背景

我们公司有大量的 PHP 和 Shell 脚本需要定时执行。起初使用 Linux 的 crontab 管理任务，但随着业务的增长，定时任务数量一度超过 50 个，管理成本迅速上升。

为了方便线上操作，当时在 GitHub 上找到了 lisijie/webcron 这个项目。它功能简单，能满足基本的定时任务管理需求，我们便直接投入使用。

遇到的问题

随着时间推移，我们开始遇到以下两个关键问题：

1. 日志查询影响主业务性能
   Webcron 默认使用 MySQL 存储任务和日志，与业务共用数据库。当日志量激增后，任务列表页面需要联表查询日志，页面加载时间常超过 30 秒，严重影响了主业务性能。

2. 日志数据膨胀，存储压力大

   • 部分任务执行频率高（如每 10 秒一次）；
   • 部分任务每次输出大量日志（3MB+）；
   • 日志需保留 6 个月。

例如：

如果按照此增长速度保留半年，B 项目的日志将占用约 50GB 的磁盘空间。

解决方案

我们决定重构整个定时任务管理系统，重点优化三方面：

1. 用 SQLite 替代 MySQL 存储日志

MySQL 查询开销大、影响业务，我们将日志存储迁移到 SQLite。它无需额外服务，具备完整 SQL 支持，适合做独立日志存储方案，查询性能也更可控。

2. 使用 zstd 压缩日志内容

观察日志内容后发现，大量输出存在重复格式，非常适合压缩。我们评估了几种压缩算法：

• zstd（默认级别 / L7级别）
• zstd + 自训练字典
• gzip（Go 标准库实现）

压缩对比如下：

注：

• 字典通过 zstd --train 命令生成，使用项目历史日志训练；
• 字典在不同项目中交叉使用效果不一；
• 字典需维护更新，综合考虑后未在最终方案中使用。

最终策略是：当单条日志长度 > 150 字节时启用 zstd 压缩，否则直接存储明文。读取时自动判断并解压。

3. 分月存储日志文件

为了避免单文件过大并简化清理流程，我们将日志按月分别存储，每月 1 号新建一个 SQLite 日志库文件（如 2025-08.db）。

这样带来两个好处：

• 查询范围控制在单月文件，性能更稳定；
• 清理历史数据只需删除 .db 文件即可，维护成本极低。

实际效果

经过重构后，系统在实际运行中表现稳定，存储与性能均有显著改善：

• 压缩后磁盘占用：每 10 万条日志占用约 9~10 MB；
• 查询性能：500 万条日志文件中，查询指定任务最近 20 条记录耗时 < 20ms；
• 支持字段：支持根据任务 ID、执行状态、执行时间进行高效查询。

技术实现细节

• 开发语言：Go 1.24
• 数据库引擎：GORM + SQLite（无 cgo 版本）
• 压缩库：github.com/klauspost/compress

为什么不用列式压缩？

日志是按行追加写入的，若采用列式压缩，需要额外拆分压缩、整合再写入逻辑，开发成本较高，不适合高频日志场景。因此我们采用了“逐行压缩”策略，开发上更轻量。

灵感来源与参考

本项目思路部分参考了 V2EX 上的帖子：使用 SQLite 存日志 + zstd 压缩，但实际测试中压缩比与原贴略有差异。总体来说，该方案在中小型系统中表现优异，值得借鉴。

后续优化方向

• ✅ 探索 DuckDB 替代 SQLite：支持列式存储，可能带来更高压缩比与查询性能；
• ✅ 动态字典优化：尝试用上月日志训练下月字典，实现自动演进，提高长期压缩效率；
• ✅ 分布式合并查询支持：支持跨月日志合并检索，便于追溯问题全链路。

小结

这次定时任务系统重构，核心目标是“日志系统轻量化、可维护、低资源占用”。通过 SQLite + zstd 压缩 + 分月归档的组合，我们在不依赖额外服务的前提下，成功将海量日志压缩到可控范围，并提升了查询体验。

如果你的系统也面临日志存储冗余、查询卡顿等问题，或许可以尝试这种“小数据库 + 压缩”的路线。

文章内容由两双筷子原创，使用 ChatGPT 进行排版优化。