定时任务未执行的排查

现象

定时任务该执行时没执行，或者执行了但结果不对。

四环节排查

定时任务的链路：触发 → 调度 → 执行 → 结果

按顺序查，定位到哪个环节断了。

环节一：触发

任务是怎么被触发的？

常见问题：

• 调度服务被停掉了（比如服务器重启后没自启）
• crontab 配置的时间格式写错
• 任务被手动禁用了

环节二：调度

触发到了，但任务没有被正确分派。

检查点：

• 任务是否到了执行时间（时区问题？）
• 是否有重复任务互相干扰
• 集群环境下是否所有节点都尝试执行（导致重复或冲突）

集群环境下的常见问题：多个节点同时执行同一个任务，导致数据重复；或者任务被分派到了没有权限的节点。

解决：加分布式锁，保证同一时刻只有一个节点执行。

环节三：执行

任务开始执行了，但失败了。

检查点：

• 任务日志（有没有异常堆栈）
• 依赖的服务是否可用（数据库、外部接口）
• 数据是否满足执行条件
• 执行时间是否超过了超时限制

常见失败原因：

环节四：结果

任务执行成功了，但结果不对。

检查点：

• 任务的输入数据是否正确
• 业务逻辑是否符合预期
• 结果是否被覆盖（重复执行导致）
• 结果是否写到了正确的目标

常见问题：任务执行了两次（比如调度配置重复），第二次覆盖了第一次的结果，或者数据翻倍。

排查步骤

1. 确认任务是否被触发：查任务的执行日志，看有没有执行记录
2. 看最后一次成功的时间：从什么时候开始不正常的
3. 对比变化：这个时间点前后有什么变更（发版、配置修改、数据量激增）
4. 手动执行：手工触发一次，看是否成功。成功说明是调度问题，失败说明是执行问题
5. 看依赖：任务依赖的服务和接口是否正常

"手动执行一次"是最有效的定位手段，能快速区分调度问题和执行问题。

常见根因

根因一：服务器重启后任务没恢复

如果任务依赖的调度服务没有配置开机自启，服务器重启后就没了。

解决：配置自启 + 加任务存活监控。

根因二：任务执行时间撞车

两个耗时任务安排在同一时刻，互相抢占资源，都超时。

解决：错开任务时间，或改为串行依赖。

根因三：数据量增长导致超时

任务原本 10 分钟跑完，数据量翻了 10 倍后需要 2 小时，超过了超时限制被杀。

解决：

• 分批处理
• 优化查询
• 调大超时（治标）

根因四：静默失败

任务执行报错，但没有告警，也没人看日志，就一直"静静地"失败着。

解决：必须有失败告警。任务失败时通过短信、邮件、企业微信通知责任人。

这是最值得做的一项改进。没有告警，任务失败了也没人知道。

根因五：时区问题

服务器时区是 UTC，业务期望的是本地时间，导致任务在错误的时间执行。

解决：统一时区，并在配置里显式声明。

监控建议

定时任务必须监控：

"处理数据量为 0 也告警"这一条很重要：任务成功执行但一条数据都没处理，通常意味着上游数据有问题。

任务清单管理

建议维护一份任务清单，包含：

有了这份清单，交接和排查都会方便很多。

定时任务的配置与告警设置，[待补充：百华智造 MES 任务调度配置说明]。