Flowable工作流别再直接查act表了！手把手教你设计一张高性能待办已办表

Flowable工作流架构优化：从原生表查询到高性能业务表设计实战

每次打开Flowable的act_ru_task表，看到那些密密麻麻的字段和复杂的关联关系，你是否也感到一阵头疼？特别是在处理多流程、多节点的业务场景时，直接查询原生表不仅SQL复杂难维护，性能更是让人捉襟见肘。本文将带你彻底解决这个痛点，从架构设计到代码实现，手把手教你构建一套高性能的待办已办表系统。

1. 为什么原生表查询会成为性能瓶颈？

Flowable作为一款优秀的工作流引擎，其原生表结构设计得非常通用和灵活。但正是这种通用性，在实际业务场景中往往会带来诸多问题：

• 字段冗余严重：act_ru_task表包含大量与特定业务无关的字段，如FORM_KEY_、DELEGATION_等
• 关联查询复杂：获取完整的待办信息通常需要关联act_ru_execution、act_ru_identitylink等多张表
• 历史数据膨胀：随着流程实例增多，act_hi_taskinst表会快速膨胀，查询效率直线下降
• 业务适配困难：原生表结构无法直接体现业务属性，如流程类型、审批结果等需要额外处理

-- 典型的原生表复杂查询示例 SELECT t.ID_ AS task_id, t.NAME_ AS task_name, t.CREATE_TIME_ AS create_time, e.BUSINESS_KEY_ AS business_key, u.FIRST_ AS assignee_name FROM act_ru_task t JOIN act_ru_execution e ON t.PROC_INST_ID_ = e.PROC_INST_ID_ LEFT JOIN act_id_user u ON t.ASSIGNEE_ = u.ID_ WHERE t.ASSIGNEE_ = 'user1' AND e.BUSINESS_KEY_ LIKE 'PO%'

2. 高性能业务表设计方案

2.1 核心表结构设计

我们采用业务表与流程表分离的架构，设计了两张核心表：

wf_todo_list（待办主表）

wf_todo_countersign（会签明细表）

2.2 索引设计策略

合理的索引设计是保证查询性能的关键：

-- 主表索引 ALTER TABLE wf_todo_list ADD INDEX idx_assignee_status (assignee, status); ALTER TABLE wf_todo_list ADD INDEX idx_proc_inst (proc_inst_id); ALTER TABLE wf_todo_list ADD INDEX idx_process_no (process_no); ALTER TABLE wf_todo_list ADD INDEX idx_create_time (create_time); -- 会签表索引 ALTER TABLE wf_todo_countersign ADD INDEX idx_todo_id (todo_id); ALTER TABLE wf_todo_countersign ADD INDEX idx_assignee (assignee);

3. 数据同步的优雅实现

3.1 全局事件监听器设计

通过实现Flowable的EventListener接口，我们可以捕获流程关键事件并同步数据：

@Component public class TodoEventListener implements EventListener { @Autowired private WfTodoService todoService; @Override public void onEvent(Event event) { if (event instanceof ActivitiEvent) { ActivitiEvent activitiEvent = (ActivitiEvent) event; switch (event.getType()) { case TASK_CREATED: handleTaskCreated((TaskEntity) activitiEvent.getEntity()); break; case TASK_COMPLETED: handleTaskCompleted((TaskEntity) activitiEvent.getEntity()); break; case PROCESS_COMPLETED: handleProcessCompleted(activitiEvent); break; } } } private void handleTaskCreated(TaskEntity task) { // 获取业务变量 Map<String, Object> variables = task.getExecution().getVariables(); WfTodo todo = new WfTodo(); todo.setTaskId(task.getId()); todo.setProcInstId(task.getProcessInstanceId()); todo.setAssignee(task.getAssignee()); todo.setTitle((String) variables.get("title")); todo.setProcessNo((String) variables.get("processNo")); todo.setStatus(0); // 待办 todoService.saveTodo(todo); } // 其他事件处理方法... }

3.2 业务变量传递最佳实践

在启动流程或完成任务时，通过变量传递必要信息：

// 启动流程时设置业务变量 Map<String, Object> variables = new HashMap<>(); variables.put("title", "2023年Q3市场费用报销"); variables.put("processNo", "EXP" + System.currentTimeMillis()); variables.put("applicant", currentUserId); runtimeService.startProcessInstanceByKey("expenseProcess", variables); // 完成任务时更新业务数据 taskService.complete(taskId, Collections.singletonMap("approveResult", "同意"));

4. 查询性能对比与优化

4.1 查询效率实测对比

我们针对三种场景进行了性能测试：

4.2 高频查询优化示例

场景一：获取用户待办列表

-- 原生表查询 SELECT t.* FROM act_ru_task t WHERE t.ASSIGNEE_ = 'user1' AND t.SUSPENSION_STATE_ = 1 ORDER BY t.CREATE_TIME_ DESC; -- 业务表查询 SELECT * FROM wf_todo_list WHERE assignee = 'user1' AND status = 0 ORDER BY create_time DESC LIMIT 20;

场景二：流程实例任务轨迹

-- 原生表查询(需关联多表) SELECT t.* FROM act_hi_taskinst t JOIN act_hi_procinst p ON t.PROC_INST_ID_ = p.ID_ WHERE p.BUSINESS_KEY_ = 'PO202307001' ORDER BY t.START_TIME_; -- 业务表查询 SELECT * FROM wf_todo_list WHERE process_no = 'PO202307001' ORDER BY create_time;

5. 进阶优化技巧

5.1 历史数据归档策略

随着业务增长，待办表也会积累大量历史数据，建议采用以下策略：

// 定时归档已完成的流程数据 @Scheduled(cron = "0 0 2 * * ?") public void archiveCompletedTodos() { LocalDateTime cutoffDate = LocalDateTime.now().minusMonths(3); // 1. 查询待归档数据 List<WfTodo> completedTodos = todoMapper.selectCompletedBefore(cutoffDate); // 2. 写入归档表 completedTodos.forEach(todo -> { todoArchiveMapper.insert(todo); todoMapper.deleteById(todo.getId()); }); }

5.2 读写分离实现

对于高并发场景，可以采用读写分离架构：

应用服务器 → 业务表主库（写） → 数据同步 → 业务表从库（读）

Spring Boot配置示例：

spring: datasource: write: url: jdbc:mysql://master-db:3306/wf username: user password: pass read: url: jdbc:mysql://slave-db:3306/wf username: user password: pass jpa: properties: hibernate: current_session_context_class: org.springframework.orm.hibernate5.SpringSessionContext

5.3 缓存层优化

对于高频访问的待办数据，引入Redis缓存：

@Service public class TodoCacheService { @Autowired private RedisTemplate<String, Object> redisTemplate; private static final String USER_TODO_KEY = "user:todo:%s"; public List<WfTodo> getUserTodos(String userId) { String cacheKey = String.format(USER_TODO_KEY, userId); // 先查缓存 List<WfTodo> cached = (List<WfTodo>) redisTemplate.opsForValue().get(cacheKey); if (cached != null) { return cached; } // 查数据库 List<WfTodo> dbList = todoMapper.findByAssigneeAndStatus(userId, 0); // 写入缓存 redisTemplate.opsForValue().set(cacheKey, dbList, 5, TimeUnit.MINUTES); return dbList; } @EventListener public void handleTodoChange(TodoChangeEvent event) { // 数据变更时清除缓存 String cacheKey = String.format(USER_TODO_KEY, event.getUserId()); redisTemplate.delete(cacheKey); } }