发生了什么
换电业务里,电柜是放在点位上供用户取还电池的设备。新柜子投放后要先绑定到网点,才算进入运营;没有绑定网点的柜子处于“待启用”,不参与运营统计。电柜监控页会给运营和运维一份“离线电柜”名单:长时间没有上报在线信号、并且确实在运营的柜子才算离线,需要运维跟进处置。另一种情况是整柜故障,也就是整台柜子坏掉、已经单独开了故障工单在跟进,这类柜子有单独的故障工单跟进,按现行口径不再计入离线名单。
按这个口径,一台电柜算不算离线,取决于三个条件:在线信号是否超时、当前有没有绑定网点、有没有整柜故障工单。后两个条件由别的业务动作决定,随时可能变化,所以判定和展示都应该按查询那一刻的取值来算。
这次的问题出在判定和展示的衔接上。系统在把电柜判为离线的那一刻,把“是否绑定网点”和“是否整柜故障”各查了一次,然后把结论直接写进了离线状态。之后业务侧如果把这台柜子从网点解绑,或者给它开了一张整柜故障工单,离线状态没有人回头改,监控页查询时也没有拿当前条件重新判断。于是这些柜子仍然留在离线名单里,还继续计入离线总数。业务验收时发现离线电柜数与该功能历史结果对不上,最后定位到这类状态没有跟着条件变化的柜子。
本质
不是离线判定规则算错了,而是派生状态只算了一次,来源变了没人重算。
- 离线判定程序先判断在线信号是否超时,超时后再查这台柜子有没有绑定网点、有没有整柜故障工单。
- 两个条件都满足,程序把状态写成“离线”。这一步实际上是把另外两张表的结果固化成了一个字段,存下来的只是判定那一刻的快照。
- 之后网点解绑、整柜故障工单创建,各自只改自己的业务数据,没有任何一方回头修改这条离线状态。
- 查询端直接按状态字段过滤,不再校验当前条件,名单和总数就把这些柜子多算了。导出电柜明细时如果也照着状态字段翻译标签,导出的结果会和页面一起出错。
根子上是读写两侧都默认对方会维护一致性:写的人以为条件只在此刻用一次,读的人以为状态字段永远可信。中间缺的是“条件变了要重算”这条路径。
判定的条件随时会变,判定结果却只写一次,这就是这类多算、少算的固定来源。
处理方式记录为两条:查询数据时增加“当前是否绑定网点”和“是否存在整柜故障工单”的过滤条件;下载电柜明细时按同样口径处理“离线”和“待启用”标签。这样页面和导出的结果会恢复正确,但库里那份离线状态仍是旧值,若有其它程序直接读这个状态字段,仍会拿到旧结论。是否已全量上线并验证,记录里没有说明。
错误代码
// 判定任务:在判为离线的那一刻,把两个会变的条件各查一次,结论固化进状态
void markOffline(Cabinet c) {
if (!livenessTimeout(c)) {
return;
}
// 为什么错:绑定关系和整柜故障工单之后随时会变,
// 这里只读一次就把结论写进 status,之后再没人重算
boolean bound = siteRepo.hasBinding(c.getId());
boolean wholeFault = faultRepo.existsWholeFaultOrder(c.getId());
String status = (bound && !wholeFault) ? "OFFLINE" : "ONLINE";
cabinetRepo.updateStatus(c.getId(), status);
}
// 查询端:只按状态字段过滤,不再校验条件
List<Cabinet> listOffline() {
// 为什么错:status 是旧快照,柜子可能早已解绑网点或开了整柜故障工单,
// 这里仍然当成离线返回,离线数量和名单都对不上
return cabinetRepo.selectByStatus("OFFLINE");
}
修复代码示例
// 查询时按当前条件重新判断,不只信状态字段
List<Cabinet> listOffline() {
return cabinetRepo.selectOfflineByCurrentCondition();
}
// 对应查询条件(示意):离线名单以当前绑定和整柜故障为准
// SELECT c.* FROM cabinet c
// WHERE c.status = 'OFFLINE'
// AND EXISTS (SELECT 1 FROM site_binding b WHERE b.cabinet_id = c.id)
// AND NOT EXISTS (SELECT 1 FROM fault_order f
// WHERE f.cabinet_id = c.id AND f.type = 'WHOLE_CABINET');
// 导出明细时按同一口径翻译标签,不要直接复用状态字段
String label(Cabinet c) {
if (!siteRepo.hasBinding(c.getId())) {
return "待启用"; // 未绑定网点,不参与离线统计
}
if (faultRepo.existsWholeFaultOrder(c.getId())) {
return "整柜故障"; // 已有故障工单,不重复算作离线
}
return "OFFLINE".equals(c.getStatus()) ? "离线" : "在线";
}
Cabinet 表示一台电柜;site_binding 是电柜与网点的绑定关系,解绑后查不到记录;fault_order 是故障工单表,type 为 WHOLE_CABINET 表示整柜故障。示例为脱敏教学写法,用于说明“按当前条件重算”的思路,不代表实际项目源码或已上线实现。上述做法只修正了读取侧;若要连状态字段一起修正,还需在解绑和开单动作里同步重算,并对历史数据回算一次,这部分记录中没有提到,属于可选补充,不能当作已经完成的修复。
下次遇到这些场景要警惕
- 状态字段由别的表算出来时:先把所有会改变这些条件的动作列全,包括绑定网点、解绑网点、开整柜故障工单、关闭工单,逐个确认有没有重算路径,再决定是查询时重算还是动作里同步更新。
- 要验证“离线后条件变了”的场景:造一台已判离线的柜子,分别做一次解绑和一次开整柜故障工单,然后立刻查离线名单、离线总数和导出文件,三处结果都应同步变化,不能只对页面。
- 新增过滤条件上线前:拿同一时间段的名单与该功能历史结果做一次数量比对,差异逐条查明原因,不要只看总数接近就放过。
- 页面和导出共用一套判定:分别检查列表、总数、导出三处的标签口径,确认“待启用”和“整柜故障”不会同时被算成离线。