知识点思维导图
17 个知识节点
定时任务（02） - 分布式调度与任务分片
读完后，你应能完成以下任务：
- 绘制“定时任务（02） - 分布式调度与任务分片 / 调度与执行分离”的关键对象与数据流，解释“分布式调度通常由调度中心计算触发、选择执行器并保存状态，执行器负责领取分片、运行和回报。”，并用源码位置、日志或 Trace 标注证据。
- 为“定时任务（02） - 分布式调度与任务分片 / 任务分片方法”设计正常与异常输入，验证“Lease 过期允许其他 Worker 接管，因此单条业务仍必须幂等。”，输出首个偏差位置与回归测试结果。
- 实现“定时任务（02） - 分布式调度与任务分片 / 节点故障与状态机”的最小代码或配置，检验“Heartbeat 只能说明执行器近期活跃，不能证明某个业务步骤完成。”，输出命令、结果与 Diff，并说明不适用边界。
一、先建立全局：分布式调度与任务分片 是什么？
理解“分布式调度与任务分片”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“分布式调度与任务分片”的第一个核心判断是：分布式调度通常由调度中心计算触发、选择执行器并保存状态，执行器负责领取分片、运行和回报。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | 调度与执行分离 | 分布式调度通常由调度中心计算触发、选择执行器并保存状态，执行器负责领取分片、运行和回报。 |
| 2 | 任务分片方法 | Lease 过期允许其他 Worker 接管，因此单条业务仍必须幂等。 |
| 3 | 节点故障与状态机 | Heartbeat 只能说明执行器近期活跃，不能证明某个业务步骤完成。 |
| 4 | 容量与故障边界 | 调度器应支持租户公平、优先级和最大并发，防止一个大任务占满全部 Worker。 |
| 5 | 调度中心必须高可用且避免同一 Trigger 被多个节点重复派发 | 调度中心必须高可用且避免同一 Trigger 被多个节点重复派发， |
| 6 | 常用数据库唯一约束、Leader 或共识机制控制 | 常用数据库唯一约束、Leader 或共识机制控制； |
1.1 核心对象之间怎样衔接
flowchart LR
S1["调度与执行分离"] --> S2
S2["任务分片方法"] --> S3
S3["节点故障与状态机"] --> S4
S4["容量与故障边界"] --> S5
S5["调度中心必须高可用且避免同一 Trigger 被多个节点重复派发"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“分布式调度与任务分片”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“分布式调度与任务分片”的对象和顺序已经明确后，再看可观察的失败：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、调度与执行分离
分布式调度通常由调度中心计算触发、选择执行器并保存状态，执行器负责领取分片、运行和回报。 调度中心必须高可用且避免同一 Trigger 被多个节点重复派发， 常用数据库唯一约束、Leader 或共识机制控制； 执行器则应被视为可能随时崩溃的临时工作者。
调度请求至少包含 job_id、execution_id、计划时间、分片号、总分片数、参数版本和超时。
执行器不能只靠进程内状态判断是否执行过。
三、任务分片方法
数据可按稳定哈希、ID 范围、时间区间或数据库游标分片。
简单的 id % shardTotal 分布稳定，但增加总分片数会改变归属；
范围分片便于检查进度，但数据倾斜会让尾部很慢；
动态 Worker 拉取小批任务能改善均衡，但需要可靠认领和 Lease。
UPDATE reconciliation_item
SET owner = :workerId,
lease_until = NOW() + INTERVAL 2 MINUTE,
status = 'RUNNING'
WHERE status IN ('READY', 'RETRY')
AND (lease_until IS NULL OR lease_until < NOW())
ORDER BY id
LIMIT 100;
不同数据库对带 Limit 的更新和并发锁语义不同，
生产可使用 SELECT ... FOR UPDATE SKIP LOCKED 后再更新。
Lease 过期允许其他 Worker 接管，因此单条业务仍必须幂等。
四、节点故障与状态机
任务状态至少区分 Scheduled、Running、Succeeded、Retry、Failed、Cancelled。 Heartbeat 只能说明执行器近期活跃，不能证明某个业务步骤完成。 调度中心在 Lease 超时后重新分配， 旧执行器恢复时应通过 Fencing Token 或状态条件被拒绝。
分片任务的总状态由全部分片聚合； 部分成功不能简单标为整体失败后全量重跑。 保存每个分片水位和错误，重试仅处理失败或未完成范围。
五、容量与故障边界
并行度受数据库、缓存、消息和第三方 API 最小容量限制。 把 10 个分片扩成 100 个可能只让下游连接池排队。 调度器应支持租户公平、优先级和最大并发，防止一个大任务占满全部 Worker。
故障演练包括调度中心切主、执行器运行中被终止、网络分区、Heartbeat 丢失和数据倾斜。 排障查看分片分配、Lease、Heartbeat、处理速率和下游等待，而不是只看总任务状态。
验收清单
- 分片算法对扩缩容、倾斜和重跑的影响已说明。
- 执行器崩溃后分片可接管，旧执行器无法提交过期结果。
- 聚合状态能区分部分成功并只重试失败范围。
- 全局并发受下游容量与租户公平策略限制。
六、动手验证：先跑通 分布式调度与任务分片，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“分布式调度与任务分片”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
6.1 基线与候选只允许一个变量不同
验证“分布式调度与任务分片”时，先固定数据快照、并发条件、客户端配置、拓扑和故障注入点。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“分布式调度与任务分片”时，动作是：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。原始结果不能只保留截图或汇总分数，必须同步保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 通过阈值 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 立即停止 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 |
6.2 执行前先排除不可比较条件
“分布式调度与任务分片”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“分布式调度与任务分片”的当前环境重复运行。
- 候选只改变一个与“分布式调度与任务分片”结论直接相关的条件。
- “分布式调度与任务分片”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “分布式调度与任务分片”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
6.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“分布式调度与任务分片”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 过程可回放 | 执行正常读写与故障场景，记录查询计划、锁、复制或消费状态 |
| 结果可审计 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
“分布式调度与任务分片”的一次合格基线对照按以下顺序执行：
- 保存“分布式调度与任务分片”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“分布式调度与任务分片”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“分布式调度与任务分片”：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。
- 为“分布式调度与任务分片”保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验。
- 使用“分布式调度与任务分片”预登记条件判断：一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用。
- 如果“分布式调度与任务分片”未通过，不修改第二个变量，先恢复基线并保留失败现场。
七、用一张矩阵验证 分布式调度与任务分片 的关键结论
矩阵按正文顺序列出“分布式调度与任务分片”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| 调度与执行分离 | 分布式调度通常由调度中心计算触发、选择执行器并保存状态，执行器负责领取分片、运行和回报。 | 只改变与“调度与执行分离”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 任务分片方法 | Lease 过期允许其他 Worker 接管，因此单条业务仍必须幂等。 | 只改变与“任务分片方法”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 节点故障与状态机 | Heartbeat 只能说明执行器近期活跃，不能证明某个业务步骤完成。 | 只改变与“节点故障与状态机”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 容量与故障边界 | 调度器应支持租户公平、优先级和最大并发，防止一个大任务占满全部 Worker。 | 只改变与“容量与故障边界”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 调度中心必须高可用且避免同一 Trigger 被多个节点重复派发 | 调度中心必须高可用且避免同一 Trigger 被多个节点重复派发， | 只改变与“调度中心必须高可用且避免同一 Trigger 被多个节点重复派发”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 常用数据库唯一约束、Leader 或共识机制控制 | 常用数据库唯一约束、Leader 或共识机制控制； | 只改变与“常用数据库唯一约束、Leader 或共识机制控制”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
7.1 记录本次实际实验
下面的记录用于“分布式调度与任务分片”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "分布式调度与任务分片"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行正常读写与故障场景，记录查询计划、锁、复制或消费状态"
evidence: "执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验"
pass_when: "一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用"
stop_when: "计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
7.2 边界实验必须证明能够停止和恢复
成功路径只能证明“分布式调度与任务分片”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“分布式调度与任务分片”，第一步是：从数据入口、存储状态、复制消费链路和恢复步骤定位根因。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“分布式调度与任务分片”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
八、分布式调度与任务分片 的结果解释
解释“分布式调度与任务分片”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 异常链路无法恢复 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“分布式调度与任务分片”只有同时满足“一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用”，并且没有出现“计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“分布式调度与任务分片”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“分布式调度与任务分片”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
九、分布式调度与任务分片 的发布判断
发布判断需要把“分布式调度与任务分片”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “分布式调度与任务分片”的基线与候选只存在一个计划内变量。
- “分布式调度与任务分片”的输入、代码、依赖、配置和数据版本可以追溯。
- “分布式调度与任务分片”的正常、临界、失败和恢复样本使用同一套断言。
- “分布式调度与任务分片”的原始输出、中间状态和失败现场已经保留。
- “分布式调度与任务分片”的日志、Trace、截图和测试数据已经脱敏。
- “分布式调度与任务分片”的停止条件、负责人和回滚入口已经演练。
- “分布式调度与任务分片”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“分布式调度与任务分片”的判断，就不能发布。
十、总结
- 调度与执行分离：分布式调度通常由调度中心计算触发、选择执行器并保存状态，执行器负责领取分片、运行和回报。
- 任务分片方法：Lease 过期允许其他 Worker 接管，因此单条业务仍必须幂等。
- 节点故障与状态机：Heartbeat 只能说明执行器近期活跃，不能证明某个业务步骤完成。
- 容量与故障边界：调度器应支持租户公平、优先级和最大并发，防止一个大任务占满全部 Worker。
学完自测
选择所有正确答案；提交后逐项核对判断依据。