temporal-python-pro

Temporal Python Pro - 工作流编排专家技能

技能概述

Temporal Python Pro 是专精于 Temporal Python SDK 的专家级技能，帮助开发者构建可靠、可扩展的工作流编排系统，涵盖持久化工作流、Saga 模式和分布式事务的完整实现。

适用场景

分布式事务与微服务协调

跨多个微服务的分布式事务协调，实现 Saga 补偿模式，处理服务依赖管理和事件驱动的工作流触发。

长运行业务流程

从数小时到数年周期的业务流程自动化，如订单履约、支付处理、多方审批等需要状态持久化和故障恢复的场景。

数据处理与基础设施自动化

多阶段数据转换管道、并行批处理、基础设施编排，以及需要精确进度跟踪和错误处理的长运行任务。

核心功能

Python SDK 完整实现

Worker 配置与启动、工作流定义、Activity 实现（async/sync 多线程/多进程模型）、信号与查询处理，以及优雅关闭和资源清理。

生产级错误处理与重试策略

ApplicationError 非重试错误配置、RetryPolicy 指数退避、超时配置（schedule_to_close、heartbeat）、Activity 错误捕获与补偿逻辑。

测试与部署最佳实践

时间跳跃测试环境、Activity 模拟注入、重放测试验证、容器化 Worker 部署、监控指标和性能优化。

常见问题

Temporal Python SDK 适合什么场景？

Temporal Python 最适合需要可靠状态持久化的长运行流程，包括：跨微服务的分布式事务（需要补偿机制）、持续数小时到数年的业务流程、人工审批工作流、多步骤数据处理管道。如果任务只需几分钟且不需要复杂状态管理，简单的任务队列（如 Celery）可能更合适。

Python 中 Activity 什么时候用 async，什么时候用 sync？

关键判断标准是操作是否会阻塞事件循环：用 async Activity 处理非阻塞 I/O（async 数据库调用、异步 HTTP 请求、异步库）；用 sync + ThreadPoolExecutor 处理阻塞 I/O（同步数据库客户端、文件操作、遗留库）；用 sync + ProcessPoolExecutor 处理 CPU 密集型计算（数据处理、ML 推断）。在 async Activity 中调用阻塞代码会完全丧失并发优势。

如何测试 Temporal Python workflow？

推荐使用 WorkflowEnvironment 的时间跳跃测试模式，可将月长工作流的测试在秒级完成。工作流测试应模拟 Activity 注入验证编排逻辑；Activity 测试使用 ActivityEnvironment 验证幂等性和超时处理；生产环境应持续运行重放测试，确保代码变更与历史工作流的确定性兼容。