Unstructured-IO / Unstructured-IO/unstructured-python-client
Problem in using unstructured workflows
Personne n'a encore pris cette issue.
- Langage dominant
- Python
- Étoiles
- 119
- Forks
- 22
- Merge moyen
- 1 j 21 h
- PR mergées (30 j)
- 1
Description
Hi!
I am developing an ETL pipeline using restate and Unstructured, using python. I have the following problem:
- I do not want to use Partition Endpoint because I also need the enrichment step.
- Using a workflow, I noticed that if a second user requests to process a document while the first one is still processing, there are two possible cases:
-
- the second request is quite close to the first (i.e., the first initiated job is still reading files from the source (in my case a folder on S3))
-
- the second request occurs during a later stage of the job: in this case the request is lost (a request consists of loading a new file into the source folder of S3 and then starting the workflow)
-
Since the first case is also problematic (if multiple users upload files almost simultaneously they will have to wait for all files to be processed before seeing their output, since unstructured first processes and then saves everything together), I came up with this solution:
- When a new request comes in, I create a source folder on S3, specific to that request.
- I create and start a workflow specific to that request, which I then destroy when finished
This way there should be no problem, do you have any better suggestions?
Guide de contribution
Ouvrir le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Piste de recherche
Aucun fichier ni test du dépôt n’est identifié. Commencez par examiner le point d’entrée du workflow et le comportement des requêtes concurrentes décrit pour le traitement basé sur S3, puis clarifiez le traitement attendu des requêtes arrivant pendant chaque étape du workflow. Le travail sera terminé lorsqu’une résolution convenue et reproductible des uploads et des exécutions de workflow qui se chevauchent aura été définie.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Évaluation
- Stack technique
- aws, python
- Domaine
- backend, cloud
- Type d'issue
- Bug
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Activité
- À l'abandon
- Clarté
- À clarifier
- Accessibilité débutants
- 25/100