Ringkasan: Workflow yang stabil punya penanganan error, memproses data per batch, memecah logika ke sub-workflow, membersihkan data eksekusi, dan memakai queue mode saat beban naik.

1. Penanganan Error

  • Buat Error Workflow terpusat yang mengirim alert (Slack/WhatsApp/email) berisi nama workflow, node gagal, dan tautan eksekusi.
  • Aktifkan Retry On Fail pada node yang memanggil API eksternal, dengan jeda wajar.
  • Gunakan jalur "On Error → Continue" untuk kegagalan yang boleh dilewati, dan catat ke log.
  • Pastikan operasi bersifat idempoten agar retry tidak menggandakan data.

2. Kurangi Penggunaan Memori

  • Proses data besar per batch (Split In Batches/Loop) alih-alih sekaligus.
  • Hindari membawa data yang tidak perlu antar node; pilih field saja.
  • Untuk file besar, gunakan mode penyimpanan biner yang sesuai dan hapus setelah selesai.
  • Pecah workflow besar menjadi sub-workflow yang dipanggil via Execute Workflow.

3. Patuhi Batas Rate API

Gunakan batching dan jeda (Wait) agar tidak kena 429 dari layanan pihak ketiga. Baca batas resmi tiap API.

4. Bersihkan Data Eksekusi

Riwayat eksekusi yang menumpuk membengkakkan database. Aktifkan pruning dan batasi penyimpanan data eksekusi sukses; simpan yang gagal lebih lama untuk debugging. Nama variabel konfigurasi dapat berubah antar versi; cek dokumentasi n8n yang Anda pakai.

5. Queue Mode untuk Skala

Saat eksekusi banyak atau paralel, gunakan queue mode: instance utama menerima trigger, worker (dengan Redis) mengeksekusi. Ini menyebar beban dan menjaga UI tetap responsif (setup dasar).

6. Kebersihan Workflow

  • Beri nama node yang jelas dan tambahkan catatan.
  • Satu workflow, satu tanggung jawab.
  • Simpan workflow di Git (ekspor JSON) untuk versi dan rollback.
  • Pisahkan lingkungan staging dan produksi.
  • Jangan menaruh kredensial di dalam node kode; gunakan credentials n8n.

7. Webhook yang Aman dan Cepat

Balas webhook segera (respond immediately), lalu proses di belakang agar pengirim tidak timeout. Tambahkan autentikasi/secret pada webhook publik.

8. Monitoring

Pantau jumlah eksekusi gagal, durasi rata-rata, dan penggunaan RAM/disk server (optimasi server).

Tanda Workflow Perlu Dirombak

Lebih dari ±30 node dalam satu alur, banyak logika kode berulang, sulit dijelaskan oleh orang lain, atau sering gagal tanpa diketahui.

FAQ

Mengapa n8n saya kehabisan memori?

Biasanya karena memproses data besar sekaligus; gunakan batching, sub-workflow, dan batasi data yang dibawa antar node.

Kapan perlu queue mode?

Saat eksekusi paralel banyak atau UI melambat karena beban eksekusi.

Langkah selanjutnya

Workflow n8n Anda sering gagal? Minta audit dan perbaikan dari tim Oneflux.