Apache DolphinScheduler 警报状态统计异常问题分析

问题背景

在Apache DolphinScheduler 3.3.0开发版本中，发现了一个关于警报发送状态统计的严重问题。当警报发送后，无论实际发送行为如何，系统记录的警报状态始终显示为"PartialSuccess"(部分成功)。这导致管理员无法准确了解警报发送的真实情况，影响了系统的监控和告警功能。

问题根源

经过分析，问题出在警报状态统计的代码实现上。原始代码使用了map()方法将AlertSendStatus流转换为Boolean流，然后进行计数。这种实现方式存在逻辑错误，导致无论警报发送成功还是失败，统计结果都不准确。

错误代码示例：

long failureCount = alertSendStatuses.stream()
     .map(alertSendStatus -> alertSendStatus.getSendStatus() == AlertStatus.EXECUTION_FAILURE)
     .count();
long successCount = alertSendStatuses.stream()
    .map(alertSendStatus -> alertSendStatus.getSendStatus() == AlertStatus.EXECUTION_SUCCESS)
    .count();

技术分析

1. 流处理误用：代码错误地使用了map()方法，该方法会将每个元素转换为另一个值，而不是进行过滤。这导致计数结果实际上是原始流中元素的总数，而不是符合条件的元素数量。

2. 正确实现方式：应该使用filter()方法来筛选符合条件的元素，然后再进行计数。filter()会保留满足条件的元素，过滤掉不满足条件的元素。

3. 状态枚举：AlertStatus枚举定义了多种状态，包括EXECUTION_SUCCESS(执行成功)、EXECUTION_FAILURE(执行失败)和EXECUTION_PARTIAL_SUCCESS(部分成功)等。正确的统计应该反映这些状态的实际分布。

解决方案

正确的实现应该改为使用filter()方法：

long failureCount = alertSendStatuses.stream()
     .filter(alertSendStatus -> alertSendStatus.getSendStatus() == AlertStatus.EXECUTION_FAILURE)
     .count();
long successCount = alertSendStatuses.stream()
    .filter(alertSendStatus -> alertSendStatus.getSendStatus() == AlertStatus.EXECUTION_SUCCESS)
    .count();

这种实现能够准确统计成功和失败的警报发送次数，从而正确计算最终的状态是成功、失败还是部分成功。

影响范围

该问题会影响所有使用警报功能的场景，包括：

• 工作流执行失败时的自动告警
• 自定义的监控告警
• 系统事件通知

错误的统计结果会导致管理员无法准确判断警报是否成功发送，可能错过重要的系统告警。

测试建议

为了确保修复的可靠性，建议添加以下测试：

1. 单元测试：验证统计逻辑在各种情况下的正确性
2. 集成测试：模拟实际警报发送场景，验证端到端的功能
3. 边界测试：测试无警报、全部成功、全部失败等边界情况

总结

Apache DolphinScheduler作为一款优秀的分布式工作流任务调度系统，其警报功能对于系统运维至关重要。本次发现的警报状态统计问题虽然代码改动不大，但影响面较广。通过正确使用Java流式处理的filter()方法，可以准确统计警报发送状态，确保系统监控的可靠性。这也提醒开发者在处理集合统计时，要仔细选择适当的流操作方法。