服务器

在 Shell 脚本里用 xargs sh -c 跑命令时，你有没有遇到过这种情况：明明命令执行成功了，可整个 xargs 却报了失败退出码。或者是反过来——命令明明失败了，脚本却当作没事一样继续往下跑。这种退出码混乱的问题，十有八九是搞不清楚 sh -c 里面的退出码是怎么传出来的。今天把这个机制彻底讲清楚。 先搞清楚三层退出码 用 xargs sh -c 时，实际上涉及三个层次的退出码，别把它们混为一谈： xargs 自身的退出码：123 表示某个子命令退出码非零...

写批量脚本的时候，你有没有遇到过这种两难：并行数设低了效率上不去，设高了服务器又扛不住。用 bash 的 FIFO 加 wait -n 搭一个令牌桶，就能把这事解决得很漂亮。 什么是令牌桶？为什么它适合做并发控制 令牌桶的核心逻辑很简单：桶里有固定数量的"令牌"，每个任务启动前必须从桶里取走一个令牌，任务结束后把令牌还回去。这样同时运行的任务数量永远不会超过桶的容量。换成 bash 的说法就是：创建 N 个 FIFO，启动任务前从某个 FIFO 读一把，任务结束时往另一个...

在写bash并发脚本时，很多人会遇到这样一种困惑：明明后台任务已经执行完了，jobs 命令却仍然显示那条记录。脚本跑久了，作业表越来越长，甚至开始影响脚本行为。这到底是怎么回事？今天就来把 wait -n 相关的作业表回收机制讲清楚。 什么是bash的作业表 bash 为每个 shell 会话维护一张「作业表」（job table），用于跟踪当前 shell 中启动的所有后台任务。每启动一个后台进程，bash 就会在作业表中创建一条记录，记录内容包括：进程号（PID）、任...

写Shell脚本做批量任务的时候，有一个特别常见的头疼问题：某个任务执行着执行着就卡住了，既不成功也不退出。这时候timeout命令可以设一个上限，超时就把进程杀掉；但光杀掉还不够——我们需要的是让它超时后自动重试，而不是直接放弃。 timeout和while循环单独用各有各的局限，把它们组合起来才能实现「既不卡死、又不放弃」的理想重试模式。这篇文章讲清楚这个组合的核心思路、几种常见写法，以及实际用的时候要注意哪些坑。 为什么需要timeout + while的组合 先...

写批量任务脚本时，你可能遇到过这种情况：服务器临时挂了，一堆客户端同时检测到失败，然后——按照同一个固定间隔——在完全相同的时刻发起重试。结果不是问题解决了，而是把服务器直接冲垮了。这种现象叫重试风暴（Thundering Herd），也叫惊群效应。问题的根源不在重试逻辑本身，而在重试时机太整齐。 固定间隔为什么会引发风暴 假设100台机器同时检测到API超时，约定每隔5秒重试一次。这100台机器从同一秒开始计时，下一次重试全部发生在T+5s、T+10s……每5秒就有10...

在写批量任务脚本的时候，重试间隔到底该怎么定，是很多人都会纠结的问题。固定间隔省心，指数退避聪明，但到底哪种更适合你的场景？今天把两种策略掰开了说，结合实际脚本例子，让你看完就能选对、用对。 固定间隔重试：简单可靠的稳妥之选 固定间隔重试的逻辑很简单：每次失败之后，等同样的时间再试。比如间隔5秒，最多重试3次，那顺序就是：0s失败 → 等5秒 → 重试 → 失败 → 等5秒 → 重试 → 失败 → 等5秒 → 重试 → 最终放弃。 这种策略最大的优点是行为可预测。不管是...

你有没有遇到过这种情况：一批脚本同时跑，突然某个接口抖动了一下，结果所有脚本同时失败，又同时在第30秒、60秒、120秒发起重试——流量撞在一起，雪球越滚越大。这就是典型的「惊群效应」，也叫重试风暴（Retry Storm）。 解决思路其实很简单：给每次重试间隔加一点随机性，让大家的等待时间错开。这就是本文要讲的 jitter（随机抖动）。 为什么指数退避还不够 先看一个典型的指数退避脚本： #!/bin/bashmax_retries=5delay=2attempt...

在 Linux 和 macOS 上写 Shell 脚本时，后台任务管理是个绕不开的话题。启动一个后台进程之后，它到底在跑还是在等？关了终端会不会丢？想把任务拉回前台怎么做？这些问题的答案，全靠 bash jobs 命令和相关工具链撑起来。 这篇文章把后台任务的整个生命周期讲清楚：从启动到查看、从挂起到恢复、从转后台到彻底脱离终端，每一步都有实战代码。搞懂这些，你写出来的脚本在生产环境里才不会莫名其妙断掉。 什么是 bash 后台任务？ 默认情况下，你在终端执行的命令是前...

批量任务跑久了，总会遇到那么几次网络抖动、接口限流、临时不可用。如果一失败就放弃，要么重复造数据，要么任务白跑。其实一个成熟的自动化脚本，都离不开一套指数退避重试策略——失败后等一等再试，越挫越长的间隔，给后端喘气的时间，也给自己留条活路。 什么是指数退避？ 指数退避（Exponential Backoff）的核心逻辑很简单：每次失败后，等待时间按指数增长。第一次等 1 秒，第二次等 2 秒，第三次等 4 秒，以此类推。配合最大重试次数和最大等待时间上限，防止无限制等下去...

为什么批量任务需要超时告警 生产环境运行的Shell脚本，经常遇到这些问题： 任务卡死：网络请求无响应，进程一直挂起不退出 资源耗尽：数据库查询慢，占用大量内存不释放 连锁反应：一个任务超时，后续依赖任务全部堵塞 发现滞后：没有告警机制，问题积累到用户投诉才暴露 给脚本加上timeout超时控制、自动重试、邮件告警，能从根本上解决这些问题。 基础方案：timeout控制+简单邮件告警 最简单的做法是在脚本中嵌入timeout命令，超时后发送邮件通知。 核心代码模板 #...