后台作业队列卡住了？重启 Node worker 之前我会检查什么

上个月我负责一个小型的内部管理应用的值班工作，支持团队联系我，说客户导出的文件没有显示。UI 上只显示"已排队（queued）"，所以 Slack 里的第一个建议就是重启 Node worker。我以前这样做过，重启后确实能管用十分钟，但这通常掩盖了真正的问题。 我首先没有去看总数，而是按状态拆分了队列。在 BullMQ 中，waiting（等待中）、active（执行中）、delayed（延迟中）、failed（失败）和 stalled（停滞）代表着完全不同的含义。这些作业并没有真正卡在等待中。它们大多数处于延迟状态，且退避（backoff）值在不断增加。CPU 使用率很低，Redis 内存看起来正常，worker 进程也在正常发送心跳，所以盲目重启并不能解决什么问题。 接下来的检查是查看作业负载以及第一次失败前后的 worker 日志。下游供应商的 API 在其批处理窗口期间开始返回…