自动化任务的调度与编排怎么设计：DAG 依赖、优先级抢占与资源隔离的工程实践

企业级智能体自动化平台一旦任务量上来，首先顶不住的往往不是单条流程写得好不好，而是调度与编排这层中台。几千个任务同时跑、彼此有依赖、还抢同一批机器人，调度没设计好就会死锁、雪崩、或者重要任务被排到半夜。本文结合我们在一批中大型客户现场把调度编排做稳的工程实践，把 DAG 依赖、优先级抢占、资源隔离三件事拆开讲清楚。

一、先给结论

结论是：把调度当成"依赖先理清楚、重要的事优先、资源要圈干净"三件事，而不是来一个跑一个。三件各自有机制、又能串起来，吞吐量才上得去、重要任务才不被饿死。

二、DAG 依赖：先理清楚再跑

任务之间常有先后：先取数、再核对、后推送。我们落地的是 DAG 调度：

• 每个任务声明依赖的上游，调度器按拓扑序放行，上游没成不放。
• 失败的任务只重跑自己及其下游，不连累无关分支。
• 环依赖在提交时就拦截，避免运行时死锁。

下面是一段 DAG 调度的伪代码：

某大型保险集团把客户经营编排成 DAG，累计处理约 68 万件，靠的就是依赖先理清、失败只重跑受影响分支，而不是整批重来。

三、优先级抢占：重要任务不能饿死

默认 FIFO 会让大批量低优任务堵住关键任务。我们的做法：

• 优先级队列：关键任务（如资金、合规）插队优先执行。
• 抢占式：运行中但超时的低优任务可被高优任务让路（可中断或挂起）。
• 配额：给每类业务设并发上限，避免一类把资源吃满。

下面是一段优先级调度的伪代码：

某全国性股份制银行把权限分级与操作留痕做扎实，年处理约 80 万笔仍稳，靠的就是关键操作走高优队列、不和低优批量抢。

四、资源隔离：机器人和连接要圈干净

任务抢同一批机器人或同一数据库连池，会互相拖死。我们落地的是资源隔离：

• 按业务系统划资源池，A 系统的问题不波及 B。
• 数据库连接、接口调用走配额与限流，避免打挂下游。
• 关键链路用熔断：下游异常率超阈值就快速失败，而不是一直重试把下游拖垮。

某能源化工集团把核算与报销做成常态化，凭证文本每天 1 万条、准确率 100%，背后就是资源池圈干净、下游才稳。

五、我们踩过的三个具体坑

1. 早期不画 DAG、靠人工排时序，一加依赖就乱——改成声明式依赖加拓扑排序。
2. 全 FIFO，月底结账被日常批量堵到半夜——加优先级队列与配额。
3. 不限流，一次大批量把网银接口打挂——加配额加熔断，下游才不被拖垮。

六、怎么验证这套机制真的生效

三个可量化口径：调度吞吐（单位时间内完成任务数，目标随资源线性涨）、关键任务时延（从就绪到开始执行，目标小于 5 分钟）、资源利用率（机器人忙闲比，目标大于 70% 且不饿死关键任务）。某工业互联网企业把跨系统数据审核做成常态化，每周省下约 2 人天，靠的就是调度先排好、资源先圈净。把这些做成看板，每次扩量前后对比，才知道调度有没有真扛住，而不是凭感觉。

检查清单

• 是否用 DAG 声明依赖并拓扑排序，环依赖提交时拦截
• 失败任务是否只重跑自己及下游，而非整批重来
• 是否有关键任务高优队列与配额，避免被低优批量饿死
• 是否按业务系统做了资源池隔离与下游限流熔断
• 关键任务时延与资源利用率是否做成量化看板
• 扩量前后是否对比吞吐与饿死率验证调度生效