Cloudflare 在 2026 年 11 月 10 日為 Workflows 加入單一 Workflow 的並行上限。過去每個流程預設可共同使用帳戶層級的 concurrency,一個突然爆量的批次工作就可能佔滿容量,讓其他工作延遲,或同時把過多連線壓向資料庫與第三方 API。現在可以在 Wrangler 設定的 Workflow binding 中加入 concurrency.limit,超過上限的 instances 會排隊,而不是直接被拒絕。
這項功能適合訂單同步、發票處理、AI 批次、圖片轉換與 CRM 匯入,但它不是自動容量規劃。限制太高,仍可能打爆下游;限制太低,queue age 會一路增長。更重要的是,每次部署都要保留設定,否則上限會被移除。團隊必須把設定檔、監控、冪等性與回退一起設計,不能只在 Dashboard 看見功能後填一個直覺數字。
官方行為先讀清楚:上限、排隊與等待
官方文件說明,單一 Workflow 的 limit 必須是正整數,且不能高於帳戶的 concurrency limit。公告在 2026 年 11 月 10 日列出的帳戶上限是 Workers Free 100、Workers Paid 50,000;方案與限制可能變動,實際導入仍應以查核當日文件與帳戶狀態為準。單一流程的上限只會縮小可用容量,不會提高帳戶總額,也不會替該流程預留 slot。
超過 limit 的 instances 進入 queued,當執行中的 instance 完成或進入 waiting 後再啟動。順序是 best-effort 的先進先出,不應拿來保證嚴格交易排序。waiting 與 paused 通常不計入上限;但短暫 sleep 或 retry 可能尚未立即轉成 waiting,仍暫時占用 slot。從 waiting 恢復時,如果已達流程或帳戶上限,也會重新排隊。
降低 limit 不會中止已在執行的 instances。假設原本同時跑 20 個,改成 10 後,這 20 個會繼續完成,直到 running 數降到 10 以下才放新工作。這個行為適合無中斷降載,但不能當緊急停止按鈕。需要事故處置時,仍要有暫停觸發入口、停用排程、切斷外部副作用或套用下游保護的方案。
Limit 應從下游容量倒推
先找出真正最脆弱的依賴:資料庫 connection pool、付款或物流 API 的速率限制、同時可處理的檔案數、模型供應商限制,或內部服務的 CPU 與記憶體。若一個 Workflow instance 會同時開三條資料庫連線,就不能直接把資料庫剩餘的 30 條連線全設成 limit 30;理論上可能同時需要 90 條。要保留管理連線、線上流量與突發重試的安全空間。
可用一個保守起點:先量單一 instance 高峰使用量與平均服務時間,再用下游允許給批次工作的容量除以每個 instance 的高峰需求。第三方 API 若以每秒請求數限制,還要考慮一個 instance 在短時間內會發幾次請求;concurrency 只限制同時執行數,不等於精準 rate limit。需要固定速率時,仍應搭配 queue、節流、backoff 與供應商回傳的 retry 指示。
多個 Workflow 共用同一資料庫時,要為每一個設定上限,並確保總體最壞情境不超過預算。官方強調 limits 是 caps,不是 reservations;即使某個重要流程 limit 設為 20,也可能因帳戶總 concurrency 已滿而等待。若希望保留重要工作容量,做法是限制其他高流量流程、拆分資源或帳戶,不能把 limit 當作保證配額。
設定、部署與版本要求
官方文件要求 Wrangler 4.127.0 以上。先在 lockfile 與 CI 映像固定可驗證的 Wrangler 版本,再於定義 Workflow 的 Worker 設定 concurrency.limit。如果是跨 Worker 綁定,不能把 concurrency 與 script_name 放在同一個 binding;上限應設在真正定義 Workflow 的 Worker。local development 不套用這項限制,因此只跑本機測試看不到 production 排隊行為。
最大的操作陷阱是部署會以設定檔為準。若下一次 deploy 沒帶 concurrency.limit,該 Workflow 的上限就會被移除。不要只靠一次手動修改;應把設定放進版本控制,對 production config 做 schema 與 policy 檢查,並在部署後讀回或以受控流量驗證。共用模板若會產生 Wrangler 設定,也要確保環境覆寫不會把 concurrency 區塊整段蓋掉。
上線順序可以先從非關鍵流程或較保守 limit 開始,在 staging 送入可控 burst,確認超量 instances 變成 queued、下游連線沒有超標、waiting 能釋放 slot、恢復後不重複副作用。接著在 production 小批量啟用,觀察 queue age、running 與 queued 數、完成時間、重試、下游錯誤與帳戶總 concurrency,再逐步調高。
冪等、逾時與使用者體驗不能漏掉
排隊會改變工作開始時間。原本在幾秒內執行的訂單同步,爆量時可能晚很多;呼叫端若用短逾時等待完成,可能先回報失敗,但 Workflow 稍後仍成功。API 應回傳可查詢的 instance ID,把「已接受」與「已完成」分開,並為前端提供排隊、執行、成功與失敗狀態。不要因為前端逾時就建立第二個相同 instance。
所有有副作用的步驟都要有業務冪等鍵,例如訂單編號加操作類型,而不是只依 Workflow instance ID。從 waiting 恢復、重試或人工重送時,扣款、寄信、寫入庫存與建立物流單都不能重複。排隊較久也可能讓存取 token、預簽網址或庫存快照過期;在真正執行前重新驗證必要條件,不要假設觸發時取得的資料仍有效。
監控至少要包含 WORKFLOW_QUEUED 事件、queue age 百分位、running 數、完成速率與下游錯誤。只看成功率會漏掉「全部成功但晚兩小時」的營運問題。警報可依業務 SLO 設定,例如訂單同步排隊超過可接受時間、queue 持續成長,或資料庫連線已接近保留水位。
Per-Workflow concurrency limit 的價值,是把下游容量變成可版本控制的保護線;它不是免費吞吐,也不是公平排程保證。從最脆弱依賴倒推數字、讓設定跟著每次部署、以 queue age 驗證結果,再配上冪等與可查詢狀態,才能在爆量時把延遲留在可控的隊列,而不是把整個資料庫或外部 API 一起拖垮。