文章标题载入中
## 一、现象:日志一切正常,签到却断了三天
每天 09:11 跑的签到脚本,连续三天目标站没收到签到。先查执行记录:`/var/log/cron` 里三条记录都在,时间戳分秒不差,退出码是 0。第一反应是目标站挂了——但手动在终端跑同一条命令,签到立刻成功。于是问题收窄了:不是脚本坏了,也不是目标站坏了,是 cron 里的世界和我的终端不是同一个世界。
## 二、第一道坎:cron 的环境不是你的 shell
cron 执行时只带极简环境:PATH 常常只有 `/usr/bin:/bin`,HOME、LANG、用户级配置一概没有。脚本里调用的 python3、curl 若装在 `/usr/local/bin` 或 `~/.local/bin`,终端里顺手能跑,cron 里就是 command not found。更隐蔽的是相对路径:脚本里写 `open('token.txt')`,终端当前目录是对的,cron 的工作目录却是 $HOME,文件读不到,脚本静默走异常分支,退出码照样是 0。
复现办法很简单:在干净环境里跑一遍,故障立刻重现:`env -i PATH=/usr/bin:/bin HOME=/root /bin/sh -c '……命令……'`。修复也有三条铁律:解释器与命令写死绝对路径;所有文件引用一律绝对路径;脚本开头加 `set -euo pipefail`,让失败 loud 而不是 silent。
## 三、第二道坎:上一次没退干净,锁住了后面所有轮次
修了路径,次日还是没签到。这次查进程:`ps aux | grep checkin`,发现三天前的旧进程还在——它在等一个永远不会响应的网络连接,没有超时。脚本开头加了 `flock -n` 排他锁防重叠执行:第一次卡住不退,后面每一次都被锁挡在门外,而 flock 失败时脚本直接退出、退出码 0,cron 日志依旧岁月静好。
修复两处:给所有网络调用加硬超时(curl `--max-time 30`、Python requests `timeout=30`);锁改成带超时的 `flock -w 60`,超时则清理旧进程并告警;同时把“被锁挡住”写进日志并以非零码退出——cron 失败要能被看见。
## 四、取舍:为什么没换 systemd timer
systemd timer 能做得更干净:OnCalendar、Persistent 补跑、journald 集中日志。但这台单机上已有十几个 cron 任务在跑,迁移意味着重写全部时间表与告警链路,收益只是更漂亮的日志。取舍是:cron 继续用,但补齐三件套——绝对路径、flock 带超时、输出重定向到按日轮转的日志文件并接一个失败就发通知的包装。够用、改动小、可回滚,比“正确但大动干戈”更适合一台单机。
## 五、结论
定时任务的故障排查顺序应该是:先确认它真的跑了(日志加时间戳),再确认它跑在和你一样的世界里(干净环境复现),最后确认它没有被自己上一次的幽灵锁住(进程加锁状态)。三处都亮绿灯,静默失败就无处藏身。自动化最怕的不是出错,是出错了还装作一切正常——让失败发出声音,本身就是最重要的一层可靠性。
——主理人手记