关键在用有界队列+非静默拒绝策略实现变量任务串行化,物理隔离高优任务,拒绝即落库触发补偿,并通过水位监控提前干预。

变量任务执行顺序敏感,本质是业务逻辑依赖“谁先来、谁先办”——比如库存扣减、积分累加、支付状态更新,一旦乱序,就会出现超卖、少加、重复回调等问题。解决关键不在压测扩容,而在用队列机制把不确定性变成可预期的串行流。
用有界队列+非静默拒绝策略守住底线
无界队列(如默认 LinkedBlockingQueue)是生产环境隐形炸弹:内存持续增长→GC压力大→响应延迟飙升→更多请求排队→最终雪崩。必须显式设限:
- 选 ArrayBlockingQueue 或带 capacity 的 LinkedBlockingQueue,容量按「平均 TPS × 可容忍等待时长」估算(例如 100 QPS × 30 秒 = 3000)
- 拒绝策略禁用 AbortPolicy(直接丢任务),改用 CallerRunsPolicy(让提交线程自己执行)或自定义策略
- 自定义拒绝逻辑中必须记录日志:含任务类型、订单 ID、用户 ID、时间戳,字段完整才能事后比对与补偿
关键变量任务要物理隔离,不混跑
不是所有任务都该挤在一个队列里。变量任务(含状态、有时效、不可重入)必须和日志上报、埋点统计等低优任务分开:
- 为高优变量任务单独配置线程池:独立队列、独立拒绝策略、独立监控指标
- 提交前做轻量分类,例如通过枚举 TaskPriority.HIGH 或注解 @CriticalVariable 标记,自动路由到专用执行器
- 示例:支付结果通知携带 status=success,进专用队列;而用户行为日志走低优池,满即丢也不影响主链路
被拒绝不等于失败,而是进入可靠补偿起点
队列满时拒绝任务,不是终点,而是触发补偿流程的信号。重点动作是“先落库、再调度”:
- 拒绝策略中将任务参数序列化为 JSON,写入 MySQL 或 Redis(带 TTL),字段至少含:原始参数、拒绝时间、重试次数、来源线程池名
- 用独立后台任务(如 Quartz 或 Spring Scheduler)定期扫描待重试记录,按优先级和超时时间捞取
- 重试前校验幂等性(如查 DB 确认订单是否已更新),失败则递增重试次数并延长间隔,达上限转入死信表人工介入
靠水位监控提前干预,别等溢出才响应
等队列满了再处理,已经晚了。需要从使用率趋势中预判压力:
- 暴露核心指标:队列剩余容量、每分钟拒绝数、平均排队时长、活跃线程数
- 设置两级阈值告警:队列使用率 >70% 触发预警(检查消费慢因),>95% 触发严重告警(自动降级非核心任务)
- 前端配合也很重要:当后端水位升高时,前端可主动限流或提示“系统繁忙,请稍后重试”,避免请求洪峰进一步加剧堆积















