Spring Boot Cron Job本地正常但Kubernetes Pod中不运行如何排查

现有Spring Boot定时任务配置如下：

@Scheduled(cron = "* */10 * * * *", zone = "IST")
@SchedulerLock(name = "<cron_name>", lockAtLeastFor = "4H", lockAtMostFor = "4H")

本地环境运行正常，部署到Kubernetes Pod后任务突然停止执行，以下是按优先级排序的排查路径：

这是分布式定时任务在容器环境停跑的最高频原因：

• 核对锁配置和任务触发逻辑的匹配性
  • 当前lockAtLeastFor = "4H"、lockAtMostFor = "4H"意味着实例拿到锁后，至少4小时内不会释放锁，实例异常下线后锁也需要4小时才会自动过期。如果你的任务实际执行时间仅为秒级/分钟级，这个配置明显不合理：第一次任务触发拿到锁后，后续每10分钟的触发周期都会因为拿不到锁直接跳过；如果持锁Pod被重启/驱逐，剩余副本要等4小时才能重新拿到锁，看起来就像任务完全停了。本地环境如果用内存作为锁存储，应用重启后锁状态直接清空，不会暴露这个问题。
  • 注意当前cron表达式存在逻辑错误：6位Spring cron表达式第一位是秒，* */10 * * * *代表每到整10分钟的那1分钟内，每秒触发1次任务。如果预期是每10分钟执行一次，需要把秒位设为0，即0 */10 * * * *。
• 检查锁存储的状态
  如果你用JDBC、Redis、MongoDB等外部存储作为ShedLock的锁介质，直接查询<cron_name>对应的锁记录：
  • 看lock_until字段是否一直为未来很久的时间、locked_by字段对应的实例是否已经下线，如果是说明锁未正常释放
  • 检查应用到锁存储的连接是否正常：连接池耗尽、网络策略拦截、鉴权过期都会导致ShedLock拿锁失败，默认拿锁失败会直接跳过任务，不会抛出阻断性异常，很容易被忽略。

• 检查Pod重启与驱逐记录
  执行kubectl describe pod <你的Pod名称> -n <业务命名空间>，查看Restart Count、Last State字段，确认任务停止的时间点和Pod因OOMKilled、存活探针失败、节点驱逐重启的时间是否吻合。
• 检查Pod时区配置
  部分精简基础镜像（比如未安装tzdata的alpine镜像）没有完整的时区数据库，无法识别IST时区，会导致cron触发时间计算完全异常。可以进入Pod执行date命令查看当前时间是否符合预期，执行ls /usr/share/zoneinfo/IST确认时区文件是否存在。
• 检查网络与权限配置
  确认Pod内应用访问数据库、Redis、下游服务的网络策略是否正常，有没有因为ServiceAccount权限不足、安全组拦截导致任务执行链路阻塞。

• 检查定时任务线程池状态
  Spring Boot默认的定时任务线程池只有1个核心线程，如果任务逻辑里有阻塞操作（比如慢SQL、下游接口超时无返回、死循环），会把唯一的工作线程占死，后续所有定时任务都无法执行。本地环境没有流量压力、调用链路短，很难触发这个问题。
  建议自定义定时任务线程池配置，参考代码：

  @Bean
  public TaskScheduler taskScheduler() {
      ThreadPoolTaskScheduler taskScheduler = new ThreadPoolTaskScheduler();
      taskScheduler.setPoolSize(5); // 线程数大于等于定时任务总数量即可
      taskScheduler.setThreadNamePrefix("scheduled-task-");
      taskScheduler.setWaitForTasksToCompleteOnShutdown(true);
      taskScheduler.setAwaitTerminationSeconds(60);
      return taskScheduler;
  }
  

• 开启调度模块DEBUG日志定位执行链路
  在application配置文件中添加以下配置，重启后观察日志中每次cron触发时的锁获取、任务提交、执行完成/报错记录，直接定位断点位置：

  logging:
    level:
      org.springframework.scheduling: DEBUG
      net.javacrumbs.shedlock: DEBUG
  

• 检查任务逻辑的异常处理
  如果任务方法内部用catch块吞掉了所有异常且没有打印日志，出现空指针、配置缺失、数据异常等问题时任务执行失败但无任何报错，表现就是任务突然停跑。本地测试数据规范、权限全开，很难触发这类边界异常。

内容的提问来源于stack exchange，提问作者Demetra