Apache DolphinScheduler 任务组资源被长时间占用时，怎样让系统自动回收槽位？

Apache DolphinScheduler 本身并没有针对任务组槽位设计"超时强制回收"的功能；它的"自动回收"机制其实是一致性纠正 + 正常释放 + 强制启动三种手段的组合，全部由 TaskGroupCoordinator 后台线程周期性执行完成。

如果要解决任务组资源被长时间占用时，想要让系统自动回收槽位，你可以利用 dealWithForceStartTaskGroupQueue 的强制启动逻辑，或者通过监控 amendTaskGroupUseSize 的纠正机制来间接实现"长时间占用后自动放行"的效果。

深度解析

1. 核心组件：TaskGroupCoordinator

TaskGroupCoordinator 是 Master 端管理任务组槽位的核心组件，实现了 ITaskGroupCoordinator 接口 。它启动一个专用守护线程 TaskGroupCoordinator-Thread，每 5 秒轮询一次，依次执行 4 个关键步骤：

2. 接口设计说明了槽位生命周期

ITaskGroupCoordinator 的类注释清楚地说明了槽位获取/释放的语义：任务实例需要任务组时调用 acquireTaskGroupSlot（非阻塞，只是入队等待），任务完成后调用 releaseTaskGroupSlot 释放槽位。

3. "回收"的第一层含义：正常释放与唤醒

正常情况下，任务实例结束时会调用 releaseTaskGroupSlot，其内部通过 deleteTaskGroupQueueSlot 从队列删除记录、释放槽位。释放后，后台线程的 dealWithWaitingTaskGroupQueue 会扫描每个未满的任务组，按优先级取出等待队列中的任务，尝试原子性地 acquireTaskGroupSlot 数据库更新，成功后通过 RPC notifyWaitingTaskInstance 唤醒等待的 Master 上的任务实例。

若通知过程失败（例如目标 WorkflowInstance 已经 failover、host 为空，或任务状态已经不是 SUBMITTED_SUCCESS），notifyWaitingTaskInstance 会抛出 UnsupportedOperationException，这时会直接调用 deleteTaskGroupQueueSlot 释放该无效占用的队列记录，防止槽位被"僵尸"任务长期占用。

4. "回收"的第二层含义：强制启动 (Force Start)

当运维人员在页面上手动点击"强制启动"时，对应的 TaskGroupQueue 记录会被标记 forceStart = YES。后台线程的 dealWithForceStartTaskGroupQueue 会专门查询这些记录，无视资源池上限，直接唤醒对应任务并从队列中删除 。这是目前系统提供的唯一的人工/半自动"强制回收"入口——本质上是绕过槽位限制而不是真正"回收"被占用的槽位。

5. 是否存在"长时间占用自动超时释放"机制？

amendTaskGroupUseSize 和 amendTaskGroupQueueStatus 这两步从命名上看是做"纠正"（use_size 与实际队列数量对齐、队列状态修正），属于数据一致性维护，而非"占用超时后强制踢出"。若你需要自动超时回收，目前只能：

1. 依赖任务本身的超时策略（Task Timeout / 容错机制）让长时间运行的任务本身被杀掉，从而触发 releaseTaskGroupSlot 正常释放；
2. 或利用页面上的"强制启动"功能人工介入，对应 dealWithForceStartTaskGroupQueue。

6. 实操建议

• 查看当前占用情况：任务组管理页面 -> 查看队列，对应文档中的 View Task Group Queue 章节。
• 数据库层排查：可以直接查询 t_ds_task_group_queue 表，利用 queryTheHighestPriorityTasks（按优先级取队首）或 queryByTaskId 这类 mapper SQL 定位长期处于 WAIT_QUEUE 或 ACQUIRE_SUCCESS 但对应任务已经异常结束的记录。
• 手动强制回收：对确认为"僵尸占用"的记录，可通过页面强制启动按钮触发 dealWithForceStartTaskGroupQueue 流程，将其从队列中删除并释放槽位。
• 架构层面理解并发控制：任务组功能只对 Worker 执行的任务生效，Master 执行的节点（switch、condition、sub_workflow）不受任务组限制，这点在评估"占用"来源时需要排除。

Notes

• 目前的"自动回收"更准确地说是"状态一致性纠正 + 正常释放通知失败时兜底删除"，并非严格意义上的"占用超时强制抢占"，请注意这与常见资源池（如连接池、线程池）中的 idle-timeout 回收机制不同。
• TaskGroupQueueMapper.xml 中的 updateInQueueLimit1、updateInQueueCAS 等 SQL 展示了槽位状态更新采用 CAS 方式保证并发安全，但这些细节偏底层实现，与"长时间占用回收"主题关系较弱，仅供了解并发控制方式参考。