AWS Step Functions Python SDK 示例解析与实战指南-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00003/article/details/148439805

AWS Step Functions Python SDK 示例解析与实战指南

aws-doc-sdk-examples Welcome to the AWS Code Examples Repository. This repo contains code examples used in the AWS documentation, AWS SDK Developer Guides, and more. For more information, see the Readme.md file below. 项目地址: https://gitcode.com/gh_mirrors/aw/aws-doc-sdk-examples

概述

AWS Step Functions 是一项强大的工作流编排服务，它允许开发者将分布式应用的各个组件以可视化工作流的形式进行协调。本文将通过 Python SDK (Boto3) 的示例代码，深入讲解如何使用 Step Functions 服务。

核心概念

在开始之前，我们需要理解几个关键概念：

状态机(State Machine)：工作流的定义，由一系列状态(State)组成
活动(Activity)：工作流中可以执行自定义业务逻辑的步骤
执行(Execution)：状态机的一次具体运行实例

环境准备

在运行示例代码前，需要完成以下准备工作：

确保已安装 Python 3.6 或更高版本
创建并激活 Python 虚拟环境

安装依赖包：

python -m pip install -r requirements.txt

基础操作示例

1. 列出状态机

最简单的入门操作是列出账户中已有的状态机：

import boto3

def list_state_machines():
    client = boto3.client('stepfunctions')
    response = client.list_state_machines()
    return response['stateMachines']

2. 创建状态机

创建状态机需要提供状态机的定义（使用 Amazon States Language）：

def create_state_machine(name, definition, role_arn):
    client = boto3.client('stepfunctions')
    response = client.create_state_machine(
        name=name,
        definition=definition,
        roleArn=role_arn
    )
    return response['stateMachineArn']

3. 启动执行

创建状态机后，可以启动执行：

def start_execution(state_machine_arn, input_data):
    client = boto3.client('stepfunctions')
    response = client.start_execution(
        stateMachineArn=state_machine_arn,
        input=input_data
    )
    return response['executionArn']

实战场景：构建完整工作流

下面我们通过一个完整示例展示如何：

创建活动(Activity)
创建包含该活动的状态机
运行状态机并处理活动任务
获取最终执行结果
清理资源

1. 定义状态机

首先需要定义状态机的 JSON 结构：

{
  "Comment": "示例工作流",
  "StartAt": "FirstState",
  "States": {
    "FirstState": {
      "Type": "Task",
      "Resource": "arn:aws:states:us-east-1:123456789012:activity:my-activity",
      "End": true
    }
  }
}

2. 创建活动

def create_activity(name):
    client = boto3.client('stepfunctions')
    response = client.create_activity(name=name)
    return response['activityArn']

3. 处理活动任务

工作流运行时，需要处理活动任务：

def get_activity_task(activity_arn):
    client = boto3.client('stepfunctions')
    response = client.get_activity_task(
        activityArn=activity_arn,
        workerName='my-worker'
    )
    return response

4. 发送任务成功响应

处理完任务后，需要发送成功响应：

def send_task_success(task_token, output):
    client = boto3.client('stepfunctions')
    response = client.send_task_success(
        taskToken=task_token,
        output=output
    )
    return response