Activiti、JBPM、Flowable、Bonita 、Airflow等工作流引擎比较_flowable和activiti哪个好

前言

常见开源工作流引擎都具有灵活、易于集成等优点，可以根据实际需求进行选择。需要注意的是，不同的工作流引擎在功能、性能、社区支持等方面存在差异，需要根据实际使用场景进行评估和选择。

1. Activiti：由Alfresco软件公司开发的开源工作流引擎，能够与多种Java框架集成。

2. jBPM：由JBOSS公司开发的一个开源的工作流引擎，使用BPMN2规范作为其建模和执行语言。

3. Flowable：由Activiti项目的核心开发者团队开发的一款轻量级工作流引擎，提供基于Spring Boot的自动配置和嵌入式运行模式。

4. Bonita：一个全功能的开源工作流引擎，旨在提供易于使用的界面、设计工具和从企业级应用到云原生场景的部署方式。

5. Apache Airflow：Apache孵化器中的一款工作流管理工具，通过编写Python脚本来定义、编排和协调大规模数据处理工作流。

各类常用开源工作流简介

Activiti

Activiti是一个开源的BPM（Business Process Management）框架，可以帮助企业实现业务流程的电子化和自动化。以下是Activiti的设计原理及架构解析：

1. 架构

Activiti架构主要分为三部分：引擎、API和公共库。其中，引擎负责执行具体任务，API提供了对外的接口与应用整合，公共库则是在大量重复代码的基础上进行其他模块的扩展。

• 引擎（Engine）：Activiti核心是一个基于Java语言的流程引擎，其负责管理和执行整个流程的过程，并支持将业务数据和任务流程相结合。引擎包含两个核心组件：任务引擎和执行引擎。
• API（Application Programming Interface）：提供REST或Java的方式，通过封装引擎的基础功能，让外部系统可以通过API的方式来使用Activiti工作流功能。
• 公共库（Common Libraries）：主要分为三个方面：工具类库、数据存储接口和其他公共功能。这些共用的库提高了开发效率并保证了Activiti程序的稳定性。

1. 设计原理

Activiti从设计层面遵循以下原则：

• 可移植性（Portability）：Activiti设计时候充分考虑到平台的移植性，尽可能地避免了与底层系统相关的代码。
• 扩展性（Extensibility）：Activiti是一个高可扩展的框架，支持用户自定义任务节点和加入其他第三方组件。
• 易于使用（Ease-of-use）：Activiti通过提供基于BPMN 2.0标准和Web设计器的流程定义、直观的流程图表达、Hibernate/JPA、Spring等框架的支持等，使得用户可以更容易使用工作流引擎。

总体来说，Activiti是一个基于流程引擎和BPMN 2.0标准的开源BPM框架。其核心设计原则是可移植性、扩展性和易用性这三个方面，Activiti引擎可以作为独立的流程引擎使用，也可以集成进各种Java应用程序中使用。以上是Activiti的设计原理及架构的概述，更详细的内容可以参考其官方文档。

jBPM

jBPM（Java Business Process Model and Notation）是一个开源的业务流程管理系统，它基于Java语言编写，并遵循了一些设计原则和架构模式。以下是jBPM的主要设计原理及架构解析：

       1.架构

jBPM的架构主要分为三层：模型层、服务层和应用程序层。以下是jBPM的具体架构：

• 模型层：负责存储流程定义和流程实例相关数据，并提供处理数据所需的API接口。
• 服务层：提供业务流程执行的核心服务，包括任务分配和处理、流程控制和状态管理等。
• 应用程序层：提供了在浏览器中运行的Web界面，帮助用户创建、部署和监视业务流程。应用程序层还提供了Java API，支持通过编程方式访问jBPM服务。

     2.设计原理

• 基于标准：jBPM采用BPMN 2.0标准作为业务流程建模语言，以确保可以被广泛认可并方便集成。
• 可扩展性：jBPM可以使用自定义的Java类和JavaScript脚本添加新功能，同时支持各种数据库引擎和操作系统平台。
• 易用性：jBPM提供易于使用的图形化编辑器和用户界面，可帮助用户快速创建、部署和管理业务流程。

在架构上，jBPM将业务流程分解为任务和节点，并使用模型层来存储相关的数据。服务层是执行引擎，控制任务之间的依赖关系，并管理流程实例状态。应用程序层则为用户提供运行、监控和扩展jBPM的界面。

总的来说，jBPM 采取了一些可扩展性好、基于标准的设计原则，在架构上实现了任务与节点分离，便于定制化与扩展。 jBPM的应用程序层给予了人类操作者非常直观的界面，在任务的处理上可以更加自由灵活的在处理任务过程中掌控全局。

Flowable

Flowable是一个基于Java的开源BPM框架，它主要基于Activiti中的一些组件，并在此基础上进行了扩展和升级。以下是Flowable的设计原理及架构解析：

1. 架构

Flowable架构主要分为四部分：工作流引擎、应用程序接口（API）、模型器和任务表单设计器。

• 工作流引擎：Flowable的核心组件，包括运行时引擎和执行引擎。它管理整个流程的生命周期，监控、控制任务的执行以及记录流程实例的状态等信息。
• 应用程序接口（API）：根据RESTful风格，提供给外部系统访问Flowable引擎的接口，可以通过编写调用API的客户端程序来使用Flowable引擎服务。
• 模型器：用于创建和修改流程定义文件，支持基于Web的图形化编辑器。
• 任务表单设计器：用于创建和修改任务表单，支持基于Web的表单设计器。

1. 设计原理

Flowable从设计层面遵循以下原则：

• 可扩展性（Extensibility）：Flowable允许用户对平台进行扩展，可以使用自定义的Java类和JavaScript脚本添加新功能。
• 易用性（Usability）：Flowable提供易于使用的编排和操作工具，用户可以快速创建、部署和管理业务流程。
• 平台独立性（Platform In-dependency）：Flowable在设计时避免了与底层系统相关的代码，从而实现平台独立性。

总体来说，Flowable是一个基于Java语言、可扩展的BPM框架。其核心设计原则是可扩展性、易用性和平台独立性这三个方面。用户可以使用Flowable提供的工具，轻松构建、操作并监视高效的工作流程。以上是Flowable的设计原理及架构的概述，更详细的内容可以参考其官方文档。

Bonita

Bonita是一个开源的BPM（Business Process Management）软件，它借助一系列设计原理和架构模式来实现高效的业务流程管理。以下是Bonita的设计原理及架构解析：

1. 设计原理

• 可扩展性（Extensibility）：Bonita提供了丰富的API和插件，可以方便地扩展和定制化。
• 易用性（Usability）：Bonita提供易于使用的用户界面和图形化编辑器，以简化流程定义和部署。
• 开放性（Openness）：Bonita支持多种技术和标准，包括Restful API、JSP和BPMN 2.0，便于与其他应用程序集成。

1. 架构

Bonita的架构主要分为五层：服务、数据访问、操作系统、数据库和UI。以下是Bonita的具体架构：

• 服务层：提供核心的BPM引擎，包括任务调度、监控、状态管理等功能。
• 数据访问层：负责与数据库交互，处理流程定义、实例、任务等数据，并提供必要的API接口。
• 操作系统层：提供底层的操作系统支持，包括文件系统、网络协议和安全性等。
• 数据库层：用于存储流程定义和实例相关的数据，Bonita支持多种类型的数据库，如MySQL、PostgreSQL等。
• 用户界面层：用于与用户交互，包括基于Web的流程设计器和流程实例监控器。

在架构上，Bonita将业务流程定义分解为多个任务和节点，并使用数据访问层和数据库层来存储相关的数据。服务层通过调度和管理这些任务和节点来控制流程的执行。用户界面层则为用户提供创建、部署和监视业务流程的图形化界面。

总的来说，Bonita采取了一些可扩展性好、易用性高、开放性强的设计原则，在架构上实现了任务与节点分离，便于定制化与扩展。 Bonita的应用程序层给予了人类操作者非常直观的界面，在任务的处理上可以更加自由灵活的在处理任务过程中掌控全局。

Airflow

Airflow是一款用于编排、调度和监控数据处理流程的开源平台，以下是其设计原理及架构解析：

1. 架构

Airflow采用了基于web的可视化DAG（有向无环图）编辑器，以及将任务抽象成操作符的方式来实现工作流程的定义，调度和监控。核心架构如下：

• Scheduler：负责在指定时间内执行DAG，并将任务分配到可用的worker上
• Worker：接收并执行任务，向父进程报告任务状态和结果
• Executor：负责在Scheduler和Worker之间协调和传递消息
• Metadata Database：保存DAG、task和运行状态等元数据信息
• Web UI：提供交互式的用户界面，用于运行任务、监控DAG执行情况以及查看历史运行记录

1. 设计原理

从设计层面来讲，Airflow遵循以下原则：

• 前瞻性的调度（Look-ahead scheduling）：Airflow根据当前时间点和DAG的依赖关系，预测出未来要执行的任务，并将它们放入队列中
• 可扩展性（Scalable）：Airflow支持水平和垂直扩展来适应大量任务和更高的性能要求
• 易于部署和管理（Easy Deployment and Management）：Airflow以Docker容器的方式打包，易于部署到云、本地或者混合环境中，并提供了方便的命令行工具和API用于管理DAG，任务和运行信息

总体来说，Airflow设计上的关键是面向任务的抽象和可视化，同时也很好地解决了调度、监控和报告等问题。以上是Airflow的设计原理及架构的概述，详细内容可以参考Airflow官方文档。
 

各开源引擎的优势、劣势和适用场景

Activiti、jBPM、Flowable、Bonita和Airflow都是非常流行的工作流引擎，每个引擎都有自己的优势、劣势和适用场景。

1. Activiti:

Activiti是一个轻量级的工作流引擎，它是基于Java语言开发的，并支持BPMN 2.0标准。Activiti具有以下优势：

• 易于使用和集成：Activiti具有简单易用的API和良好的文档说明，可以快速地进行开发和集成。
• 轻量级：Activiti是一个轻量级的工作流引擎，它的运行需要的资源较少，适合部署在小型服务器上。
• 开源免费：Activiti是一个开源的工作流引擎，不需要额外的授权费用。

Activiti的劣势主要有：

• 社区活跃度相对较低，更新迭代不够频繁。
• 功能相对较少，不适用于复杂的业务流程。

Activiti适用的场景包括：

• 中小型企业或项目，因为Activiti轻量级、易于使用和集成；
• 简单的业务流程，因为Activiti的功能相对较少，无法处理复杂的业务流程。

1. jBPM:

jBPM是一款开源的工作流引擎，它基于Java语言开发，并支持BPMN 2.0标准。jBPM的优势如下：

• 功能强大：jBPM具有非常强大的功能，可以应对复杂的业务流程。
• 可扩展性：jBPM可以通过API或插件进行扩展，可以满足不同的业务需求。
• 支持多种数据库：jBPM支持多种主流的关系型数据库。

jBPM的劣势主要有：

• 学习曲线较陡峭：jBPM的学习曲线相对来说比较陡峭，需要花费一定的时间和精力。
• 配置较为繁琐：jBPM的配置需要投入很大的精力和时间，并且错误率比较高。

jBPM适用的场景包括：

• 复杂的业务流程，因为jBPM功能强大；
• 高并发的系统，因为jBPM具有良好的可扩展性。

1. Flowable:

Flowable是一个轻量级的工作流引擎，它是基于Java语言开发的，并支持BPMN 2.0标准。Flowable的优势如下：

• 易于使用和集成：Flowable具有简单易用的API和良好的文档说明，可以快速地进行开发和集成。
• 轻量级：Flowable是一个轻量级的工作流引擎，它的运行需要的资源较少，适合部署在小型服务器上。
• 支持多种数据库：Flowable支持多种主流的关系型数据库。

Flowable的劣势主要有：

• 功能相对较少，不适用于复杂的业务流程；
• 社区活跃度相对较低，更新迭代不够频繁。

Flowable适用的场景包括：

• 中小型企业或项目，因为Flowable轻量级、易于使用和集成；
• 简单的业务流程，因为Flowable的功能相对较少，无法处理复杂的业务流程。

1. Bonita:

Bonita是一款开源的工作流引擎，它是基于Java语言开发的，并支持BPMN 2.0标准。Bonita的优势如下：

• 工作流设计器：Bonita具有一个可视化的工作流设计器，可以用于设计和构建业务流程。
• 支持多种数据库：Bonita支持多种主流的关系型数据库。
• 大量的插件：Bonita提供了大量的插件，可以满足不同的业务需求。

Bonita的劣势主要有：

• 学习曲线较陡峭：Bonita的学习曲线相对来说比较陡峭，需要花费一定的时间和精力。
• 配置较为繁琐：Bonita的配置需要投入很大的精力和时间，并且错误率比较高。

Bonita适用的场景包括：

• 中小型企业或项目，因为Bonita易于使用和集成；
• 需要可视化工作流设计器的场景，因为Bonita提供了非常好用的设计器。

1. Airflow:

Airflow是一个由Apache软件基金会推出的开源工作流引擎，它被广泛应用于数据处理和ETL(Extract, Transform, Load)过程中。Airflow的优势如下：

• 可编程性强：Airflow使用Python作为编程语言，可以快速地编写自动化脚本，并与其他Python库进行集成。
• 可扩展性强：Airflow可以通过自定义的插件来扩展它的功能。
• 支持多种数据库：Airflow支持多种主流的关系型数据库。

Airflow的劣势主要有：

• 对于非技术人员来说，学习曲线较陡峭；
• 在处理流程中，不太适合长时间运行的任务。

Airflow适用的场景包括：

• 数据处理和ETL过程，因为Airflow具有很好的可编程性和可扩展性；
• 监控和自动化任务调度领域，因为Airflow提供了丰富的监控和管理功能。