24小时跑批时间雨：我把采样戳、分母、批次ID塞进一个事务，返工率降到8%

先说结论：GEO快速试错没问题，但快的前提是口径不返工。之前我们按小时切批次，采样戳和分母分开写，结果同一批数据里，采样时标是10:03，分母却是10:07落库的，中间那4分钟里AI答案已经换了。返工率一度飙到三成。

场景：跑一个问句池的小时级实验，每个批次要记录采样时间、分母（有效回答数）、批次ID。原来的流程是：先抓答案，打采样戳，再异步写分母和批次ID。问题就出在异步——一月份有一次，批次ID写重了，两个小时的数混在一起，我们拿着混过的数开了两次复盘会。

判断依据：我翻了连续七天的日志，发现采样戳和分母落库的时间差超过2分钟时，该批次的数据可信度下降17%。后来我们做了个对照：把采样戳、分母、批次ID锁进同一个数据库事务，要么全写要么全不写。返工率从30%掉到8%。

踩坑细节：1）分母去重一定要在事务里做，别在聚合查询时再distinct，那样你锁不住“当时”的分母；2）采样戳必须用服务器时间，别用客户端时间，客户端时区一错，整个批次就废了；3）批次ID用“日期+小时+问句池版本号”拼接，别用自增ID，自增ID在回滚时会跳号，事后对不上。

快速迭代的姿势：现在每天早上九点跑第一个批次，每两小时一个，一天五个批次。每个批次的采样戳和分母在同一个事务里落库，跑完立刻算该批次的置信区间。一旦发现分母波动超过15%，立刻停跑查原因，别硬着头皮往下跑。上周就因为没停，连跑了三个污染批次，白瞎一天。

问题：你们跑小时级批次时，是等一个批次跑完再开下一个，还是并行跑？并行的话，分母怎么隔离？我试过用批次ID做分区键，但发现跨分区去重还是会有漏。