005. kogito建模-事件

1. 引子

其实一直在考虑我要不要再重复写流程引擎建模的部分,毕竟网上,书上,视频上,都已经有很多教程了。不过,想了一想,我是工作流引擎小白啊,我写博客这些的目的是自己的学习记录,为啥不能写。

大部分的bpmn建模讲解,其实都依靠着一个特定的工作流引擎来运行,比如JBPM, activiti, flowable,虽然都是支持BPMN2.0,但就kogito来说,并不全完支持的BPMN2.0建模标记,所以,今天这篇博文内容,多源于官方文档。

2. 事件模型
2.1. 起点事件(Starts)

起点,又称为起点事件(Start Event),就是一个触发的机制。

起点类型主流程子流程说明
普通起点在这里插入图片描述不支持一个主流程或子流程最多有且仅有一个普通起点
消息起点在这里插入图片描述在这里插入图片描述一个流程可以有多个消息起点
计时器起点在这里插入图片描述在这里插入图片描述一个流程可以有多个计时器起点
信号起点在这里插入图片描述在这里插入图片描述一个流程可以有多个信号起点
  • 普通起点:官方命名为NoneStart,是一个流程的默认起点,前面几个接触的列子都是这个类型,表现为以Process ID为请求的URL,通过POST传入参数,该流程即触发。正因为是一个流程的默认触发点,所以一个流程或子流程,只能拥有一个该类型的起点。
  • 消息起点:官司方命名为MessageStart,通过消息触发该起点,接收到特定的消息(事件发生),即触发该流程起点,流程初始化,开始执行。由于一个消息可能被多个消息起点监听,因此,一个消息事件是可能触发多个起点,并且起动多个流程的。
  • 计时器起点:TimerStart,在启动这个流程的时候,会先启动一个计时器,计时器结束时,流程才正式开始执行。
  • 信号起点:SignalStart,以一个信号代码触发该标记,监听到该信号时,流程开始执行。
2.2. 中间事件(IntermediateEvent)
  1. BPMN intermediate events drive the flow of a business process.
  2. You can add these events between start and end events or as a catch event on the boundary of an activity, such as a subprocess or a user task. You can configure boundary catch events as interrupting or non-interrupting events. An interrupting boundary catch event cancels the bound activity whereas a non-interrupting event does not.
    以上内容来自官网,对于中间事件是一个比较好的概括
    From official document.
  • 重要性:中间事件是驱动流程进程的核心。

  • 用法:

    • 独立使用
    • 附在子流程,或是用户任务上,这有分两种情况
      • 中止原流程的执行,中间事件被触发
      • 原流程继续执行,中间事件被解发
  • kogito对于中间事件的支持情况。
    在这里插入图片描述

  • Catching,作为信号的接收方,收到信号即被触发激活

  • Throwing,作为信号生成方,抛出一个信号

2.3. 结束事件(EndEvent)

五种结束类型

  • 正常结束
  • 结束时,发出消息
  • 结束时,抛一个错误
  • 中止结束
  • 补偿结束
3. 结尾

太晚了,中间线上系统报错去搞了搞,后面就不想写的太仔细了,具体的事件,还是要在流程中使用才可以理解。先这么着吧!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1. ARIMA 2. SARIMA 3. VAR 4. Auto-ARIMA 5. Auto-SARIMA 6. LSTM 7. GRU 8. RNN 9. CNN 10. MLP 11. DNN 12. MLP-LSTM 13. MLP-GRU 14. MLP-RNN 15. MLP-CNN 16. LSTM-ARIMA 17. LSTM-MLP 18. LSTM-CNN 19. GRU-ARIMA 20. GRU-MLP 21. GRU-CNN 22. RNN-ARIMA 23. RNN-MLP 24. RNN-CNN 25. CNN-ARIMA 26. CNN-MLP 27. CNN-LSTM 28. CNN-GRU 29. ARIMA-SVM 30. SARIMA-SVM 31. VAR-SVM 32. Auto-ARIMA-SVM 33. Auto-SARIMA-SVM 34. LSTM-SVM 35. GRU-SVM 36. RNN-SVM 37. CNN-SVM 38. MLP-SVM 39. LSTM-ARIMA-SVM 40. LSTM-MLP-SVM 41. LSTM-CNN-SVM 42. GRU-ARIMA-SVM 43. GRU-MLP-SVM 44. GRU-CNN-SVM 45. RNN-ARIMA-SVM 46. RNN-MLP-SVM 47. RNN-CNN-SVM 48. CNN-ARIMA-SVM 49. CNN-MLP-SVM 50. CNN-LSTM-SVM 51. CNN-GRU-SVM 52. ARIMA-RF 53. SARIMA-RF 54. VAR-RF 55. Auto-ARIMA-RF 56. Auto-SARIMA-RF 57. LSTM-RF 58. GRU-RF 59. RNN-RF 60. CNN-RF 61. MLP-RF 62. LSTM-ARIMA-RF 63. LSTM-MLP-RF 64. LSTM-CNN-RF 65. GRU-ARIMA-RF 66. GRU-MLP-RF 67. GRU-CNN-RF 68. RNN-ARIMA-RF 69. RNN-MLP-RF 70. RNN-CNN-RF 71. CNN-ARIMA-RF 72. CNN-MLP-RF 73. CNN-LSTM-RF 74. CNN-GRU-RF 75. ARIMA-XGBoost 76. SARIMA-XGBoost 77. VAR-XGBoost 78. Auto-ARIMA-XGBoost 79. Auto-SARIMA-XGBoost 80. LSTM-XGBoost 81. GRU-XGBoost 82. RNN-XGBoost 83. CNN-XGBoost 84. MLP-XGBoost 85. LSTM-ARIMA-XGBoost 86. LSTM-MLP-XGBoost 87. LSTM-CNN-XGBoost 88. GRU-ARIMA-XGBoost 89. GRU-MLP-XGBoost 90. GRU-CNN-XGBoost 91. RNN-ARIMA-XGBoost 92. RNN-MLP-XGBoost 93. RNN-CNN-XGBoost 94. CNN-ARIMA-XGBoost 95. CNN-MLP-XGBoost 96. CNN-LSTM-XGBoost 97. CNN-GRU-XGBoost 98. ARIMA-ANN 99. SARIMA-ANN 100. VAR-ANN 上面这些缩写模型的全称及相关用途功能详细解释
07-15
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值