Camunda продолжает делиться возможностями использования платформы со своими читателями. На этот раз в их блоге появился материал на тему настроек Telegram-канала с помощью Camunda Cloud. Автор блога рассказывает о том, как ему пришла мысль создать собственный Telegram канал и почему он выбрал для этого именно Camunda Cloud. Он также проводит нас через этот процесс, описывая каждую его деталь и предоставляя возможность повторить шаги собственноручно.
Camunda Cloud – это автоматизация процессов с горизонтально масштабируемым механизмом рабочего процесса BPMN, со встроенными инструментами для совместного моделирования, осуществления операций и аналитики.
Автор рассматривает автоматизацию с помощью Camunda Cloud на примере созданного Telegram-канала с обновляемой аналитикой о состоянии немецкого общества в условиях пандемии.
Как происходит создание модели в Camunda Cloud? Сначала процесс запускается каждый день. Чтобы получить текущую цифру больных Covid, система обращается к уже созданному кем-то API. Оттуда система получает все количество новых случаев заболевания короновирусом, смертей и выздоровлений, анализирует их и формирует советы на основе этой информации.
В Германии следят за осведомленностью общества и стараются подавать информацию разумно – не создавая паники и помогая людям адаптироваться к новым условиям. Обычно люди проверяют предоставленные им факты, поэтому Camunda Cloud очень импонирует тем, что через модель BPMN можно посмотреть первоисточник направленной в Telegram-канал информации.
Прежде чем развернуть модель в облаке, нужно установить необходимые технические атрибуты. Элементы BPMN должны быть такими же, как и для платформы Camunda, но их конфигурация все же несколько отличается, поскольку Camunda Cloud использует Zeebe, как механизм рабочего процесса. Если взглянуть на архитектуру, каждый двигатель построен совершенно по-разному. Здесь автор вспоминает о различиях с точки зрения пользователей:
Для четкой последовательности после шлюза XOR нам нужно предоставить выражения. Механизм Camunda BPM использует унифицированную язык выражение (UEL). Zeebe использует язык выражения для друзей (FEEL). С помощью FEEL можно легко получить доступ к JSON. Это достаточно мощный инструмент, если дело касается вычислений и более сложных выражений. Для платформы Camunda вы можете включить библиотеку SPIN, которая предлагает легкий доступ к переменным JSON и XML.
В отличие от платформы Camunda, Zeebe не поддерживает CRON для установки таймера. Если вы хотите начинать свой процесс в конкретно определенное время, нужно установить отдельный таймер на R / PT24H, разворачивая процесс до установленного времени. Чтобы не делать этого вручную следует рассмотреть решение для расчета продолжительности развертывания с помощью FEEL.
Способ реализации сервисных задач – Workers, так как мы имеем полностью автономный движок в Camunda Cloud. Здесь необходимо установить тип.
Подобно внешним задачам, мы можем выбирать из различных языков кодирования для реализации workers. Для этого рабочего цикла я использовал два Java и два workers Javascript. Внедрение workers было простым и учебные пособия дают хорошую исходную точку.
Существует несколько способов развернуть модель процесса на Camunda Cloud. Можно использовать программу Zeebe Modeler. Для этого нужно подключить ее к кластеру. В противном случае вы можете создать собственную точку доступа для подключения и развертывания модели в кластере. Если вы хотите попробовать что-то быстро, облачная консоль предлагает Modeler, и вы можете развернуть его непосредственно оттуда.
Больше о Camunda Cloud читайте на сайте вендора.