ACT_RU_TASK 和ACT_HI_TASKINST 这两个表的区别

时间: 2023-08-05 12:09:25 浏览: 86
`ACT_RU_TASK` 和 `ACT_HI_TASKINST` 是 Flowable 流程引擎中的两个表,它们分别用于存储运行时任务和历史任务实例的信息。它们的区别如下: 1. ACT_RU_TASK(Runtime Task)表: - 该表用于存储当前正在运行的任务实例的信息。 - 只包含当前活动的任务信息,即尚未完成或尚未被取消、删除的任务。 - 当任务被完成、取消或删除时,相应的记录会从 `ACT_RU_TASK` 表中删除。 2. ACT_HI_TASKINST(Historic Task Instance)表: - 该表用于存储历史任务实例的信息,即已经完成的任务实例。 - 包含所有已完成、已取消或已删除的任务信息,以及与这些任务相关的详细历史数据。 - 记录在 `ACT_HI_TASKINST` 表中的数据是不可更改的,因为它们代表了过去的任务状态。 要注意的是,`ACT_RU_TASK` 表和 `ACT_HI_TASKINST` 表之间存在着一对一的关系。当任务从 `ACT_RU_TASK` 表中完成、取消或删除时,相应的记录会被移动到 `ACT_HI_TASKINST` 表中,以保留任务的历史记录。 这两个表的设计是为了支持流程引擎的运行和历史数据的追溯。`ACT_RU_TASK` 表用于处理当前运行中的任务,而 `ACT_HI_TASKINST` 表用于存储已完成的任务的历史信息。 希望这个解答对你有所帮助!如有更多问题,请随时提问。
相关问题

explain select count(0) from ( select distinct RES.ID_, RES.NAME_, ART.ASSIGNEE_, A0.TEXT_ as 'status', RES.START_TIME_, RES.END_TIME_, RES.BUSINESS_KEY_ from ACT_HI_PROCINST RES left outer join ACT_RE_PROCDEF DEF on RES.PROC_DEF_ID_ = DEF.ID_ inner join ACT_HI_VARINST A0 on RES.PROC_INST_ID_ = A0.PROC_INST_ID_ and a0.TASK_ID_ is null and A0.NAME_ = '@global_process_status' and A0.VAR_TYPE_ = 'integer' inner join ACT_HI_VARINST A1 on RES.PROC_INST_ID_ = A0.PROC_INST_ID_ and a0.TASK_ID_ is null and A1.NAME_ = '@process_form_structure' and A1.VAR_TYPE_ = 'string' left join ACT_RU_TASK ART on RES.ID_ = art.PROC_INST_ID_ where (exists ( select LINK.USER_ID_ from ACT_HI_IDENTITYLINK LINK where USER_ID_ in ("1") and LINK.PROC_INST_ID_ = RES.ID_))) table_count 怎么加索引生效

在这个查询中,需要对以下表的列添加索引: - ACT_HI_PROCINST:ID_, START_TIME_, END_TIME_, PROC_DEF_ID_ - ACT_HI_VARINST:PROC_INST_ID_, NAME_, TASK_ID_, VAR_TYPE_ - ACT_RU_TASK:PROC_INST_ID_, ASSIGNEE_ 你可以使用以下命令添加索引: ```sql CREATE INDEX idx_act_hi_procinst_id ON ACT_HI_PROCINST (ID_); CREATE INDEX idx_act_hi_procinst_start_time ON ACT_HI_PROCINST (START_TIME_); CREATE INDEX idx_act_hi_procinst_end_time ON ACT_HI_PROCINST (END_TIME_); CREATE INDEX idx_act_hi_procinst_proc_def_id ON ACT_HI_PROCINST (PROC_DEF_ID_); CREATE INDEX idx_act_hi_varinst_proc_inst_id ON ACT_HI_VARINST (PROC_INST_ID_); CREATE INDEX idx_act_hi_varinst_name ON ACT_HI_VARINST (NAME_); CREATE INDEX idx_act_hi_varinst_task_id ON ACT_HI_VARINST (TASK_ID_); CREATE INDEX idx_act_hi_varinst_var_type ON ACT_HI_VARINST (VAR_TYPE_); CREATE INDEX idx_act_ru_task_proc_inst_id ON ACT_RU_TASK (PROC_INST_ID_); CREATE INDEX idx_act_ru_task_assignee ON ACT_RU_TASK (ASSIGNEE_); ``` 注意,添加索引可能会影响数据库的性能和空间消耗,因此需要根据具体情况进行权衡和测试。

explain select count(0) from ( select distinct RES.ID_, RES.NAME_, ART.ASSIGNEE_, A0.TEXT_ as 'status', RES.START_TIME_, RES.END_TIME_, RES.BUSINESS_KEY_ from ACT_HI_PROCINST RES left outer join ACT_RE_PROCDEF DEF on RES.PROC_DEF_ID_ = DEF.ID_ inner join ACT_HI_VARINST A0 on RES.PROC_INST_ID_ = A0.PROC_INST_ID_ and a0.TASK_ID_ is null and A0.NAME_ = '@global_process_status' and A0.VAR_TYPE_ = 'integer' inner join ACT_HI_VARINST A1 on RES.PROC_INST_ID_ = A0.PROC_INST_ID_ and a0.TASK_ID_ is null and A1.NAME_ = '@process_form_structure' and A1.VAR_TYPE_ = 'string' left join ACT_RU_TASK ART on RES.ID_ = art.PROC_INST_ID_ where (exists ( select LINK.USER_ID_ from ACT_HI_IDENTITYLINK LINK where USER_ID_ in ("1") and LINK.PROC_INST_ID_ = RES.ID_))) table_count 怎么加索引

首先需要确认哪些列在查询中使用频繁,可以使用 EXPLAIN 分析查询语句,找到慢查询的具体原因。 在这个查询中,以下列被使用了: - ACT_HI_PROCINST.START_TIME_ - ACT_HI_PROCINST.END_TIME_ - ACT_HI_PROCINST.BUSINESS_KEY_ - ACT_RU_TASK.ASSIGNEE_ 因此,可以考虑在这些列上创建索引来优化查询性能。具体如下: ``` CREATE INDEX idx_act_hi_procinst_start_end_time ON ACT_HI_PROCINST (START_TIME_, END_TIME_); CREATE INDEX idx_act_hi_procinst_business_key ON ACT_HI_PROCINST (BUSINESS_KEY_); CREATE INDEX idx_act_ru_task_assignee ON ACT_RU_TASK (ASSIGNEE_); ``` 注意,索引并不是万能的,需要根据实际情况进行优化和调整。

相关推荐

最新推荐

recommend-type

Activiti5 jbpm 工作流 数据库 表结构.docx

1.2.10 表名:ACT_HI_TASKINST(历史任务流程实例信息)核心表 9 1.2.11 表名:ACT_HI_VARINST(历史变量信息) 9 1.2.12 表名:ACT_ID_GROUP(用户组表) 10 1.2.13 表名:ACT_ID_INFO (用户扩展信息表) 10 1.2.14 ...
recommend-type

pre_o_1csdn63m9a1bs0e1rr51niuu33e.a

pre_o_1csdn63m9a1bs0e1rr51niuu33e.a
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

2. 通过python绘制y=e-xsin(2πx)图像

可以使用matplotlib库来绘制这个函数的图像。以下是一段示例代码: ```python import numpy as np import matplotlib.pyplot as plt def func(x): return np.exp(-x) * np.sin(2 * np.pi * x) x = np.linspace(0, 5, 500) y = func(x) plt.plot(x, y) plt.xlabel('x') plt.ylabel('y') plt.title('y = e^{-x} sin(2πx)') plt.show() ``` 运行这段
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

导入numpy库,创建两个包含9个随机数的3*3的矩阵,将两个矩阵分别打印出来,计算两个数组的点积并打印出来。(random.randn()、dot()函数)

可以的,以下是代码实现: ```python import numpy as np # 创建两个包含9个随机数的3*3的矩阵 matrix1 = np.random.randn(3, 3) matrix2 = np.random.randn(3, 3) # 打印两个矩阵 print("Matrix 1:\n", matrix1) print("Matrix 2:\n", matrix2) # 计算两个数组的点积并打印出来 dot_product = np.dot(matrix1, matrix2) print("Dot product:\n", dot_product) ``` 希望