Rundeck崩溃/重启后运行中作业未终止的配置方法咨询

环境信息 #

• 应用版本：Rundeck Community - v4.2.1（相关问题已存在较长时间）
• 数据库：PostgreSQL 9.6

问题表现 #

当Rundeck进程崩溃或所在服务器宕机时，崩溃前处于执行状态的作业会一直保持RUNNING状态，进入对应执行详情页会显示如下提示：

"Workflow State and Log Output is not available."

业务影响 #

处于异常运行状态的执行记录会阻塞后续作业调度执行，且无法触发对应告警。

核心疑问 #

是否存在相关配置项，可在Rundeck服务崩溃或重启时，强制将所有处于RUNNING状态的作业标记为失败？

Rundeck社区版没有提供服务崩溃/重启后自动标记残留RUNNING状态作业为失败的内置配置项，可通过以下方案实现对应需求：

• 启动前置自动清理
  编写数据库清理脚本，配置为Rundeck服务的启动前置执行逻辑，在服务进程启动前连接PostgreSQL完成残留记录清理，核心逻辑分两步：
  1. 筛选所有启动时间早于本次Rundeck服务启动时间、状态仍为RUNNING的执行记录
  2. 将筛选出的记录统一更新为FAILED状态，补充标记为系统自动清理的异常终止记录
     核心参考SQL如下：

  -- 执行更新前先查询待清理记录确认范围
  SELECT id, project, job_id, date_started FROM execution 
  WHERE status = 'RUNNING' AND date_started < (SELECT start_time FROM sys_info LIMIT 1);
  
  -- 批量更新残留记录为失败状态
  UPDATE execution 
  SET status = 'FAILED', date_completed = NOW(), aborted_by = 'system-auto-clean'
  WHERE status = 'RUNNING' AND date_started < (SELECT start_time FROM sys_info LIMIT 1);
  

  注意：执行SQL操作前务必备份execution表数据，避免误改造成数据丢失。如果是多节点集群部署，需要结合execution表的server_nodeuuid字段匹配已离线节点ID，仅清理离线节点上的残留执行，避免误标记其他正常节点上正在运行的作业。
• 作业层防阻塞配置
  对核心作业单独配置执行超时阈值，超过指定时长未完成的作业会被自动终止并标记为失败；同时打开作业并发控制规则，避免单条卡住的执行永久阻塞后续调度。
• 定时巡检兜底
  配置固定周期的巡检任务，扫描所有运行时长超过合理阈值（通常为作业配置超时时间的2倍）的RUNNING状态执行，自动标记为失败并触发告警，覆盖进程假死、脚本挂死等非宕机场景的异常卡住问题。

内容的提问来源于stack exchange，提问作者Padraig Lennon