本该只跑一次的结算跑了两次

一句话总结

周期性任务无法用“跑了几次”来判断是否正常。被跳过的一次和多跑的一次会互相掩盖，使总数恰好吻合。

为什么需要它

对定时任务的监控，通常只看两件事：是否失败，以及跑了几次。这两项都抓不到的事故，是本课程的最后一块拼图。

夏令时结束的那天凌晨，本地时间 01:00 的结算会跑两次。两次都成功，所以没有失败告警。夏令时开始的那天凌晨，02:00 的结算则一次都不会跑。因为什么都没发生，所以同样没有告警。而把这两天的执行次数加起来，与预期值完全相同。统计总数的监控，在结构上就抓不到这类事故。

工作原理

问题的根源在于任务要处理的区间的命名方式。如果像“01 点结算”这样用本地时间命名，本地时间出现两次的那天，同一个名字会出现两次，而本地时间不存在的那天，一次也不会出现。如果用时刻（UTC）命名，每个名字始终只会出现一次。

调度器一侧也做出了同样的选择。Kubernetes 的 CronJob 通过 .spec.timeZone 来指定按哪个时区的时间解读调度计划（从 v1.27 起稳定），不指定时，则按 controller manager 的本地时间解读。明确写上 Etc/UTC，就与夏令时无关了。顺便一提，在调度字符串中加入 TZ 或 CRON_TZ 的做法官方并不支持，加入后创建资源会因校验错误而被拒绝。

但是，即使把时区固定为 UTC，“恰好一次”也无法得到保证。同一份文档是这样写的：CronJob 对每个调度时间点大约创建一次 Job，有时会创建出两个，有时一个也不会创建，Kubernetes 会尽量避免这种情况，但无法完全杜绝。所以文档明确要求你定义的 Job 必须是幂等的。这也是本课程的最后一句话。

重叠则由另一个旋钮来处理。.spec.concurrencyPolicy 接受三个值。

Allow    (기본) 앞 실행이 안 끝났어도 새 실행을 만든다
Forbid   앞 실행이 안 끝났으면 이번 실행을 건너뛴다
Replace  앞 실행을 새 실행으로 갈아 끼운다

该代码块中的韩文注释依次说明：Allow（默认）即使上一次执行尚未结束，也会创建新的执行；Forbid 上一次执行尚未结束时，跳过本次执行；Replace 用新的执行替换上一次执行。

此外，.spec.startingDeadlineSeconds 规定了最晚可以比预定时间晚多久开始。超过这个值仍未能开始的执行会被跳过，Kubernetes 会把它当作失败的 Job 处理。文档还另外给出两条警告：如果把这个值设得小于 10 秒，由于控制器每 10 秒检查一次，任务可能根本不会被调度；如果错过的调度超过 100 个，控制器会放弃启动。

Linux 一侧的 systemd 定时器也有同样的区分。它分为对齐挂钟时间的 OnCalendar，以及按经过时间计数的 OnUnitActiveSec 系列，前者在修改时钟后会重新计算下一次触发时间。

在现场相遇的样子

真正实现幂等性的方法，通常是运行键。构造一个能唯一指明这次执行处理的是什么的字符串，如果用这个键查到已有处理记录，就不再重复写入。选择键的标准只有一条：同一件事做两次，必须得到相同的键；不同的事，必须得到不同的键。如果把执行 ID 或开始时间这类每次执行都会变化的值放进键里，跑了两次的任务就会被当成两次都是新任务。这种错误其实最为常见。

防止重叠与幂等性是两个不同的问题，这一点也经常被混淆。防止重叠，是避免同时运行两次；幂等性，则是让即使间隔很久，第二次执行也不会造成任何损害。夏令时造成的重复相隔一小时，所以防止重叠抓不住它。反过来，前一次执行时间变长而造成的重叠，仅靠幂等性是无法避免资源竞争的。两者都需要。

最后，必须改变监控的形态。不要看执行次数，而是把预期的区间列表与实际处理的区间列表进行比对。让缺失的区间和出现两次的区间各自可见，总数就不会再互相掩盖。

这种监控还有一个更大的价值：它连与时钟无关的事故也能一并抓到。节点挂掉导致跳过了一次，部署期间调度器停摆，前一次执行耗时过长导致下一次被跳过——原因各不相同，但症状都一样，即“那个区间没有被处理”。比对区间列表的监控不追问原因，只看这一个症状。比起为每种原因单独建立告警，它用少得多的规则覆盖了更多的事故。

再把整个课程浓缩成一句话，就是：带有时间的记录不是事实，而是写下它的那台机器的主张，判定期限的代码相信这个主张，并据此决定别人的命运。所以处理时间的代码必须分清两件事：哪些只是存储、哪些只是展示；以及哪些计算依赖“现在几点”，哪些计算依赖“过了多久”。只要守住这两个区分，本课程中见到的五个事件里，就有四个不会发生。

下一项实验要做什么

在本实验中，依次阅读：用错位的时钟打上时间戳的一批日志、只留下本地时间的发送记录、同时记录了挂钟时间和单调时钟的定时器记录、带有效区间的证书，以及定期结算的执行历史。亲手测量并写下错位的大小、重叠的区间和被跳过的执行，再亲手写三个能正确处理时间的函数。评分器会根据材料重新计算这些数字并加以核对，还会直接调用你写的函数来确认其性质。