TL;DR:

Workflowy w n8n wykonują się w kolejności od góry do dołu i od lewej do prawej
Rozgałęzianie danych można realizować przez If node (2 ścieżki) lub Switch node (n ścieżek)
Merge node pozwala łączyć dane na 3 sposoby: append (dodawanie), combine (łączenie) lub choose (wybór)
Loop over items umożliwia przetwarzanie danych partiami, co jest przydatne przy Google Sheets czy API z limitami
Przypinanie danych (pinning) i edycja danych wyjściowych (edit output) przyspieszają budowę workflowów
Zewnętrzne narzędzia jak Mocaroo pozwalają generować dane testowe

Dlaczego zarządzanie przepływem danych jest kluczowe?

Ten artykuł, oparty na zaawansowanym kursie n8n, przedstawia kluczowe koncepcje i techniki zarządzania przepływem danych w workflowach. Dowiesz się jak efektywnie rozgałęziać, łączyć i manipulować danymi w bardziej skomplikowanych procesach automatyzacji.

Rozgałęzianie i łączenie danych

Jak działa kolejność wykonania node’ów?

W n8n node’y wykonują się zawsze w określonej kolejności – od góry do dołu i od lewej do prawej. Oznacza to, że pierwsza gałąź zostanie wykonana w całości, następnie druga gałąź, a na końcu trzecia. Ta zasada jest fundamentalna przy projektowaniu workflowów.

Techniki rozgałęziania danych

Główne sposoby rozgałęziania przepływu danych:

If node – dzieli dane wejściowe na dwie odrębne ścieżki w zależności od tego, czy warunek jest prawdziwy czy fałszywy
Switch node – tworzy n ścieżek plus dodatkową ścieżkę domyślną, dzieląc elementy między nimi (w przykładzie z kursu 10 elementów zostaje rozdzielonych na 1, 1, 1 i 7 elementów)
Wyciągnięcie dwóch gałęzi z jednego node’a – wysyła wszystkie elementy wyjściowe node’a do każdej z tych gałęzi, zachowując porządek wykonania

Ten ostatni sposób jest przydatny, gdy chcesz wykonać dwa odrębne zestawy działań z tego samego punktu wyjścia.

Merge node – łączenie danych z różnych źródeł

Merge node to wyjątkowy element, ponieważ posiada nie jeden, a dwa wejścia. Node czeka na dane z obu gałęzi, a następnie wykonuje jedną z trzech operacji łączenia:

Append – po prostu łączy elementy z obu gałęzi, dodając je jeden po drugim
Choose – pozwala wybrać jeden, drugi lub żadne elementy do przekazania dalej
Combine – łączy dane według pól lub pozycji

Dobrym modelem mentalnym dla merge node są operacje JOIN w SQL:

Inner i outer join odpowiadają zachowaniu lub niezachowaniu dopasowań
Left join to wzbogacanie/rozszerzanie pierwszej gałęzi wejściowej
Right join to wzbogacanie drugiej gałęzi
Union odpowiada operacji append

Przykład praktyczny: łączenie kontaktów

W kursie pokazano workflow, który pobiera listę 10 kontaktów, używa If node do podziału na e-maile osobiste i służbowe, a następnie dodaje informację o typie e-maila. Używając Merge node z opcją append, można połączyć obie grupy z powrotem w jedną listę 10 kontaktów, każdy z oznaczeniem typu e-maila.

Wzbogacanie danych (enrichment)

W kursie zaprezentowano bardziej zaawansowane zastosowanie Merge node – wzbogacanie danych. Kontakty z e-mailami służbowymi zostały wzbogacone o informacje o firmach pobrane z arkusza Google. Proces wyglądał następująco:

Dodano pole „domain” do kontaktów, wyciągając domenę z adresu e-mail przy pomocy JavaScript (split na znaku @ i wybranie odpowiedniej części)
Użyto Merge node z opcją combine, łącząc dane przez pola: website (firmy) i domain (kontakty)
Wybrano opcję „keep all of input 2 with data from input 1 added in” – zachowanie wszystkich kontaktów i dodanie informacji o firmach, gdy jest dopasowanie

To podejście pozwala na wzbogacanie danych z różnych źródeł, takich jak arkusze kalkulacyjne, bazy danych czy API.

Praca z zestawami danych – Loop over items

Kiedy używać Loop over items?

Loop over items (znany także jako „split in batches”) pozwala podzielić elementy wejściowe na partie o określonej wielkości. Na przykład, przy rozmiarze partii równym 1, każdy element będzie przetwarzany oddzielnie w pętli.

Chociaż większość node’ów w n8n już wykonuje się raz na element, Loop over items jest szczególnie przydatny w następujących sytuacjach:

Gdy node zwraca wiele elementów z jednego wejścia (np. Google Sheets przy odczytywaniu wielu wierszy)
Przy odczytywaniu wielu arkuszy z różnych źródeł
Przy radzeniu sobie z limitami API – gdy API pozwala tylko na określoną liczbę wywołań w danym czasie (np. 10 wywołań na minutę lub 100 wywołań co 10 sekund). Rozdzielenie wywołań i użycie Wait node pomaga uniknąć przeciążenia API

Jak śledzić wykonanie pętli?

W trakcie wykonywania pętli:

Loop over items oraz wszystkie inne node’y w pętli będą miały zieloną liczbę obok zielonego znacznika, wskazującą numer iteracji
Możesz uzyskać dostęp do różnych elementów wyjściowych w panelu Output, klikając na Run
Pomaga to zrozumieć, jakie elementy przechodzą przez różne uruchomienia i jak są zmieniane

Optymalizacja pracy z workflowami

Przypinanie danych (pinning data)

Podczas budowania workflowów warto jak najmniej polegać na usługach zewnętrznych, aby skrócić czas wykonania. Funkcja przypinania danych pozwala na:

Zapisanie wyjścia node’a, aby było łatwo dostępne
Uniknięcie ponownego wywoływania systemów zewnętrznych, np. wykonywania wywołań API
Przyspieszenie wykonania podczas budowania workflowu

Aby przypiąć dane, wystarczy kliknąć ikonę pinezki w prawym górnym rogu panelu wyjściowego. Node z przypiętymi danymi jest oznaczony niebieską ikoną na canvasie.

Przypięte dane są używane tylko do testowych wykonań, nie w środowisku produkcyjnym, gdzie node zawsze jest wykonywany normalnie. Jest to szczególnie przydatne w przypadku node’ów webhook, gdzie inaczej musielibyśmy za każdym razem wyzwalać webhook z zewnętrznego narzędzia.

Edycja danych wyjściowych (edit output)

Funkcja Edit Output pozwala ręcznie edytować wyjście dowolnego node’a. W połączeniu z Pinned Data pozwala na:

Testowanie, jak workflow radzi sobie w określonych przypadkach brzegowych
Sprawdzanie zachowania przy ustawieniu pola na null lub przekazaniu ciągu zamiast liczby
Uniknięcie konieczności tworzenia tych przypadków brzegowych poprzez wykonywanie nowych wywołań API

Możesz również:

Wejść w poprzednie wykonanie workflow
Nawigować do panelu wyjściowego interesującego node’a
Przełączyć się na widok JSON i kliknąć przycisk kopiowania
Wrócić do bieżącego workflow, edytować output, wkleić wartości
Mieć te dane gotowe do pracy w workflowie

Jest to szczególnie przydatne przy debugowaniu workflowu, który mógł się nie powieść.

Wykorzystanie mock data

W kursie wspomniano o przydatnym narzędziu do testowania workflowów – Mocaroo. Jest to generator losowych danych, który pozwala:

Generować zestawy losowych informacji (ID, imię, email, płeć, adres IP itd.)
Ustawiać opcje dla danych pustych (np. 10% pustych emaili)
Tworzyć realistyczne zestawy danych testowych

Wystarczy wybrać format JSON, aby móc bezpośrednio skopiować i wkleić dane do n8n, a następnie przypiąć je jako dane wejściowe.

Checklista efektywnego budowania workflowów

Pamiętaj o kolejności wykonania node’ów (od góry do dołu, od lewej do prawej)
Używaj If node do prostego rozgałęziania lub Switch node dla większej liczby ścieżek
Łącz dane z różnych gałęzi za pomocą Merge node, wybierając odpowiednią metodę
Rozważ użycie Loop over items przy pracy z Google Sheets lub API z limitami
Przypinaj dane kluczowych node’ów, aby przyspieszyć testowanie workflowu
Używaj Edit Output do symulacji różnych scenariuszy bez zewnętrznych wywołań
Wypróbuj generatory mock data dla realistycznych danych testowych

Ten artykuł jest częścią serii notatek z wartościowych webinarów. Źródło: n8n Advanced Course – Working with complex data flows

Tag: Pinning Data

Zaawansowana automatyzacja z n8n 1/3 #EN72