作者：无哲、言合
一、前言：Dify 的规模化挑战
![]()
Dify 是当前最受欢迎的低代码 LLM 应用开发平台之一，在 Github 上已斩获 120k+ 的星标数。国内外有众多企业基于 Dify 构建自己的智能体应用。阿里云可观测团队既是 Dify 的深度用户，也是社区的活跃贡献者。
在大规模生产实践中，我们发现 Dify 在高负载场景下面临显著的数据库性能瓶颈：其执行引擎高度依赖 PostgreSQL，单次 Chat 请求可能触发数百甚至上千次数据库访问；与此同时，Worker 进程在知识库索引构建、Trace 追踪等任务中也会持续写入大量数据。这频繁导致 DB 连接池打满、慢查询频发 等问题，已成为制约 Dify 集群横向扩展与并发能力的关键瓶颈。
二、现状与挑战：Dify 存储机制痛点分析
数据分布现状
Dify 的数据主要分为三类：
- Meta类 数据：租户、应用、工作流、工具等配置信息；
- 运行时日志：工作流执行明细、会话历史、消息记录等；
- 文件类数据：用户上传文件、知识库文档、多模态输出等（通常存于对象存储）。
![]()
其中Meta 与运行日志均存储在 PostgreSQL 中，运行时日志占据了数据库的绝大部分资源。以我们的生产环境为例，运行日志占 DB 存储空间的 95%以上。在访问频率最高和慢查询最多的 SQL 模式中，绝大多数都与运行日志的读写相关。
Dify 的运行日志包含工作流的执行明细记录和会话消息数据，执行记录中有工具输出、模型上下文等大量长文本信息，并且运行日志数量也会随着用户请求快速增长。
![]()
核心痛点
将这类海量、高吞吐的日志数据全量存储在 PostgreSQL 中，带来了多重挑战：
- 负载压力大： Workflow 节点的每次执行都会产生明细日志（节点执行明细数据，记录节点的输入输出和运行状态等数据），高并发下
workflow_node_executions 表的读写极易成为热点。
- 连接占用： 尽管 Dify 1.x 的几个版本对数据库长连接问题做了很多优化（如 issue #22307[1]），但日志密集访问仍加剧连接池压力，影响核心业务的连接获取。
- 扩展性不足： 运行日志随着业务量呈爆发式增长，而 PG 扩容依赖垂直升配，升级规格往往伴随主备切换导致的连接闪断或维护窗口，难以实现完全的无感扩容。社区已有多个反馈（如 issue #18800 [2]因会话数据堆积导致首 Token 延迟增加 3 秒； issue #22796 [3]呼吁将日志迁出 PG）
- 分析加工能力缺失： 控制台仅支持有限关键词检索，难以满足业务对历史会话进行多维分析、二次加工及精细化运营的需求。
社区的积极探索与演进
运行日志存储一直是影响 Dify 系统性能与稳定性的痛点。针对这一问题，社区一直在积极寻求解决方案，并已落地了多项优化措施：
- 内存数据库（issue #20147[4]）：适用于无需持久化的轻量场景，同时新版执行引擎已完成日志存储抽象，为后续异构存储改造奠定了基础。
- 后台异步执行（ issue #20050[5]）：通过 Celery Worker 异步写入日志，有效降低了核心链路的延迟，减轻了 API 引擎对 DB 的同步依赖。
- 周期性清理（ issue #23399[6]）：引入自动清理机制，定期移除陈旧的会话与执行记录，有效缓解了数据库存储膨胀问题。
- 大字段分离存储： 针对 LLM 长上下文导致的大字段问题，支持将超长字段截断并转存至对象存储，减轻了 DB 的 I/O 压力。
根因分析：数据特征与存储引擎的错配
上述优化在特定阶段非常有效，缓解了 Dify 的燃眉之急，但在大规模生产场景下，应用层的逻辑优化（异步、清理等）已触及天花板。要彻底解决扩展性问题，必须消除数据特征与存储引擎的错配------即我们一直在试图用"关系型数据库"去承载本该由"日志系统"处理的数据。
Dify 工作流记录虽然并非完全是Append-Only写，但具有鲜明的日志特征，与典型的业务数据（如用户信息、应用配置）截然不同：
- 终态不可变： 记录仅在执行期短暂流转，结束后即成为"只读"档案。在 PG 中长期留存海量只读数据，不仅挤占昂贵的 SSD 资源，庞大的表数据更会显著降低索引效率与查询性能。
- 泛结构化与 Schema 易变： 核心负载为巨大的 JSON 对象（每个工作流节点的Inputs/Outputs），且结构随版本迭代。PG 难以高效处理深层 JSON 检索，且亿级大表的 DDL 变更会引发长时间锁表风险。
- 高吞吐时序写入： 日志随时间源源不断地产生，持续消耗 IOPS 与数据库连接。请求高峰期极易导致连接池耗尽，导致创建应用等核心业务因资源争抢而失败。
因此，我们需要一种支持存算分离、弹性伸缩、低成本且具备原生 OLAP 能力的存储架构。阿里云日志服务（SLS） 凭借其云原生特性，成为解决这一瓶颈的最佳选择。
三、方案选型：为什么 SLS 更适合 Dify 日志场景
SLS 并不是"另一个数据库替代"，它是为日志场景量身定制的基础设施。在Dify工作流日志场景下，相比于 PG，SLS 在以下四个维度实现了架构上的优化升级：
极致弹性，应对流量波动
Dify 业务常有突发流量（如 AI 推理高峰）。PostgreSQL 需按峰值预置硬件资源，低谷期的资源浪费，一旦流量突增超过预设上限，数据库稳定性会有问题。
而SLS 作为 SaaS 化云服务，天然支持秒级弹性伸缩，无须关心分片或容量上限，且默认支持 3AZ 同城冗余。
高写入吞吐 + 架构解耦，保障核心稳定
- 高并发写入： SLS 针对日志场景优化，数据以追加方式顺序写入，避免了数据库中常见的随机 I/O 和锁竞争，能以极低成本支撑数万 TPS 的写入吞吐，轻松应对 AI 业务的写入洪峰。
- 资源隔离： 将日志负载剥离至 SLS 云端，实现日志数据流与 Dify 核心业务事务的物理隔离，有效保障主业务系统的稳定性与性能。
海量日志，低成本长期留存
SLS 数据采用高压缩比技术，支持自动化分层存储，可将历史数据自动沉降至低频和归档存储，无需维护清理脚本，成本远低于数据库 SSD。这使得 Dify 能以极低的成本满足长周期的分析和审计需求。
开箱即用的数据价值释放能力
- Schema-on-Read： SLS 写入时不强制校验 Schema，完美适配 Dify 快速迭代带来的字段变更，无需对历史数据重新变更。
- 秒级分析： SLS 内置了针对日志优化的分析引擎（倒排索引+列存）。开发者可以使用关键词从海量日志中检索，也可以利用 SQL 对亿级日志进行实时聚合分析，将日志数据转化为业务洞察。
- 丰富数据生态： 日志在SLS中，可以进一步进行更完善的处理和分析，比如数据加工清洗、联合分析、可视化、告警、消费和投递等等。
四、技术实现：核心架构改造与插件化
为了将 SLS 引入 Dify，整个工程实施分为两个部分：一是对 Dify 核心的插件化改造，二是基于 SLS 读写日志的插件实现。
1.Dify 核心插件化改造
Dify 早期架构中，工作流记录的读写逻辑深度耦合了 SQLAlchemy（PG ORM），扩展性受限。从 v1.4.1 以后社区引入了 WorkflowExecution 的领域模型（#20067[7]）并开始逐步对工作流执行核心流程进行重构，定义了一套标准的 Repository 接口，涵盖日志的写入、更新、读取以及统计等标准行为。在 v1.8.0 社区引入了 Repository 的异步实现，通过推迟日志记录保存提升了工作流执行速度。
虽然 Repository 接口为多存储驱动提供了可能，但早期的抽象并不彻底：它主要解决了"写"的抽象，但大量"读"操作仍绕过 Repository 直接依赖 SQLAlchemy，且复杂的跨表 Join 查询使得存储层难以真正剥离。
为此，我们和 Dify 研发团队多次交流，确定了 Repository 抽象层的完整实现方案。我们通过剥离跨表关联查询、标准化读取与统计接口，真正实现了存储层的完全解耦与插件化加载。
![]()
2.SLS 日志插件实现
在插件实现过程中，核心挑战在于抹平关系型数据库（PG）与日志系统（SLS）在数据模型上的差异。为此，我们采用了以下技术策略：
基于多版本的状态管理
SLS 的 LogStore 是 Append-Only 追加写入，而Dify 的工作流执行过程存在状态流转，从 RUNNING 变为 SUCCEEDED/FAIL。因此我们采用了多版本控制的思路：
- 写入策略：每次状态更新，不覆盖旧日志，而是新写入一条包含完整状态的日志记录。我们在日志模型中引入了一个纳秒级的时间戳字段
log_version来区分版本。
- 读取策略：在查询或统计时，插件内部会生成聚合 SQL，对于同一个
workflow_run_id，始终选取 log_version 最大的那条记录作为最终状态。
Schema 自动同步
Dify 的迭代速度非常快，数据库模型经常发生变更。如果每次升级 Dify 都需要用户手动维护索引配置，将极大地增加运维负担。SLS 插件启动时会自动扫描 SQLAlchemy 模型定义，并与 SLS 索引配置进行 Diff。一旦发现新字段，自动调用 API 更新索引。用户无需手动维护索引，开发者也无须为 SLS 单独编写升级脚本。
原生 PG 协议兼容
值得一提的是，SLS 新增原生支持 PostgreSQL 协议。绝大部分原有的统计与分析 SQL，均可通过 PG 兼容模式直接发送到 SLS 上执行，极大地降低了插件的开发适配成本。
五、实践指南：配置与平滑迁移
该功能已正式合并至 Dify 社区主分支。基于Dify最新代码，只需进行简单配置，就可以将工作流执行记录切换到SLS存储。
第一步：准备工作
（1）创建 Project：在阿里云日志服务控制台创建 Project（建议与业务同地域）
无需手动创建 Logstore 和索引，Dify 启动后插件会自动检测并创建。
（2）获取访问凭证：获取具备 SLS 读写权限的 AccessKey ID 和 Secret。
可以授予 AliyunLogFullAccess，或按需配置最小权限（创建/查看Project、创建/查看logstore、创建/更新/查看索引、写日志、查日志等）
第二步：配置Dify
在 .env 或 docker-compose.yaml 中修改以下配置项，将工作流存储驱动指向 SLS 插件，并补充连接信息：
# 1. 修改 Repository 驱动指向 SLS 插件
CORE_WORKFLOW_EXECUTION_REPOSITORY=extensions.logstore.repositories.logstore_workflow_execution_repository.LogstoreWorkflowExecutionRepository
CORE_WORKFLOW_NODE_EXECUTION_REPOSITORY=extensions.logstore.repositories.logstore_workflow_node_execution_repository.LogstoreWorkflowNodeExecutionRepository
API_WORKFLOW_NODE_EXECUTION_REPOSITORY=extensions.logstore.repositories.logstore_api_workflow_node_execution_repository.LogstoreAPIWorkflowNodeExecutionRepository
API_WORKFLOW_RUN_REPOSITORY=extensions.logstore.repositories.logstore_api_workflow_run_repository.LogstoreAPIWorkflowRunRepository
# 2. 新增 SLS 连接配置
ALIYUN_SLS_ACCESS_KEY_ID=your_access_key_id
ALIYUN_SLS_ACCESS_KEY_SECRET=your_access_key_secret
ALIYUN_SLS_ENDPOINT=cn-hangzhou.log.aliyuncs.com
ALIYUN_SLS_REGION=cn-hangzhou
ALIYUN_SLS_PROJECT_NAME=your_project_name
ALIYUN_SLS_LOGSTORE_TTL=365 # 日志存储天数
# 3. 迁移开关配置
LOGSTORE_DUAL_WRITE_ENABLED=false
LOGSTORE_DUAL_READ_ENABLED=true
为了保证存量 PG 用户能平滑升级到 SLS 版本，我们在插件中提供了两个开关：
（1）双写机制：通过配置 LOGSTORE_DUAL_WRITE_ENABLED=True（默认关闭），系统会将日志同时写入 PG 和 SLS。这适用于存量用户迁移初期的灰度验证，确保在不改变原有数据流的情况下，验证 SLS 的配置正确性和 Dify 版本升级本身的兼容性。
（2）双读降级机制：通过配置 LOGSTORE_DUAL_READ_ENABLED=True（默认开启），系统优先从 SLS 读取日志。如果 SLS 中未找到该记录（例如迁移前的老历史数据），插件会自动降级回 PG 再次尝试读取。
六、成效对比：迁移到SLS的三大收益
![]()
收益一：DB压力显著下降
切换到SLS，相当于把现有PG中数据量最大的两张表的数据迁移走了。根据我们线上业务的数据，DB减少了95%以上的存储空间（运行时间越长，这个比例越高），并且读写过程中的DB的连接数、CPU等压力也有显著降低。
![]()
收益二：存储成本大幅降低
为了直观量化迁移后的成本收益，我们以一个典型的生产级场景进行估算：假设 Dify 应用日增日志 10GB，为了满足模型评估与回溯需求，需留存最近 300 天（约 3TB）的数据。
![]()
注：这里估算SLS成本的时候，已经将存多条状态记录会占用存储空间的因素考虑进去。 此外对于PG实际生产中还需额外考虑高可用多副本、预留存储空间、连接池扩容等隐性成本。
这里造成近 10 倍成本差距 的根本原因在于存储机制的不同。
Dify的工作流记录包含了用户提问、知识召回、工具调用和模型响应等数据，是评估和回归等任务需要的数据资产，长期留存价值高。
- 对于 PG： 存储时间越长，数据量越大，对昂贵的 SSD 存储空间占用就越多，成本会大幅增长。pg实例需要提前预估存储空间，存储空间不可能完全利用起来，必然闲置一部分空间。
- 对于 SLS： 专为日志设计的高压缩比与分层存储技术，使得存储数据量越大、时间越长，其边际成本优势越明显。
收益三：数据价值释放，从"运维监控"到"业务洞察"
这里我们以一个真实的 Dify 应用场景------"电商智能客服助手"为例，展示日志数据接入 SLS 后，如何挖掘其背后更大的业务价值。
![]()
（1）无缝集成，原生体验
接入 SLS 后，Dify 界面上的日志查询与回溯体验保持不变，但底层存储已完全切换。
- 日志回溯：Dify 控制台的日志详情页直接从 SLS 读取数据，响应更迅速。
- 监控图表：Dify 内置的监控统计图表，也是通过执行 SLS SQL 实时生成的。
![]()
（2）超越基础，SLS 进阶分析
虽然 Dify 内置了基础查询和统计功能，但面对复杂的业务分析需求，我们可以直接转至 SLS 控制台，解锁更强大的能力。
SLS 支持全文索引和任意键值对条件的组合查询，快速精准检索出符合某种特定特征的日志。
![]()
比如这里我们分析"用户意图识别"这个工作流节点里，按识别出的用户意图的分类统计随时间变化的PV情，便于通过观察不同分类的趋势变化，做出相应的运营决策。
* and title: 用户意图识别 and intent | select json_extract(outputs, '$.intent') as "用户意图", date_trunc('minute', __time__) t, count(1) as pv group by "用户意图",t order by t limit all
![]()
可以通过漏斗图，分析观察工作流哪些中间节点出现异常失败的比率较高。
status:succeeded | select title, count(distinct workflow_run_id) cnt group by title order by cnt desc
![]()
配置告警规则，统计 LLM 节点的 Token 消耗，一旦超过预设阈值，立即触发钉钉/电话告警。
![]()
利用数据加工和定时 SQL，对工作流的输入输出进行清洗、脱敏与标准化，构建持续更新的评估与训练数据集。
![]()
总之，将 Dify 工作流日志接入 SLS，不仅能高效查询日志，更能通过分析、可视化、告警和数据加工，将日志转化为业务洞察，真正实现从"看日志"到"懂业务"的跃升。
七、总结：迈向生产级 AI 架构
将 Dify 运行日志迁移至阿里云 SLS，并非一次简单的"存储替换"，而是 Dify 向生产级高可用架构演进的关键一跃。
我们通过业务数据与日志数据解耦的架构改造，成功将高吞吐、泛结构化的日志流从事务型数据库中剥离。让 PostgreSQL 专注核心业务事务处理，让 SLS 充分发挥其在海量数据存储与分析上的原生优势。
这一特性带来的价值是全方位的：
- 解决DB性能瓶颈： 将日志与核心事务解耦，从根本上解决数据库瓶颈，保证核心业务稳定性。
- 大幅降低日志成本： 利用SLS的弹性伸缩、高压缩比、分层存储，低成本存储海量日志。
- 充分释放数据价值： 从简单的日志查看升级为强大的实时分析、监控告警、加工处理，将运维数据转换为业务洞察。
如果您正在构建大规模的 AI 应用，或者正被 Dify 数据库的性能瓶颈所困扰，现在就是升级的最佳时机。拥抱云原生日志架构，让您的 Dify 跑得更快、更稳、更智能。
参考链接：
[1]https://github.com/langgenius/dify/issues/22307
[2]https://github.com/langgenius/dify/issues/18800#event-17534118862
[3]https://github.com/langgenius/dify/issues/22796
[4]https://github.com/langgenius/dify/issues/20147
[5]https://github.com/langgenius/dify/pull/20050
[6]https://github.com/langgenius/dify/issues/23399
[7]https://github.com/langgenius/dify/pull/20067
