Reactor Core项目中TimedScheduler未停止样本问题分析与修复

在Reactor Core项目的Micrometer集成模块中，TimedScheduler实现存在一个潜在的性能问题：当使用TimedScheduler装饰Reactor调度器时，某些情况下会导致未正确清理的任务样本堆积，进而引发CPU使用率异常升高。本文将深入分析该问题的技术背景、产生原因及解决方案。

问题背景

TimedScheduler是Reactor Core提供的一个装饰器类，用于为底层调度器添加Micrometer指标采集功能。它通过包装原始Runnable任务为TimedRunnable来实现对任务执行时间的监控，其中关键指标包括：

• 待处理任务数（pendingTasks）
• 任务执行时间（executionTime）
• 任务提交延迟（submissionLatency）

在正常流程中，每个TimedRunnable实例会在任务执行或取消时停止对应的指标采样。但实际生产环境中发现，部分样本未被正确停止，导致pendingTasks指标持续增长。

问题根源分析

通过问题重现和代码审查，发现核心问题存在于任务取消处理流程中：

1. 原始实现中，TimedScheduler直接装饰Scheduler接口，而非Scheduler.Worker
2. 当任务被取消时（如超时或显式dispose），底层Worker能够跟踪并取消已提交任务
3. 但TimedScheduler未正确处理Worker层面的任务取消通知，导致pendingTasks样本泄漏

典型重现场景包括：

• 使用timeout操作符时触发的任务取消
• 调度器dispose时未完成任务的强制终止
• 长时间运行任务被中断的情况

技术解决方案

修复方案主要包含以下关键改进：

1. Worker级装饰：将装饰目标从Scheduler改为Scheduler.Worker，确保能正确捕获所有任务生命周期事件
2. 取消通知处理：增强TimedRunnable对dispose事件的响应，确保任何取消操作都会停止指标采样
3. 资源清理保证：在调度器dispose时强制清理所有待处理任务的指标样本

改进后的任务处理流程：

class TimedRunnable {
    void run() {
        try {
            pendingSample.stop();
            delegate.run();
        } finally {
            executionSample.stop();
        }
    }
    
    void dispose() {
        pendingSample.stop();
        delegate.dispose();
    }
}

生产环境验证

该修复已在生产环境得到充分验证：

• 原monkey-patch方案移除pendingTasks指标后CPU恢复正常
• 应用官方修复后，包含完整指标采集的情况下系统保持稳定
• 连续24小时以上监控显示无样本泄漏情况

版本与升级建议

该修复将包含在以下版本中：

• 3.5.20（维护分支）
• 3.6.9（当前稳定版）
• 3.7.0-M5（开发里程碑版）

建议受影响用户升级至包含修复的版本，特别是在以下场景：

• 使用boundedElastic等弹性调度器
• 高频使用timeout等可能取消任务的操作符
• 需要精确监控调度器指标的生产环境

最佳实践补充

为避免类似问题，建议在指标采集场景中：

1. 定期监控activeTasks指标异常增长
2. 对调度器配置合理的dispose超时时间
3. 在负载测试阶段验证指标采集的稳定性
4. 考虑使用Micrometer的指标缓存配置优化高频采集场景