> "Processed: " + item)
        .collect(Collectors.toList());

    return Map.of(
        "processedCount", end,
        "results", processedResults
    );
});

// 检查是否完成
var checkComplete = edge_async(state -> {
    int processedCount = (int) state.value("processedCount").orElse(0);
    List<String> items = (List<String>) state.value("items").orElse(List.of());

    return processedCount >= items.size() ? END : "process_data";
});

// 创建图
StateGraph stateGraph = new StateGraph(keyStrategyFactory)
    .addNode("process_data", processData)
    .addEdge(START, "process_data")
    .addConditionalEdges("process_data", checkComplete,
        Map.of(END, END, "process_data", "process_data"));

// 配置持久化
SaverConfig saverConfig = SaverConfig.builder()
    .register(SaverConstant.MEMORY, new MemorySaver())
    .build();

CompiledGraph graph = stateGraph.compile(
    CompileConfig.builder()
        .saverConfig(saverConfig)
        .build()
);

// 执行长时间运行的任务
RunnableConfig config = RunnableConfig.builder()
    .threadId("long-running-task-" + UUID.randomUUID())
    .build();

// 创建大量数据
List<String> largeDataSet = IntStream.range(0, 10000)
    .mapToObj(i -> "Item-" + i)
    .collect(Collectors.toList());

// 执行（可能会被中断，但可以恢复）
graph.invoke(Map.of(
    "items", largeDataSet,
    "processedCount", 0
), config);

通过这种方式，即使处理过程被中断，您也可以使用相同的 threadId 恢复执行，工作流将从上次保存的检查点继续处理。