Problem Statement: Build a service/system that can support defining and running jobs on a schedule.
Requirements:
- Should be able to create jobs
- Should be able to schedule and run jobs
- Should be able to report failures and successes
- Should be reliable and have strong guarantees about its job runs
- Should be able to view logs and status of running jobs, as well as previously finished jobs
- Should be able to handle when a job takes longer to run than expected (SLA)
总结（考点与落地方案）
目标： 设计一个可横向扩展、强可靠的 任务编排 / 定时调度服务。
核心模块
- API + 鉴权：创建 / 更新 / 禁用任务，立即触发，查询运行与日志。
- 元数据存储（SQL）：保存 Job 配置、cron/ 间隔、并发策略、重试、SLA、负责人等。
- 调度器 ：时间轮或优先队列按
next_run_at扫描到期 Job；以 去重 token入队（幂等）。 - 消息队列：持久化传递任务，支持 DLQ。
- Worker 执行器 ：拉取任务、执行目标（HTTP/ 脚本 / 容器），发心跳，按 并发 / 限流 执行。
- 运行结果存储：
JobRun状态机 + 计时与指标。 - 日志系统：stdout/stderr 流存储至对象存储并索引到日志检索。
- SLA/ 超时：看门狗监控运行时长；超时则标记
TIMED_OUT并报警 / 可中断。 - 重试 / 回退 ：可配置重试次数，指数回退 + 抖动；要求任务实现 幂等。
- “准一次”执行业务语义 ：Lease+Heartbeat 防止多实例并发；若被抢占可重放，但通过任务侧幂等实现 效果上的 Exactly-once。
- 高可用：调度器主备 + 选主（etcd/ZK），Worker 无状态、跨 AZ/Region。
- 可观测性：全链路指标 / 日志 / 追踪与看板预警（SLA 违约、积压、成功率）。
- 回填与停发：支持历史回放与维护窗口。
- 安全：租户隔离、密钥保管（Vault）、RBAC。
关键点
- 以
next_run_at建索引滚动调度，入队即计算下一次触发； - Per-job 串行保证 + 全局水平扩展；
- SLA 以心跳与定时器双保险；
- 先天幂等设计（去重键 =
job_id + scheduled_at + attempt）。
适配面试延伸
- 多租户 / 配额、工作流（DAG 依赖）、任务编排（条件 / 重试分支）、区域级容灾（RPO≈0，RTO 分钟级）。
VOprep 团队长期陪同学员实战各类大厂 OA 与 VO，包括 Robinhood、Google、Amazon、Citadel、SIG 等，提供实时答案助攻、远程陪练与面试节奏提醒，帮助大家在关键时刻不卡壳。
如果你也在准备 Tiktok 或类似工程向公司，可以了解一下我们的定制助攻方案——从编程面到系统设计，全程护航上岸。
正文完
