用户反馈某笔任务失败，6 台 worker 上按时间 grep 出 4000 多行，没有一行能确认属于这个 task_id，排查花了 3 小时。日志里能对上时间点，这种反而好排。
日志格式里只有时间和消息，任务 id 存在上下文里但没有打进日志。多进程并发写同一个文件，行与行之间也交错。这一点先确认清楚，后面就不用反复试。
grep 'task_id=2f1c9a' /var/log/app/*.log zgrep -h 'task_id=2f1c9a' /var/log/app/*.gz
围绕「任务日志追踪」排查时，命令行跑一遍比在面板里点十次有用，面板会替你做掉不少隐式操作。偶发问题先统计频率，一小时几次和一天一次，查法完全不同。
改完顺手把文档补一句，省得下次自己重新推一遍。监控和日志的时间要对上，时区不一致会多绕很大一圈。
处理上按这个顺序：在日志格式里加 task_id 和 worker 名两个字段 用 filter 自动注入；任务入口和出口各打一条带状态的日志；日志按天切分并集中到一处 用 task_id 检索；出问题时先按 task_id 拉全链路 再看耗时断点。
结果对不对很好判断，随便挑一个 task_id 能在一条命令里取到该任务的完整日志 行数在 5 行以内。