实时报告
FlowTracer 强大的 Grid View 报告显示了数百万个正在运行的作业的结果，并突出显示了失败的作业，以便可以快速识别、调试和解决它们。
AI 和机器学习工作流程
FlowTracer 通过使用流行的开发语言（包括 Python、Julia 和 Jupyter Notebook）与 AI 和机器学习工作流程集成。
混合设计工作流程
用户可以将 AI 和机器学习服务引入传统工作流程，并运行混合类型的作业，在 Kubernetes 集群旁边或之上工作。 流程会动态地适应资源可用性和先前的计算结果。
基于 REST 的访问
完整的 REST 应用程序编程接口 (API) 允许用户使用自己喜欢的语言定义和控制流程。
基于 JSON 的流程描述
在 REST API 的基础上，基于 JSON 的流定义符号 (FDN) 允许有效地将工作流定义从客户端传输到 FlowTracer 引擎。 单个 POST 只需几秒钟即可传输完整的设计流程（包含数以万计的作业和依赖项）。
您选择的平台
用户可以在各种操作模式下查看和控制复杂的工作流程，包括交互式、监督式和无人值守批处理模式，以及在 Windows 或 Linux x86/ARM 平台上使用命令行、REST 界面或 Web 浏览器。
依赖管理与意识
依赖性感知可防止满足所有先前依赖关系要求前执行作业，使用户能够快速确定导致作业发生故障的根本原因，采取纠正措施，并从故障点开始继续运行作业，而无需重新启动。
快速、可扩展的开发
FlowTracer 占用内存较小，并内置有调度程序。 它使用户能够在笔记本电脑或专用主机上本地运行复杂的流程，连接到批处理系统，或转到云端 - 可扩展的解决方案，可以在内存中处理数百万个作业，并同时运行数千个作业。
互联协作
借助 FlowTracer 的远程连接，用户可以通过实时共享镜像视图与领域专家合作。 复杂的设计工作流程可以轻松地在组织内部署和共享，从而实现轻松有效的流程管理、标准化和协作。
