ASR项目实战-任务队列在文件转写特性中的应用

转写时长超出60秒的语音文件，业界的竞品通常会使用创建异步转写任务的方式来提供支持。
一个简单、直接的实现方案，即：

• 网关服务接收到来自客户的转写请求时，将任务信息持久化至任务队列中。
• 由算法服务的实例从任务队列中提取任务，并执行转写操作。
• 待执行完毕之后，将转写结果保存至DB中，供调用方查询。

本文主要针对介绍任务队列的要求和选型。

在语音识别的文件转写的场景下，对于任务队列的常规诉求：

1. 允许多个生产服务向队列中增加任务。
2. 允许多个消费服务从队列中提取任务。
3. 任务队列自身具备可靠性，避免自身成为影响整体系统可靠性的单点。
4. 任务队列的读、写操作，效率满足业务要求，避免成为影响整体系统效率的单点。
5. 单个任务，仅支持由一个消费服务提取和处理。
6. 消费方在处理某指定的任务时，假如超时或者失败，则要求将任务重新放回到队列中，由其它消费服务的实例完成任务的处理。
7. 消费方的实例异常重启后，该实例上当前正在处理的任务，需要重新被抓取至原实例或者新实例上，继续处理。

对于5、6，一般可以理解为任务的事务性。

关于实现任务队列的可选方案，一般有如下几种：

• Redis
• Kafka
• DB（比如MySQL）

一般而言，Kafka、Redis自身可以满足上述要求中的1、2、3、4，实现并不困难，但5、6，则存在一定的困难。
而基于DB的方案，可以很好的满足1、2、5、6，但在提供3、4时存在一定的困难。此外，当消费方的实例的数量增加时，由于需要采用轮询的方式来提取任务，可能导致DB的CPU占用率有所提升。当任务的并发度提升时，容易出现死锁的现象，或者提升DB处理数据行锁的开销。

语音识别业务中文件转写请求的特点：

• 当前的用户调用总量相对比较低。
• 同一时间，来自客户的请求的并发度比较低。
• 用户对于时延的敏感度相对比较低。
• 用户对转写任务的成功率有比较高的诉求。

综合考虑项目组当前的人力情况、技术储备情况、交付进度的要求，选择了基于DB来实现任务队列的方案。

在DB中新建任务队列表，包含如下字段：

• 任务ID，唯一标识。
• 创建时间，用于后续计算任务端到端转写时间。
• 任务结束时间，用于后续计算任务端到端转写时间。
• 任务状态，当前任务处于排队中、处理中、处理结束、失败。对于失败的任务，假如重试次数低于门限值，则需要重试。
• 锁定时间，用于确定任务是否超时，超时的任务需要重试。超时时间的定义，需要综合文件转写的实时比和语音文件自身的时长，给出恰当的定义，避免失败后等待过长的时间才能触发重试。
• 当前处理任务的实例的标识，用于确定任务当前由哪个实例在转写。当算法服务的实例重启时，可以加载本实例相关的任务，执行重试操作。
• 重试次数，系统需要提供自动重试的能力，可以规避某特定实例自身的问题导致的失败的现象，降低运维人员主动介入处理时的工作量。但不能无限制重试，需要定义重试的次数。

参考资料

• 分布式定时任务调度框架选型
• 浅谈分布式任务调度框架
• 使用 MySQL 实现任务队列
• 这些优秀的国产分布式任务调度系统，你用过几个？
• Elastic-job 介绍与使用
• elastic-job的原理简介和使用
• elasticjob