早上第一张报表是空的，没人知道夜里停在哪一步：前一晚的数一条没有，值班说页面能打开，运维说机器没报错。真正的问题在中间那段，夜里的活到底跑没跑完，谁也拿不出一句准话。票务系统的定时任务最怕这种状态，没成功也没失败，就那么悬着，第二天才被报表戳破。

票务系统看任务，先看结尾那一行

任务日志要看结尾，不看开头。开头那行只说明它起过身，结尾那行才说明它走完了；中间断掉的任务，两行之间会空出一段。完成标记要单独写一条，别指望从最后一条业务记录去推。售票系统里跑批的活不少，凡是关键任务都得有这条标记，缺了就等于没跑。失败告警配得再全，也得先有这条标记才对得上号。

一张表停在凌晨，算不算证据

数据表的最后更新时间，是第二重证据。它停在凌晨，说明写到最后一步就断了；它停在开园前，说明任务跑完了，只是报表的取数口径不对。定时任务的失败有时不报错，只把一半数据写进去就停下，表更新时间会替它说话。两处一对，才分得清是没跑，还是跑了没跑完。

失败告警不超十分钟送达，这条要落到人头上。告警发给谁，得写名字，不能只写一个群。值班先收，运维同时收，两条线都亮着，才不会出现“我以为他看到”的场面。告警里要有任务名、失败步骤和最后一条日志的时间，光写一句失败，等于让人从头再查。

重跑从哪一步起，提前写下来

失败了自动重跑还是等人点，取决于这一步能不能重复执行。取数、汇总这类可以整段重来的，自动重跑一次无妨；写凭证、发通知这类有副作用的，必须等人确认。补跑口径要提前写：从哪一步起、要不要清掉半截数据、跑完怎么验。定时任务的重跑按钮放在谁手里，也要写在口径里。

重跑要不要从头来，也是个容易被跳过的问题。数据量大的任务从头跑，往往赶不上开园；从断点续要快得多，但得先确认断点之前那批数据是完整的。补跑口径里写一句“从失败步骤续跑，先校验前序批次”，能省掉很多现场争论。售票系统的报表任务尤其如此，晚一会儿，等着进园的人就排到了门口。

晨检查法很朴素：先翻任务日志的结束那一行有没有，再看当日数据表的最后更新时间是不是停在凌晨。两处一对，是没跑还是跑了没跑完，当场就能分开，补跑须在开园前完成。连续两日如此，运维要把这几支任务列成晨检清单，逐支补上完成标记，跨月的那部分另注。票务系统的补跑口径写进值班交接，失败告警响过之后先补哪一支也有个先后。

省下的三分钟，往往在别处还回去。一种等业务发现数据不对再回头查，早班能省三分钟，代价是发现时已经开园，补都来不及。一种每天开园前扫一眼这套票务系统的定时任务看板，三分钟，停在哪一步当场就知道。失败告警响得再快，也不如这三分钟看得明白。

上游数据没到，任务空跑一趟，这一类不记故障。这一笔由运维在任务日志里写清等待时长，复核人签系统管理员。空跑也算一次执行，别把完成标记点亮了就算完；标记亮了，第二天还得手动补一轮。补跑口径里要留这一条，售票系统的换票数据晚到一会儿是常事。