《Kubernetes 分布式系统原理深入解析》10.3 CronJob 漏执行与重叠

CronJob 在 Job 之上加了一层『按 cron 表达式定时创建 Job』。定时系统最麻烦的两个问题是漏执行与重叠:控制面停机时错过的调度点怎么补、上一个还没跑完时下一个该不该开。本节解剖 CronJob 的调度语义、Forbid/Allow/Replace 三种并发策略、以及错过执行的补偿。lab 用 controller/job.go 的 CronJob 验证 Forbid 重叠策略。

10.3 CronJob 漏执行与重叠

CronJob 是 Job 的定时版:按 cron 表达式在指定时刻创建一个 Job。但「定时」引入两个 Job 没有的新问题——漏执行(错过时间点)和重叠(上一次没跑完)。本节解剖这两个问题与 CronJob 的解法。

CronJob 的定位:Job 的调度器

type CronJob struct {
    Name     string
    Interval time.Duration // 简化表达:间隔
    Schedule string        // 真实 K8s:cron 表达式
    LastRun  time.Time
    Running  bool          // 是否有在跑的 Job
}

CronJob 自己不做任务,它只创建 Job。每个调度点:

到点 → 创建 Job → Job 按 10.1/10.2 节的语义跑任务 → 跑完
下一个点 → 再建一个新 Job

所以 CronJob 的控制器逻辑很薄:真正的复杂度在「判断到没到点」和「到点后要不要建」——这就是漏执行与重叠。

调度语义:到点就建,追不上就丢

CronJob 判断「到点」的方式(lab 的 ShouldFire):

func (c *CronJob) ShouldFire(now time.Time) (fire bool, missed bool) {
    next := c.LastRun.Add(c.Interval)
    if now.Before(next) {
        return false, false // 没到点
    }
    return true, now.Sub(next) > c.Interval // 到点了;missed=晚了一整周期以上
}
  • fire=true:到了(或过了)调度点。
  • missed=true:晚了超过一个周期——说明中间漏掉了至少一个调度点。

漏执行什么时候发生:控制面停机(leader 挂了、重启中)时,调度点错过。等控制面恢复,ShouldFire 发现「早就该建了」。

漏执行怎么处理:补还是丢

对漏掉的调度点,CronJob 的默认行为是补一次(创建那个该创建的 Job),但有一个重要限制——startingDeadlineSeconds:

设置行为
默认(无)恢复后补建漏掉的 Job
startingDeadlineSeconds=0不补,漏掉的调度点直接丢
恢复时间超过 deadline超过的调度点丢弃,只从当前恢复

为什么默认会补:很多定时任务「错过一次有代价」(备份没跑、报表没生成),补一次比丢一次好。为什么有 deadline 选项:有些任务「过期了补也没意义」(清理临时文件),宁可直接丢。

补执行的代价:恢复后可能一次建多个 Job(把漏的全补上)——这会造成「一次执行多份」的尖峰。CronJob 把「补还是丢」留给用户选,正因为它是有代价的权衡。

重叠:上一个没跑完,下一个到点了

定时任务最大的坑:周期短、任务长,上一个 Job 还没跑完,下一个调度点就到了。

周期 1 分钟,任务要跑 2 分钟:
  t=0  建 Job#1(跑 2 分钟)
  t=1  到点 → Job#1 还在跑 → 建不建 Job#2?

CronJob 用 concurrencyPolicy 回答:

策略行为适用
Allow照建,允许重叠无状态、可并行
Forbid不建,跳过本次(等下一个点)有状态、不可并发(默认)
Replace删掉旧的,建新的只要最新一次

lab 的 Forbid(默认)实现:

// Forbid 策略:上一次还在跑(Running=true)就不建新的
if c.Running {
    return false // 跳过本次调度
}

Forbid 是默认:大多数定时任务是「每次跑一个」的语义(备份、同步),重叠执行会造成数据竞争、重复写入。

Forbid 与漏执行:跳过的这次算不算漏

注意 Forbid 的一个微妙点:被 Forbid 跳过的调度点,不是「漏执行」,是「主动放弃」。

  • 漏执行:控制面故障错过——要补(默认)。
  • Forbid 跳过:故意不建——不补,等下一个点。

区分两者的意义:CronJob 宁可「丢一个调度点」,也不让「两份任务同时跑」。对不可并发的任务,重叠比错过更危险——错过只是没做,重叠是做出错。这是定时任务里「安全优先于完整」的选择。

cron 表达式与时区:调度点怎么算

CronJob 用 cron 表达式定义调度点:

分钟 小时 日 月 星期
*/5 * * * *        # 每 5 分钟
0 3 * * *          # 每天凌晨 3 点
0 3 * * 1-5        # 工作日凌晨 3 点

时区语义值得注意:

配置时区调度点
默认控制面所在时区(早期版本)取决于 apiserver/控制器
spec.timeZone显式指定(如 Asia/Shanghai)固定时区的调度点

时区影响「哪一天哪一点」:同样是 0 3 * * *,UTC 的凌晨 3 点是北京时间的上午 11 点。跨时区运维(公司服务器在国内、控制面在国外)如果不显式配 timeZone,定时任务会在「意想不到的时刻」触发。

调度的精度问题:cron 的分钟级粒度、控制面的时钟漂移、leader 切换的窗口——都会让「精确到秒」不可靠。CronJob 语义上是「尽量按时」,不是「精确到秒」。对「必须精确」的任务,应该在任务内部做「幂等 + 唯一性」保证(10.2 节),而不是依赖定时器。

周期性任务与「一次跑多份」:并发风暴

补执行 + 短周期任务可能造成「一次跑多份」的尖峰:

控制面停机 1 小时,期间错过 60 个每分钟的调度点
恢复后:默认补执行 → 一下建 60 个 Job → 并发风暴

这种场景的防护:

手段作用
startingDeadlineSeconds超过多久的漏点直接丢
concurrencyPolicy: Forbid已有在跑就不建
任务自身幂等多份同时跑也无害

选择依据:错过有代价还是重叠有代价:

  • 错过代价大(备份必须做)→ 补执行 + 容忍重叠。
  • 重叠代价大(不能双跑)→ Forbid + 可能丢点。
  • 两者都大 → 补执行 + 任务幂等(重复跑但结果一致)。

周期性任务的设计核心是「接受不精确、保证无害」:调度做不到精确,就靠幂等让「多跑」无害、靠 deadline 让「漏跑」有界——这是定时系统在分布式环境下的务实哲学。

三个常见误解

  • 「CronJob 是独立控制器」——不准确。它是 Job 的定时包装器,任务本身仍由 Job 语义驱动。
  • 「错过执行点就永远错过」——默认会补(恢复后补建);只有 startingDeadlineSeconds=0 才丢弃。
  • 「Forbid 只影响性能」——错误。它防止有状态任务重叠执行导致的正确性问题,是默认策略。

本节 lab

本节验证 CronJob 的 Forbid 重叠策略:

cd private/labs/k8s-ctrl-lab
go test ./controller -run 'TestCronJobForbidOverlap' -v
  • TestCronJobForbidOverlap:上一个 Job 还在跑(Running=true)时,下一次调度 ShouldFire 返回不建——「宁可丢一次,不重叠跑」的 Forbid 语义。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图