解读

在国内一线/二线互联网公司的 PHP 面试中，Horizon 已不再是“加分项”，而是“必问项”。面试官抛出该问题，通常想验证三件事：

1. 你是否真的在生产环境用过 Horizon，而不是只跑过 demo；
2. 你能否把 Redis 队列的抽象指标翻译成业务语言，帮助产品、运维快速定位问题；
3. 你能否基于指标做容量预估与故障自愈，而不是等报警了才“拍脑袋”扩容。
   因此，回答时要“说人话”：先给指标定义，再给业务阈值，最后给落地案例。切忌背文档，否则会被追问“你们当时把 balance 从 auto 改成 simple 后，QPS 掉了 12%，为什么？”

知识点

1. Horizon 架构：Lua 脚本 + Redis 原语（zset、list、hash）实现的轻量级队列仪表盘，零额外存储依赖。
2. 指标分层：
   全局层——Jobs Per Minute、Throughput、Wait Time、Peak Load；
   队列层——吞吐量、失败率、延迟分布、内存占用、阻塞时长；
   工作进程层——Busy / Idle 比例、重启次数、CPU 抢占、内存泄漏；
   任务实例层——Runtime、Tries、Timeout、Exceptions、Retry Until。
3. 国内常用阈值（电商大促场景）：
   Wait Time > 500 ms 即触发扩容；
   失败率 > 1% 且持续 2 周期即停流量入口；
   单 Worker 内存 > 256 MB 且连续 3 周期即强制重启。
4. 关键配置：
   balance = auto 依据等待时间动态 fork；
   maxProcesses 受限于 Kubernetes 的 cgroup 最大进程数；
   tries 与 retry_after 必须大于任务最大执行时间，防止 Redis 出现“幽灵任务”。
5. 监控闭环：Horizon 指标 → Prometheus Exporter（horizon-exporter 包）→ Grafana 看板 → 阿里云 SLS 日志 → 钉钉/飞书机器人 → 自动调整 HPA 的 replicas。

答案

Horizon 提供的监控指标可拆成“快慢、多少、错重”三大维度，每个维度我都曾在生产环境落地，具体如下：

1. 快慢——Wait 与 Runtime
   Wait 时间反映队列拥堵程度，我们双 11 把“订单关闭”队列的 Wait 阈值设在 300 ms，超过即通过阿里云 ESS 横向扩容 30%。Runtime 看任务自身性能，我曾发现某退款任务 Runtime 从 1.2 s 暴涨到 8 s，最终定位是 SQL 没走到联合索引，加索引后降回 1 s。
2. 多少——Throughput、Peak Load、Memory
   Throughput 分钟级曲线可与网关 QPS 做对比，验证削峰效果。Peak Load 告诉我们“最长队列”在哪，曾发现“秒杀结果”队列峰值 20 k，远超其他队列，于是单独拆到一个 8 G 内存的 Redis 分片。Memory 指标直接决定 Kubernetes 的 resources.limits.memory，我们默认 128 MB，超过即触发 OOMKill 并自动重启。
3. 错重——Failed、Retries、Exceptions
   失败率 > 1% 立即熔断流量入口，这是公司 SRE 红线。Horizon 的 recent_failures 面板能快速定位异常方法，我们曾靠它 3 分钟锁定拼多多回调验签失败，原因是 openssl 版本升级后证书链顺序变更。Retries 次数与 retry_after 必须大于任务最大执行时间，否则会出现任务重复执行，我们规定 retry_after = max_runtime + 30 s。

借助以上指标，我们把 2023 年 618 大促的订单峰值从 8 k/s 扛到 22 k/s，队列平均等待时间仍保持在 180 ms 以内，P99 延迟 < 2 s，全年零重大故障。

拓展思考

1. 如果 Redis 是 Cluster 模式，Horizon 的 Lua 脚本会出现 CROSSSLOT 错误，如何在不改 Horizon 源码的前提下解决？
   答：给队列 key 加 {hash_tag} 强制同一 slot，例如 queues:{order}:default，同时把 horizon:metrics 也加上相同 tag，保证所有操作落在同一节点。
2. 当业务需要“优先级队列”时，Horizon 原生不支持，你会如何扩展？
   答：在 Job 类里实现 horizonTag() 方法返回 priority:high，再写自定义的 QueueManager，把 high 标签任务插到队列头部；同时给 Horizon 增加 priority 维度指标，用 Prometheus 记录 high/normal 的 Wait 时间差异。
3. 国内监管要求“日志留痕 6 个月”，Horizon 的指标只存 7 天，如何低成本合规？
   答：写一条每分钟跑的 Artisan Command，把 horizon:snapshot 落盘到阿里云 OSS（对象存储），按天分区，压缩后单文件 < 50 MB，6 个月总成本 < 30 元，查询时用 Athena 直接跑 SQL，即可在 10 s 内返回任意历史指标。