面灵AI→

字节后端 / Agent 开发二面:每秒一万个延迟任务,提交、取消与多实例抢占怎么设计

轮次
二面
时间
2026-11
来源
牛客网

《面试题目》

  1. 每秒约一万个任务提交,怎样设计提交与取消接口?要求不直接使用成熟框架。
  2. 延迟任务的取消接口怎么实现?任务可能已经被执行进程拿走,取消成功到底怎么算?
  3. QPS 较高时怎样轮询?每次拉多少、轮询频率怎么定?
  4. 多个实例都读到同一批任务时,怎样避免重复执行?

《参考解析》

先把需求问清楚再设计。这场面试的关键动作是先反问三件事:允许晚执行多久(决定扫描粒度与批量大小)、重启后能不能丢任务(决定是否需要持久化)、取消的时效要求(决定是尽力而为还是强一致)。这三个答案直接决定存储选型:能丢就用内存时间轮,不能丢就要落库。

提交接口。任务表(或 KV)字段至少包含:task_id(客户端生成或服务端生成,用于幂等)、run_at(到期时间)、payload、status(待执行 / 执行中 / 成功 / 失败 / 已取消 / 取消中)、version、lease_until(执行租约)、retry_count。提交接口要做两件事:幂等写入(同一 task_id 重复提交返回同一条记录,用唯一索引或 INSERT ... ON CONFLICT)和可查询(返回任务 ID 供取消与查询状态)。索引建在 (status, run_at) 上,扫描只走这一条。

取消接口的核心是状态机与原子改状态。取消不能理解为「从到期索引里删掉」,因为任务可能已经被执行进程取走。正确做法是把取消做成一次条件更新:UPDATE tasks SET status='cancelled' WHERE task_id=? AND status='pending'。改成功表示任务还没开始,取消确定生效;改不动说明已被取走,此时要么把状态置为 cancel_requested,由执行方在开始前再检查一次并主动放弃,要么明确告知调用方「已开始执行,无法撤销」。cancel_requested 与 cancelled 必须区分:前者是意图,后者是结果。已经开始执行的任务,取消成功只能保证「后续步骤不再执行」,已经发生的副作用收不回来——所以对外接口要么给出「尽力取消」的语义,要么要求业务侧提供补偿。取消成功与否必须回读状态确认,不能以接口返回码为准。

抢占执行权。多个实例扫到同一批候选任务时,读到只是候选,真正执行前要抢:UPDATE tasks SET status='running', lease_until=now()+30s, version=version+1 WHERE task_id=? AND status='pending' AND version=?,影响行数为 1 才算抢到。这一步必须是一次原子更新,分成「先查再改」必然撞车。租约用于处理执行进程崩溃:执行中定期续租,租约过期后允许其他实例回收(把状态改回 pending 或标记失败重试),回收同样走条件更新并带上 version,避免和原实例互相覆盖。

轮询与批量。不要张口报一个固定间隔。做法是按到期时间批量拉取:SELECT ... WHERE status='pending' AND run_at <= now() LIMIT batch,取到后 sleep 到下一批最早到期时间(有上限,比如最多 1 秒),避免空转。批量大小由执行端处理能力和允许延迟共同决定:单实例每秒能处理 M 条,就按 M 定批大小,批太小扫描开销大、批太大一次拉太多导致延迟抖动。积压时按队列深度自适应放大批量或临时加消费者。多实例扫描同一批候选必然有竞争,用「分区扫描」(按 task_id 哈希取模分配给实例)可以把无效抢占降到最低。

避免重复执行的第二道防线是业务幂等。抢占只能保证同一时刻只有一个实例在执行;任务做完但结果还没写回时进程挂掉,重试仍可能让同一件事做两遍。所以业务处理必须用稳定的 task_id 做去重键(下游接口幂等、或写一张去重表带唯一索引),让重复请求只生效一次。回答时要把这两层分开讲:调度层保证不并发,业务层保证不重复生效。

验证方式。面试里能加分的收尾是说明怎么测:写一个小程序让「取消」和「开始执行」并发抢同一条任务,把两种先后顺序都跑一遍,检查接口返回、最终状态、副作用次数三者是否一致;再模拟执行进程被 kill,验证租约过期后的回收与幂等是否成立。