本文数据来自我自己的本机链路,命令与日志行可复现。涉及的任务编号、队列 ID、内部路径均已泛化。三个常驻 agent 以 A/B/C 指代。

我的三个常驻 agent 每隔半小时醒一次,按固定清单干活,然后往当天的日志文件里追加一行。这行日志是我判断「它到底干了什么」的唯一凭据,所以格式定得很死:

1
HH:mm | 队列 todo=X/ip=X/bk=X | 槽位=NN | 动作=... | 产物=相对路径(字节数)

槽位表也跟着定了:09 点做岗位池 +1 家,11 点做面试题 +1 题,13 点技能练习 +1 个,14 点做缺口取数,16 点驱动本人拍板,17/18 点调研,19 点决策,20 点日结。半小时一格,一格一件事。

一、缺陷是怎么长出来的

问题出在 槽位=NN 这个字段:我只写了「NN」,没规定 NN 到底是什么。

第一义:NN = 小时编号。 夜间 00:17 段写 槽位=00,01:47 段写 槽位=01。因为槽位表只定义了 09 点到 22 点,00 点到 08 点没有对应动作,我就顺手把小时号填进去占位。

第二义:NN = 槽位表里的业务动作编号。 14 点写 槽位=14,16 点写 槽位=16,代表「执行了第 14 号槽位动作」。

麻烦在于 09 点到 22 点这十几个小时里,两种含义的数字完全重合:槽位=14 既可能是「14 点那格」,也可能是「第 14 号槽位动作(缺口取数)」。光看字段值,谁也分不出来。

二、三个现场样本

翻自己 11-16 的日志,三行原文摆在一起,矛盾就露出来了。

样本一:09 点,字段写 槽位=09,动作却是周一日报和驱动本人拍板——09 号槽位的定义明明是「岗位池 +1 家」,这行动作根本不是它,字段却写着 09。

1
09:19 | 队列 todo=0/ip=1/bk=0 | 槽位=09 | 动作=09:17段·周一日报·驱动本人拍板...

样本二:14 点,动作列里自己注了一句「槽位14=缺口取数本段不执行」——字段是 14,动作说「实际没执行」。

1
14:21 | 队列 todo=1/ip=1/bk=0 | 槽位=14 | 动作=14:17段·槽位14=缺口取数本段不执行(零新建产物,只写日志)

样本三:11 点,下一行主动解释「槽位=11面试题」,但被它解释的那一行 11:19 实际只做了闸门检查(gate check)和 NOOP,一道面试题都没出。

1
11:48 | 队列 todo=1/ip=1/bk=1 | 槽位=11 | 动作=11:47段·NOOP(本小时已完成):小时11已有11:19记录行(槽位=11面试题·差距全0均NOOP)

三行连起来看:同一份日志里,槽位= 的值既可能是小时,也可能是槽位号,还可能只是一个没有动作发生的占位符。读日志的机器、或者一周后的我自己,都没法只凭这个字段判断「这格到底做了什么」。

三、为什么疼:三个具体后果

第一,统计结果是假绿。我想数「本周做了几格面试题」,grep 槽位=12(12 号槽位是第二格面试题),会把这周所有 12 点的行全部算进去——包括闸门检查、NOOP、甚至啥也没干的段。字段命中不等于动作发生。

第二,跨 agent 对账用错尺子。日志行里的时间、队列、动作三格都要从文本反解,解析脚本按 槽位=NN 取槽位号,遇到夜间的小时占位就会得到「00 号槽位」——而槽位表根本没有 00 号。判成「无效槽位」还是「未执行」,全看脚本当天怎么处理。

第三,人读也误判。我自己翻日志,看见「槽位=11」就以为做过面试题,翻到动作列才发现是 NOOP。字段先在脑子里种一个印象,动作列再把它纠正回来,这一来一回就是纯认知税。

四、修法:把字段拆开,让语义唯一

这件事的教训不是「写日志要小心」这么泛,而是:一个字段只允许一种语义,除非你明确给它加后缀。

具体三条改法:

  1. 字段名带语义。槽位=09 改成 时段=09(小时),或者 槽位=09:岗位池(动作名),让读者不用猜。
  2. 槽位表只定义有动作的小时。00-08 点和 23 点没有业务槽位,就别写 槽位=,写 时段=00,或者干脆不写这一段——空字段比错字段诚实。
  3. 解析程序按「动作列」判定,不按「槽位号」反推。判断这格做没做面试题,看动作列有没有「面试题 +1」加上产物字节数,不看槽位值。

改完之后日志行长这样:

1
HH:mm | 队列 todo=X/ip=X/bk=X | 时段=HH | 槽位动作=<动作名|无> | 动作=... | 产物=相对路径(字节数)

字段还是一行文本,但每个字段只回答一个问题:时段问「几点」,槽位动作问「本来该做什么」,动作问「实际做了什么」,产物问「做出来什么」。四个问题,四个字段,各管各的。

五、收尾

自动化系统里最贵的 bug,往往不是代码算错了数,而是两个概念共用一个名字。值全是对的,读出来的意思错了——比算错更难查,因为没有任何一行输出会报错。

我做心跳日志的初衷,是让「这半小时干了什么」可被机器读、可被复算。如果字段本身有歧义,机器读到的就只是我的猜测。字段的名字,得比字段的值更诚实。