关于Cadence Workflow决策执行的Worker一致性及性能疑问

1. 未执行过对应Workflow的Worker处理决策任务时的状态恢复与性能问题 #

• 没错，这种情况下Worker必须从Cadence服务拉取该Workflow的完整历史事件，重新回放并恢复到当前状态，才能执行本次决策任务。
• 性能影响取决于Workflow历史的规模：如果历史事件少（比如只有几个步骤），拉取和回放的开销几乎可以忽略；但如果历史事件极多（上千个甚至更多），首次拉取和重建确实会有明显的延迟。
• 不过Cadence内置了针对性优化：
  • 状态快照：Worker会定期保存Workflow的状态快照，后续不需要回放全量历史，只需要加载快照再处理新增事件即可。
  • 增量历史拉取：即便没有本地快照，Worker也可以只拉取当前所需的历史片段，而非一次性拉取全部。

2. 是否能保证Workflow决策全程在同一个Worker执行 #

• Cadence没有强制让整个决策过程绑定到单一Worker的机制——这是出于分布式容错的设计考虑：如果绑定单一Worker，一旦该Worker故障，Workflow就会陷入停滞，严重降低可用性。
• 但Cadence提供了任务亲和性优化：系统会优先把同一个Workflow的后续决策任务分配给最近处理过它的Worker，这样能大概率复用Worker本地缓存的状态快照，避免重复拉取历史。不过这只是优先级策略，不是强制绑定，当该Worker下线或负载过高时，任务还是会被分配给其他可用Worker。

内容的提问来源于stack exchange，提问作者ericqzhao