RiverQueue项目中多队列任务调度与清理机制实践

背景介绍

RiverQueue是一个基于PostgreSQL的任务队列系统，它允许开发者构建复杂的分布式任务处理系统。在实际生产环境中，我们经常需要处理这样的场景：一个主任务执行完成后，需要安排后续的清理任务在特定时间执行。本文将详细介绍如何在RiverQueue中实现这种主任务与延时清理任务的协同工作。

系统架构设计

在本文介绍的实现中，系统采用了双队列架构：

1. 默认队列：处理主要的任务分配和资源调度工作
2. 取消队列：专门处理后续的清理和取消操作

这种设计将不同性质的任务隔离到不同的队列中，既保证了系统的清晰性，又能针对不同类型的任务设置不同的并发策略。

实现细节

队列初始化

系统初始化时，我们创建了两个队列并配置了各自的Worker数量：

riverClient, err := river.NewClient(riverpgxv5.New(dbPool), &river.Config{
    Logger: slog.New(&slogutil.SlogMessageOnlyHandler{Level: slog.LevelWarn}),
    Queues: map[string]river.QueueConfig{
        river.QueueDefault: {MaxWorkers: queueMaxWorkers},
        "cancel_queue": {MaxWorkers: queueMaxWorkers},
    },
    Workers: workers,
})

Worker注册

系统注册了两种Worker类型：

1. JobWorker：处理主要的任务调度工作
2. CleanupWorker：处理后续的清理工作

func (EasyBackfill) AddWorkers(workers *river.Workers) {
    river.AddWorker(workers, &work.JobWorker{})
    river.AddWorker(workers, &work.CleanupWorker{})
}

任务链式调用

在主任务(JobWorker)执行完成后，它会安排一个延时执行的清理任务：

func (w JobWorker) Work(ctx context.Context, job *river.Job[JobArgs]) error {
    // 主任务处理逻辑...
    return SubmitCleanup(ctx, pool, 10, int64(fluxID), true, []string{})
}

清理任务提交

清理任务的提交函数展示了如何在RiverQueue中安排延时任务：

func SubmitCleanup(
    ctx context.Context,
    pool *pgxpool.Pool,
    seconds int32,
    fluxID int64,
    inKubernetes bool,
    tags []string,
) error {
    client, err := river.ClientFromContextSafely[pgx.Tx](ctx)
    // 错误处理...
    
    // 计算任务执行时间
    now := time.Now()
    scheduledAt := now.Add(time.Second * time.Duration(seconds))

    insertOpts := river.InsertOpts{
        MaxAttempts: defaults.MaxAttempts,
        Tags:        tags,
        Queue:       "cancel_queue",  // 关键点：指定正确的队列名称
        ScheduledAt: scheduledAt,
    }
    // 插入任务到指定队列...
}

关键问题与解决方案

在实际实现中，开发者可能会遇到清理任务没有按预期执行的情况。这通常是由于以下原因造成的：

1. 队列名称不匹配：在任务提交时指定的队列名称必须与初始化时配置的队列名称完全一致
2. Worker注册遗漏：确保所有类型的Worker都已正确注册
3. 时间计算错误：延时任务的时间计算需要准确

在本文案例中，问题出在队列名称不一致上：初始化时配置的是"cancel_queue"，但提交任务时错误地使用了"cleanup_queue"。这种细微的差别会导致任务被提交到不存在的队列中，从而无法被执行。

最佳实践

1. 队列命名：保持队列命名一致，可以考虑使用常量或枚举来管理队列名称
2. 日志记录：在任务提交和执行的关键节点添加日志，便于问题排查
3. 错误处理：对ClientFromContextSafely等关键操作进行完善的错误处理
4. 事务管理：确保任务提交过程中的事务正确处理

总结

RiverQueue提供了灵活的任务队列管理能力，通过合理设计队列结构和任务链，可以实现复杂的任务调度场景。本文介绍的多队列协作模式适用于需要后续清理或回调的业务场景，如资源预定系统、定时任务系统等。关键在于确保队列配置、Worker注册和任务提交各环节的一致性，并通过完善的日志和错误处理机制保证系统可靠性。

通过这种设计，开发者可以构建出既清晰又可扩展的任务处理系统，满足各种复杂的业务需求。