RAGFlow中task_executor.py高CPU占用问题的分析与解决

问题背景

在使用RAGFlow v0.17.2-slim版本时，用户发现系统在空闲状态下task_executor.py进程持续占用高达96%的CPU资源。这一问题在多个环境中均有复现，包括在Dell Optiplex 9020服务器和Proxmox LXC容器环境下。

问题现象分析

通过系统监控工具htop可以观察到，python3 rag/svr/task_executor.py进程在系统空闲状态下异常地维持着高CPU使用率。同时，Docker日志显示task_consumer_0不断报告心跳信息，且RedisDB.queue_info频繁抛出"no such key"异常。

深入分析task_executor.py的源代码发现，该模块中的report_status函数每30秒执行一次，包含以下CPU密集型操作：

1. 对CURRENT_TASKS进行深拷贝
2. JSON序列化操作
3. Redis数据库操作

根本原因

问题的核心在于系统初始化阶段，Redis中预期的任务队列键尚未创建，导致task_executor.py不断轮询查询不存在的键值。这种轮询机制在没有任务处理时仍然持续运行，造成了不必要的CPU资源消耗。

解决方案

经过实践验证，最有效的解决方法是完成以下操作流程：

1. 登录RAGFlow系统
2. 上传一个知识库文件
3. 创建至少一个助手
4. 进行一些聊天交互

完成这些操作后，系统会自动创建所需的Redis键，task_executor.py进程的CPU使用率会立即降至正常水平（约1%左右）。

技术原理

这一解决方案有效的根本原因在于：

• 文件解析过程会初始化Redis中的任务队列数据结构
• 创建助手会建立完整的任务处理管道
• 聊天交互触发任务执行机制，完成系统初始化

系统初始化后，task_executor.py不再需要频繁查询不存在的键，从而显著降低了CPU使用率。

版本兼容性说明

该问题不仅存在于v0.17.2-slim版本，在后续的v0.18.0-slim版本中同样存在。这表明这是一个跨版本的架构设计问题，而非特定版本的实现缺陷。

最佳实践建议

对于新部署的RAGFlow系统，建议管理员在完成基础安装后：

1. 立即创建测试知识库
2. 上传样例文档
3. 建立测试助手
4. 执行简单的问答测试

这套流程不仅能解决高CPU占用问题，还能验证系统各组件是否正常工作，是一举两得的运维实践。