Pin the SQLite activity guard and document its refusals #482
File diff suppressed because one or more lines are too long
+7
-4
@@ -40,14 +40,17 @@ U2 起实施与部署分别评审。
|
||||
|
||||
- [服务重启与全量数据恢复方案 r3.1](modules/documents/docs/proposals/2026-10-12-service-restart-data-recovery.md)：
|
||||
svc 启停、异常进程/主机退出后的依赖、配置/数据身份、任务/HITL/副作用、文件与组合备份恢复；
|
||||
r2 已批准。r3.1 增补 D1 实例身份收尾、D2 可回滚切换、D3 真实组合门禁，并记录 2026-10-12 rdmcand 数据归属：会话不在 dev 库的 rdmcand 窗口内，领域事件为空，不跨实例搬迁。
|
||||
D1/D2/D3 按实施计划推进到可合入；r3 其余未批条款仍待人工评审。
|
||||
r1 经六角色自审、r2 吸收外部源码复核；2026-10-12 用户批准 r2（五阶段一并）。同日批准 r3 新增
|
||||
（R11/R12、KTD13–15、U8）：SQLite 活动服务锁与耐久核验进入实施，故障注入、部署与运行验收仍 NOT_RUN。
|
||||
r3.1 增补 D1 实例身份收尾、D2 可回滚切换、D3 真实组合门禁，并记录 2026-10-12 rdmcand 数据归属：会话不在 dev 库的 rdmcand 窗口内，领域事件为空，不跨实例搬迁。
|
||||
D1/D2/D3 按实施计划推进到可合入；D1–D3 不因 U8 批准而代签。
|
||||
衔接协作存储案；U2 首切片已由 svc-autorecover 合入 main（PR #396/#401）；U1 实例身份已合入（Dev #415）；余量另立增量。
|
||||
|
||||
- [svc 统一部署与一次性登录 Key 方案 r1](modules/documents/docs/proposals/2026-10-12-svc-unified-deploy-and-login-key.md)：
|
||||
二进制/源码统一部署、环境准备、无初始密码开户与账户恢复；一次性 Key 仅兑换设密受限会话；
|
||||
2026-10-12 已批准；U1/U4 实施启动中；规格见 `docs/svc-deploy/`。
|
||||
2026-10-12 已批准；U1/U4 已合入。同日批准 r2 新增（R13–R15、KTD11–14、U7），账户事务与审计随后实施；规格见 `docs/svc-deploy/`。
|
||||
|
||||
上述账户／恢复方案已有 U1/U4 与 recover/watchdog 基础源码。2026-10-12 的 dev 8788 续查形成账户 r2、恢复 r3 **候选草案**：帮助与能力发现、账户事务／审计／登录接线、SQLite 活动服务隔离及备份恢复增补。新增内容待人工评审；Documents 独立分支 `feature/svc-account-durability-plan` 仅本地保存，不推进本仓 gitlink；本入口原链接仍指固定版。候选交接与核查见[续审记录](docs/svc-deploy/2026-10-12-account-durability-plan-review.md)。
|
||||
上述账户／恢复方案已有 U1/U4 与 recover/watchdog 基础源码。2026-10-12 用户批准账户 r2 新增与恢复 r3 新增，并授权连续推进到 PR 可合入（合入仍由用户执行）。U8 规格见 `docs/recovery/u8-sqlite-instance-guard.md`。方案正文的确认状态由 Documents 收口更新；本入口原链接仍指当前固定版。候选交接与核查见[续审记录](docs/svc-deploy/2026-10-12-account-durability-plan-review.md)。
|
||||
|
||||
## 验证
|
||||
|
||||
|
||||
@@ -0,0 +1,65 @@
|
||||
# U8 SQLite 活动服务锁与耐久核验
|
||||
|
||||
状态：2026-10-12 用户批准恢复方案 r3 的 U8 后编写，随 `feature/u8-sqlite-instance-guard` 实施。
|
||||
主记录：[服务重启与全量数据恢复方案](../../modules/documents/docs/proposals/2026-10-12-service-restart-data-recovery.md) §7 U8、KTD13、KTD14。
|
||||
本文件只定本增量的可判定行为。账户 CLI 不迁移、不建库的合同由账户方案 U7 实现。
|
||||
|
||||
## 1. 锁对象
|
||||
|
||||
活动服务在打开 SQLite（迁移发生在打开内部）之前取得锁，并持有到存储关闭之后。PostgreSQL 档不使用这把锁，沿用迁移咨询锁与执行所有权。
|
||||
|
||||
| 规则 | 行为 |
|
||||
|---|---|
|
||||
| 路径 | 先 `Abs`，已存在的路径再 `EvalSymlinks`。数据库文件若是符号链接，锁放在解析后的真实文件旁边 |
|
||||
| 锁文件 | `<db>.lock`。`O_RDWR\|O_CREAT\|O_CLOEXEC\|O_NOFOLLOW`，模式 0600。永不 unlink。数据目录不存在时，活动服务在取锁前创建该目录 |
|
||||
| 互斥 | `flock(LOCK_EX\|LOCK_NB)`。占用返回「活动服务已在运行」，调用方不得打开库 |
|
||||
| 替换检测 | 取锁后比较 fd 与路径的 device/inode，不一致则关闭并重试，仍不一致则拒绝 |
|
||||
| 硬链接 | 解析后的数据库 `nlink>1` 直接拒绝，不能用 adopt 绕过 |
|
||||
| 平台 | `unix` 实现。其他平台的 SQLite 档拒绝启动。PostgreSQL 档不受此限制 |
|
||||
| 范围 | 只挡活动服务与 `migrate`。`user`、`apikey`、`identity` 不取这把锁 |
|
||||
|
||||
svc 的 `runtime/<name>/.start.lock` 只串行化脚本生命周期，挡不住直接执行二进制。本锁补的是这条缺口。
|
||||
|
||||
## 2. 身份记录
|
||||
|
||||
两处记录，各管一种替换：
|
||||
|
||||
1. 锁文件内容（持有 fd 时读写）：`v1 db_dev db_ino instance_id lock_gen`。`lock_gen` 是 16 字节随机值的十六进制。数据库 inode 与记录不一致，或记录还在而数据库文件消失，视为数据库被替换，**打开之前**拒绝。
|
||||
2. 表 `instance_guard`（迁移 v28，单行）：记录锁文件的 device/inode、instance_id 与 `lock_gen`。守卫建立之后，锁文件 inode 与表不一致，或表里已有 `lock_gen` 而锁文件记录缺失/不一致，视为锁根丢失或锁文件被重建（含 inode 被回收后内容丢失），打开并迁移之后拒绝，且不改写表。
|
||||
|
||||
尚无锁文件记录、表中也无行：视为首次建立（含旧库升级），写入两边。这是升级路径，不是 adopt。
|
||||
|
||||
同时换掉数据库文件和锁文件、新库里也没有本表：无法与真正的首次建立区分。此时若设置了 `AGENT_SYSTEM_INSTANCE_ID`，仍由既有身份校验拒绝错库。该剩余风险写入任务卡，不在本增量用第二套锁文件解决。
|
||||
|
||||
`instance_id` 取 `AGENT_SYSTEM_INSTANCE_ID`。表和锁文件都已有非空值且与本次不一致时拒绝。本次为空则不比较，保留表内原值。
|
||||
|
||||
显式 `--adopt-instance-guard`（仅 `serve` 与 `migrate`）在已持锁的前提下重写两边记录。它只接受「数据库文件还在但 inode 已变」和「锁记录损坏」。记录还在而数据库文件消失时，adopt 也不打开、不新建空库。锁文件若是指向数据库的符号链接，或与数据库同一 inode，直接拒绝且不写入。硬链接拒绝不受该标志影响。
|
||||
|
||||
身份校验在写入守卫之前完成。`AGENT_SYSTEM_INSTANCE_ID` 已设置但与库内身份不符时，不留下本次的 instance id。
|
||||
|
||||
## 3. 耐久
|
||||
|
||||
SQLite DSN 增加 `synchronous(FULL)`。打开后在**同一应用连接**读回 `journal_mode=wal` 且 `synchronous=2`，否则关闭并拒绝。
|
||||
|
||||
PostgreSQL 从应用连接读 `pg_settings`：`fsync`、`full_page_writes`、`synchronous_commit` 任一为 `off`，或读不到，则拒绝。`synchronous_commit=local` 不是 `off`，不拒绝。
|
||||
|
||||
写失败必须把错误返回给调用方。测试用 `RLIMIT_FSIZE` 制造失败，并忽略 `SIGXFSZ`，以免进程被信号杀死而看起来像成功。
|
||||
|
||||
## 4. migrate 子命令
|
||||
|
||||
`agent-system migrate --data <dir>`：SQLite 先取活动服务锁，有服务占用则拒绝，再打开（打开即迁移）并走第 2 节的建立/拒绝规则。
|
||||
|
||||
`agent-system migrate --dsn <dsn>` 或环境变量 `AGENT_SYSTEM_DSN`：不取文件锁，迁移仍用 PostgreSQL 咨询锁排队。
|
||||
|
||||
## 5. 验收
|
||||
|
||||
| 编号 | 判据 |
|
||||
|---|---|
|
||||
| T8-1 | 两个进程启动同一 SQLite，后者在打开前失败；前者的 running 与 waiting_hitl 行保持原状态 |
|
||||
| T8-2 | 符号链接与相对路径进入同一把锁；硬链接拒绝；数据库替换拒绝；锁文件删除后重建拒绝 |
|
||||
| T8-3 | 持锁进程被 SIGKILL 后，同数据目录可以再次取锁并打开 |
|
||||
| T8-4 | 本增量：服务持锁期间另一进程的短事务可提交；缺库的 OpenExisting 不建目录；migrate 与持锁服务互斥。账户 CLI 不迁移归 U7 |
|
||||
| T8-5 | 换端口、工作目录或路径拼写仍落在同一锁文件上 |
|
||||
| T8-6 | pragma 读自应用连接；超限写入返回错误 |
|
||||
|
||||
`tests/test_svc_storage_ownership.py` 依赖 svc 启动路径。本任务不改 `scripts/svc.sh`，该文件留到账户 U5；若届时 svc 入口已稳定，再补脚本级用例。
|
||||
+26
@@ -811,9 +811,35 @@ scripts/svc.sh prod deploy --env .env.prod # 等价
|
||||
|
||||
## 13. 故障排查
|
||||
|
||||
SQLite 档的活动服务锁在打开数据库之前取得，锁文件是解析后的
|
||||
`agent-system.db.lock`（不删除）。同一数据文件只允许一个 `serve` 或 `migrate`。
|
||||
`svc.sh` 的 `.start.lock` 只串行化脚本，挡不住直接启动二进制。账户短事务命令不拿这把锁。
|
||||
显式迁移：
|
||||
|
||||
```bash
|
||||
agent-system migrate --data <数据目录>
|
||||
agent-system migrate --dsn "$AGENT_SYSTEM_DSN" # PostgreSQL，不取文件锁
|
||||
```
|
||||
|
||||
数据库被替换，或守卫建立后锁文件被删掉重建，启动会拒绝。确认是同一次实例后：
|
||||
|
||||
```bash
|
||||
agent-system serve --data <数据目录> --adopt-instance-guard
|
||||
agent-system migrate --data <数据目录> --adopt-instance-guard
|
||||
```
|
||||
|
||||
硬链接别名不能用 adopt 绕过。PostgreSQL 档在应用连接上读到 `fsync`、
|
||||
`full_page_writes` 或 `synchronous_commit` 为 off 时拒绝启动。
|
||||
|
||||
| 症状 | 处置 |
|
||||
|---|---|
|
||||
| `端口被占用（非本服务）` | 按提示的占用者处理，或换端口（`--port` / `set --port --apply`） |
|
||||
| `instance guard: sqlite service already running` | 已有进程占用同一 SQLite 文件：停掉那个服务，或换独立数据目录。`migrate` 同样会被拒绝 |
|
||||
| `instance guard: sqlite database replaced` | 库文件 inode 与锁记录不符：确认不是拿错目录后，用 `--adopt-instance-guard` |
|
||||
| `instance guard: recorded sqlite database is missing` | 锁记录指向的库不在了：恢复该文件，或在确认后 adopt |
|
||||
| `instance guard: lock file was rebuilt` | 守卫已建立后锁文件被重建：确认后 `--adopt-instance-guard` |
|
||||
| `instance guard: sqlite database has a hardlink alias` | 去掉硬链接别名后再启动；adopt 不能放行 |
|
||||
| `durability:` | SQLite 未保持 WAL + synchronous FULL，或 PostgreSQL 的 fsync / full_page_writes / synchronous_commit 为 off |
|
||||
| `进程启动后即退出` | `scripts/svc.sh <name> logs 200` / postgres 看 `runtime/<name>/pg.log`；history 里有 fail 记录 |
|
||||
| `20s 健康检查未通过` | 进程活着但未响应：查日志与端口；agent 常见原因是 DSN 指向未启动的库 |
|
||||
| `该产物不支持部分启动参数` | 提示而非错误：旧版本制品自动省略了不支持的 flag；需要该能力请部署新提交 |
|
||||
|
||||
+1
-1
Submodule modules/backend updated: 0f192a4813...167609b3db
@@ -7,6 +7,7 @@
|
||||
"backend/app backend/genui",
|
||||
"backend/app backend/hostapi",
|
||||
"backend/app backend/ingest",
|
||||
"backend/app backend/instanceguard",
|
||||
"backend/app backend/intentgate",
|
||||
"backend/app backend/intentsem",
|
||||
"backend/app backend/pgbus",
|
||||
@@ -27,6 +28,7 @@
|
||||
"backend/app backend/workflow",
|
||||
"backend/cardsvc backend/store",
|
||||
"backend/hostapi backend/store",
|
||||
"backend/instanceguard backend/store",
|
||||
"backend/pgbus backend/bus",
|
||||
"backend/pgbus backend/store",
|
||||
"backend/plugins backend/settings",
|
||||
|
||||
Reference in New Issue
Block a user