Temporal
Plattform für dauerhafte Ausführung, mit der Entwickler zuverlässige, lang laufende Workflows als gewöhnlichen Code schreiben – Wiederholungsversuche, Zustand und Fehlerbehebung werden automatisch gehandhabt.
Überblick
Temporal ist eine Plattform für dauerhafte Ausführung zum Bau von Anwendungen, die mehrstufige Prozesse zuverlässig koordinieren müssen – Auftragsabwicklung, Provisionierungs-Pipelines, Freigabeprozesse oder jeder Workflow, der sich über Sekunden, Tage oder Monate erstreckt. Entwickler schreiben Workflows als gewöhnliche Funktionen in Go, Java, Python, TypeScript oder .NET; der Temporal-Server zeichnet jeden Schritt als Event-Historie auf und wiederholt fehlgeschlagene Activities automatisch, sodass ein Absturz, ein Deployment oder eine Netzwerkstörung keinen Fortschritt verliert und keine handgeschriebene Retry-Logik erfordert.
Da der Workflow-Zustand in Temporals Event-Historie lebt statt im Anwendungsspeicher oder einer vom Team selbst gepflegten Datenbank, kann ein Workflow monatelang sicher laufen, Worker-Neustarts überstehen und zur Fehlersuche untersucht oder wiedergegeben werden – ursprünglich als Fork von Ubers Cadence entstanden, hat es sich zu einer weit verbreiteten Engine für dieses Muster entwickelt.
Temporal eignet sich für Backend-Teams, die immer wieder Retry-Logik, verteilte Locks oder Cron-plus-Datenbank-Flags neu erfinden, um mehrstufige Prozesse zuverlässig zu koordinieren, und ihnen stattdessen eine dedizierte Runtime für dauerhafte Ausführung gibt – ein anderes Werkzeug als n8n (ebenfalls in diesem Katalog), das auf Low-Code-, UI-first-Automatisierung statt code-first Workflow-Engineering zielt.
- Kategorien
- Automatisierung
- Sprachen
- Go
- Lizenz
- MIT
Ähnliche Projekte
Argo Workflows
Apache-2.0Kubernetes-natives Workflow-Engine, die jeden Schritt einer Pipeline als Container ausführt und parallele Jobs sowie mehrstufige DAGs direkt auf einem Cluster orchestriert.
- Automatisierung
Kestra
Apache-2.0Deklarative, YAML-basierte Orchestrierungsplattform zum Planen und Orchestrieren von Datenpipelines, ETL-Jobs und Geschäftsworkflows.
- Automatisierung
Prefect
Apache-2.0Python-native Workflow-Orchestrierungsplattform zum Erstellen, Planen und Überwachen von Datenpipelines mit gewöhnlichem Python-Code.
- Automatisierung
Argo Events
Apache-2.0Ereignisgesteuertes Automatisierungs-Framework für Kubernetes, das Workflows, Funktionen oder andere Aktionen als Reaktion auf Ereignisse aus beliebigen Quellen auslöst.
- Automatisierung
Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.