去年我统计过自己处理cron故障的时间：平均每次"小问题"消耗2.3小时，全年47小时。这个数字让我愣了一下——相当于整整6个工作日，全花在给过去的自己擦屁股上。
程序员圈子里有个默契：临时文件没删、日志爆掉、脚本换个目录就罢工——这些都不算真bug。就像家里抽屉里缠成一团的充电线，你明知道它在那，但总有更急的事。
直到我开始记录时间成本，才发现这个账算反了。
两个实验组：拖延派 vs 立即修
我把自己过去两年的cron维护拆成两类场景。第一类是"先放着"：发现脚本有瑕疵，但功能正常，标记为"下次重构时一起处理"。第二类是"当场修"：哪怕只改三行，也立即动手。
拖延派的前三个月很舒服。我节省了17次"打断当前工作"的上下文切换，每次平均省8分钟。但第4个月开始，账单来了。
一个备份脚本因为没加目录检查，在cron环境下跑了半年，输出文件全写进了根目录。我发现时，/var/log已经膨胀到需要专门清理。更麻烦的是，部分备份文件被后续脚本覆盖，数据完整性成了谜。
另一个监控任务失败时不会报错，只是静默跳过。我直到查看季度报表时才发现，过去11周里有3周的数据是空的。补数据花了6小时，解释为什么"系统没报警"又花了2小时。
这些都不是设计缺陷。全是"下次再修"清单上的条目。
立即修的那组数据完全不同。前三个月看起来"效率更低"——我花了23次碎片时间处理小问题，累计4.7小时。但后续维护时间趋近于零。
最直观的对比：两组脚本在一年后，平均故障恢复时间相差11倍。
为什么"小毛病"会复利增长
cron作业有个特点：它不说话。你手动跑脚本时，当前目录、环境变量、输出重定向都是透明的。但cron是个黑盒，它用最小环境执行命令，然后把结果塞进邮件或日志。
这个特性放大了所有"小瑕疵"。
相对路径是最典型的陷阱。我在本地测试时站在脚本所在目录，./config.ini能正常读取。cron从/etc/cron.d出发，同样的路径指向的是另一个文件——或者空。
更隐蔽的是错误处理。shell脚本默认"失败继续"，除非显式声明。一个管道命令中间出错，最终状态码可能是0，因为最后一个命令成功了。你的备份脚本"完成"了，但中间某一步已经丢了数据。
日志问题则是慢性毒药。我有过一个任务每天追加写入同一个文件，没做轮转。一年后这个文件达到14GB，grep需要90秒才能返回结果。排查问题时，我在等grep的过程里刷了27分钟手机。
这些设计在初期都是"可以接受的"。它们不会立即崩溃，只是偶尔行为异常、偶尔需要手动干预、偶尔让你怀疑自己的记忆。
但cron不会给你反馈。它不会说"这周我失败了两次"，也不会说"你的日志让我很难堪"。它只是执行，然后沉默。
沉默让问题隐形，隐形让问题堆积。
我现在的"无聊清单"
停止等待大规模重构后，我建立了一套最小干预规则。不追求优雅，只追求诚实。
第一条是shell脚本的头部三件套：
set -euo pipefail
e表示命令失败立即退出，u表示未定义变量报错，pipefail让管道中任一命令失败都能被捕获。这三行不会让你的脚本更聪明，但会让它停止撒谎。
第二条是清理的绑定机制。不再相信"脚本最后会删临时文件"，而是用trap把清理挂到退出信号：
TMP_DIR="$(mktemp -d)" cleanup() { rm -rf "$TMP_DIR"; } trap cleanup EXIT
即使脚本中途崩溃，EXIT信号仍会触发清理。这个模式我复制了23次，零额外故障。
第三条是路径的绝对化。所有脚本开头定义BASE_DIR，所有文件操作基于它展开。相对路径只在交互式场景使用，自动化任务里禁绝。
第四条是日志的克制。每条记录包含时间戳、任务名、状态、关键指标，仅此而已。拒绝把日志当调试器用，拒绝printf式开发。
这些改动没有任何一项值得发技术博客。它们太基础、太乏味、太像"正确的废话"。
但它们的共同点是：一次性修复，永久性收益。不需要记忆，不需要上下文，不需要"等我有空"。
时间账本的真相
我重新核算了那47小时的去向。真正用于"修复"的时间只占31%，剩下69%花在：定位问题（哪个脚本？哪次运行？）、恢复数据（从哪备份？覆盖范围？）、解释现状（为什么监控没报警？）。
换句话说，拖延节省的是"写代码的时间"，透支的是"当侦探的时间"。前者单价低，后者单价高，且不可预测。
有个细节让我印象深刻。那个14GB日志文件的排查，我花了4小时。而添加logrotate配置只需要6分钟。比例是40:1。
这不是技术债的比喻，这是 literal 的债务利息。
现在我对待cron作业的态度变了。不再评估"这个问题有多严重"，而是问"修复它需要多久"。如果答案小于15分钟，立即执行。这个阈值基于一个简单的观察：任何需要"记下来以后处理"的问题，实际消耗的时间至少是预估的3倍——因为你要重新进入上下文。
同事问我为什么不把这些经验写成工具库。我想过，但拒绝了。这些不是可以抽象的模式，它们是纪律。工具可以生成set -euo pipefail，但没法生成"看到就改"的习惯。
那个全年47小时的数字，我现在更新到了8小时。降幅83%，但剩下的8小时仍然让我不舒服——它们属于遗留系统，属于我无法立即替换的第三方依赖。
上周有个新同事问我，怎么判断一个cron作业是"健康"的。我说了个粗糙的标准：如果你三个月没碰过它，还能在30秒内说出它的输入、输出、失败时的行为，那它就是健康的。否则，它只是在假装工作。
热门跟贴