Workflows
- Cloud Scheduler crée chaque nuit une exécution du workflow, avec ses arguments d'entrée.
- La première étape appelle Document AI par son connecteur, qui attend seul la fin de l'opération longue.
- L'étape suivante passe le résultat à un service Cloud Run, authentifiée par un jeton d'identité.
- Une étape d'écriture insère les lignes produites dans BigQuery, là encore par connecteur.
- Un appel HTTP vers une API partenaire compte comme étape externe ; la réponse est rangée dans une variable.
Ce que c'est
Orchestrateur sans serveur : un workflow décrit en YAML ou JSON une suite d'étapes qui appellent des services et enchaînent leurs résultats. Il n'y a ni code ni dépendance à maintenir, donc rien à corriger en sécurité ; une exécution qui n'a pas lieu ne coûte rien.
- Définition et exécution. On écrit la définition, on la déploie, puis on crée des exécutions indépendantes les unes des autres. Une exécution se lance depuis la console,
gcloud, les bibliothèques clientes, une requête HTTP sur l'URL d'invocation, Cloud Scheduler ou un déclencheur Eventarc. Le workflow est une ressource régionale et s'exécute dans sa région. - Structure. Étapes séquentielles par défaut, blocs
switchpour les conditions, bouclesfor, sous-workflows qui jouent le rôle de fonctions, et étapes parallèles — jusqu'à 10 branches, 2 niveaux d'imbrication et 20 branches ou itérations simultanées. Les erreurs se traitent partry/retry, avec des politiques de réessai prédéfinies ou une fonction de délai maison. - Appels. Une étape peut émettre une requête HTTP ou HTTPS vers n'importe quelle API, avec authentification OAuth 2.0 ou OIDC gérée par le service. Les connecteurs encapsulent les APIs Google Cloud : ils construisent la requête, gèrent la pagination et, pour les opérations longues, font l'attente active à la place du workflow. Un point d'entrée privé s'atteint par le registre de Service Directory, et un point protégé par Identity-Aware Proxy est également accessible.
- Attente. Un workflow peut dormir, sonder une ressource ou attendre un rappel (callback) : il publie une URL, suspend l'exécution et reprend quand quelqu'un l'appelle — le mécanisme des validations humaines. La durée maximale d'une exécution est d'un an.
- Limites. Définition de 128 Kio, 100 000 étapes par exécution, 512 Kio cumulés pour les variables, les arguments et l'événement déclencheur, 2 Mio pour une réponse HTTP, 10 000 exécutions simultanées par région avec mise en file d'attente au-delà, historique conservé 90 jours.
- Facturation au nombre d'étapes exécutées, réessais compris. Une étape interne reste dans Google Cloud (appel à
*.googleapis.com, à un servicerun.app, affectation de variable, évaluation de condition, appel de connecteur) : 5 000 gratuites par mois, puis 0,01 $ par tranche de 1 000. Une étape externe sort de Google Cloud ou attend un rappel : 2 000 gratuites, puis 0,025 $ par tranche de 1 000.
Un service Cloud Run atteint par son domaine personnalisé compte comme étape externe, deux fois et demie plus chère qu'un appel à la même révision par son URL
run.app.
À quoi ça sert
- Enchaîner plusieurs APIs dans un ordre explicite, en rendant les dépendances visibles au lieu de les cacher dans des services qui s'appellent entre eux.
- Automatiser des traitements par lots planifiés : préparer puis lancer un job BigQuery, produire un rapport, purger des ressources en fin de journée.
- Coder un processus métier qui dure — commande à honorer, demande à approuver — grâce aux rappels et à l'attente sur un an.
- Piloter des opérations d'infrastructure : créer un projet locataire, démarrer et arrêter des environnements sur événement.
- Servir de destination à un déclencheur Eventarc quand la réaction à un événement demande plusieurs appels.
À éviter pour la logique elle-même : la syntaxe n'est pas un langage de programmation, et un calcul, une transformation de données ou une règle métier un peu dense s'écrivent mieux dans un service Cloud Run que le workflow appelle. À éviter aussi pour un pipeline de données volumineux — Dataflow ou un DAG Airflow sont taillés pour ça — et pour un simple travail différé sans enchaînement, où Cloud Tasks suffit.
Dans la console


Alternatives en logiciel libre
- Temporal (MIT) : moteur de workflows durables où le processus s'écrit dans un vrai langage, avec reprise sur panne, réessais et signaux ; l'équivalent le plus puissant, au prix d'un serveur à exploiter.
- Argo Workflows (Apache 2.0) : enchaînements d'étapes en conteneurs sur Kubernetes, avec DAG, parallélisme et reprise.
- Apache Airflow (Apache 2.0) : orchestration par DAG planifiés, plus orientée données que services, avec un large catalogue d'opérateurs.
- Conductor OSS (Apache 2.0) : orchestration de microservices par définitions JSON, très proche du modèle « étapes qui appellent des APIs ».
- SonataFlow (Apache 2.0) : implémentation de la spécification CNCF Serverless Workflow, dont la description déclarative ressemble beaucoup à celle de Workflows.
- Apache Camel (Apache 2.0) : routes d'intégration entre systèmes, pour les enchaînements qui tiennent surtout de la médiation.