定时任务是把重复工作交给系统的基本手段。但多数人只设了时间,没设失败处理,结果任务跑了半年,某天静默失败,没人发现,数据断了半个月。
哪些工作适合定时跑?
四类:周期性汇总(日报、周报)、周期性检查(数据质量、链接可用性)、周期性同步(跨系统数据)、周期性提醒(到期事项)。
不适合的是需要判断的任务。比如「判断这篇稿子能不能发」,这类任务每次情况不同,定时跑只会产出一堆需要人工复核的结果。
任务失败怎么发现?
三条:每次执行写日志(开始时间、结束时间、结果、异常);失败时主动通知(邮件、群消息);设「心跳监控」,超过预期时间没跑就告警。
第三条最关键。很多失败是「没跑」而不是「跑错」,没有心跳监控就完全静默。
触发时间怎么排?
三个原则:避开整点(整点排队多,容易延迟);避开业务高峰;相关任务错开十分钟以上,避免同时抢资源。
如果任务之间有依赖,用「完成后触发」而不是「固定时间触发」。固定时间看似简单,实际经常因为上游延迟而失败。
结果怎么汇总?
每次执行产出一份结果文件,按日期命名,保留三十天。每周做一次汇总,看成功率、平均耗时、异常类型分布。
汇总不是给自己看的,是给维护者看的。三个月后接手的人,靠这份汇总能快速判断系统是否健康。
什么情况下该停掉一个定时任务?
三种:连续一个月没有实际使用;维护成本超过收益;业务已经变化,任务在产出无用数据。
停掉也要有记录。写清为什么停、什么时候停、以后要不要恢复。不写记录,半年后又会有人重新建一个一样的。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论