diff --git a/_build/chk_poll30.sh b/_build/chk_poll30.sh new file mode 100644 index 0000000..d05ba1c --- /dev/null +++ b/_build/chk_poll30.sh @@ -0,0 +1,63 @@ +#!/bin/bash +# 看 relay-stability 的 30 次长轮询结果（目标 2） +set -u + +echo " ── 汇总文件 ──" +[ -f /root/rp_poll30_summary.txt ] && cat /root/rp_poll30_summary.txt | sed 's/^/ /' +echo +echo " ── 明细（前 5 行看格式）──" +[ -f /root/rp_poll30.tsv ] && head -5 /root/rp_poll30.tsv | sed 's/^/ /' + +echo +echo " ── 自己再算一遍 ──" +python3 - <<'PYEOF' +from pathlib import Path + +p = Path("/root/rp_poll30.tsv") +if not p.is_file(): + print(" 没有文件") + raise SystemExit(0) + +rows = [] +for line in p.read_text(encoding="utf-8", errors="replace").splitlines(): + line = line.strip() + if not line: + continue + parts = [x.strip() for x in line.replace(",", "\t").split("\t") if x.strip()] + if not parts: + continue + # 找出状态码和耗时 + code = None + ms = None + for x in parts: + if x in ("200", "502", "530", "000", "401", "504"): + code = x + elif x.replace(".", "").isdigit() and "." not in x and len(x) >= 4: + try: + v = int(x) + if 500 <= v <= 300000 and ms is None: + ms = v + except ValueError: + pass + if code: + rows.append((code, ms)) + +if not rows: + print(" 解析不出样本，原始内容：") + print(p.read_text(encoding="utf-8", errors="replace")[:400]) + raise SystemExit(0) + +total = len(rows) +ok = sum(1 for c, _m in rows if c == "200") +print(" 样本 %d，成功 %d，可用率 %.1f%%" % (total, ok, ok * 100.0 / total)) + +good = sorted(m for c, m in rows if c == "200" and m) +if good: + def pc(q): + return good[min(int(len(good) * q), len(good) - 1)] + print(" 耗时: 最小 %d 中位 %d P90 %d P99 %d 最大 %d ms" + % (good[0], good[len(good) // 2], pc(0.9), pc(0.99), good[-1])) + print(" （理想值 = 60000 + 隧道开销；>90000 的算异常长尾）") + outliers = [m for m in good if m > 90000] + print(" 异常长尾（>90 秒）: %d 次 %s" % (len(outliers), outliers)) +PYEOF diff --git a/_build/chk_rp_progress.sh b/_build/chk_rp_progress.sh new file mode 100644 index 0000000..313c699 --- /dev/null +++ b/_build/chk_rp_progress.sh @@ -0,0 +1,40 @@ +#!/bin/bash +# 看 relay-stability 在设备上跑到哪了 +set -u + +echo " ── 它起的进程 ──" +pgrep -af 'rp_|long2h|ab_long|collapse' 2>/dev/null | head -6 | sed 's/^/ /' || echo " （没有）" + +echo +echo " ── /root 下它最近写的文件 ──" +ls -la --time-style=+%H:%M:%S /root/rp_* /root/*.tsv /root/*.txt /root/*.out 2>/dev/null \ + | sort -k6 | tail -12 | sed 's/^/ /' + +echo +echo " ── 那个 2 小时长测的输出 ──" +if [ -f /root/long2h_health.tsv ]; then + echo " 样本数: $(wc -l < /root/long2h_health.tsv)" + echo " 最后 3 行:" + tail -3 /root/long2h_health.tsv | sed 's/^/ /' +fi + +echo +echo " ── 配比对照有没有开始（看隧道配置变没变）──" +for s in lanremote-tunnel lanremote-tunnel-h2; do + printf " %-24s %s\n" "$s" \ + "$(grep -oE -- '--protocol [a-z0-9]+|--ha-connections [0-9]+' /etc/systemd/system/$s.service 2>/dev/null | tr '\n' ' ')" +done +for p in 20241 20242; do + n=$(curl -s --max-time 4 "http://127.0.0.1:$p/metrics" 2>/dev/null \ + | grep '^cloudflared_tunnel_ha_connections' | awk '{print $2}') + printf " 端口 %s -> %s 条\n" "$p" "${n:-读不到}" +done + +echo +echo " ── 公网自检 ──" +curl -s --max-time 20 -o /dev/null -w ' HTTP %{http_code} %{time_total}s\n' \ + -H 'User-Agent: LanRemote/1.8.2' https://relay.xxmxxs.top/v1/health + +echo +echo " ── 设备当前时间 ──" +date '+ %H:%M:%S' diff --git a/_build/rp_a_status.sh b/_build/rp_a_status.sh new file mode 100644 index 0000000..28f653e --- /dev/null +++ b/_build/rp_a_status.sh @@ -0,0 +1,34 @@ +#!/bin/bash +# A 组长测是否跑完 + 汇总 +set -u + +echo "════════ 进度 ════════" +echo " 健康样本: $(wc -l < /root/long2h_health.tsv 2>/dev/null || echo 0)" +echo " 连接采样: $(wc -l < /root/long2h_conns.tsv 2>/dev/null || echo 0)" +echo " 轮询: $(wc -l < /root/rp_poll30.tsv 2>/dev/null || echo 0) / 30" +echo " 测试进程: $(pgrep -c -f rp_long2h || echo 0)" + +echo +echo "════════ 汇总文件（跑完才有）════════" +if [ -s /root/long2h_summary.txt ]; then + cat /root/long2h_summary.txt +else + echo " （还没生成，测试仍在跑）" + echo " 当前状态码分布:" + awk -F'\t' 'NR>1{print $2}' /root/long2h_health.tsv 2>/dev/null | sort | uniq -c | sed 's/^/ /' + echo " 当前非 200:" + awk -F'\t' 'NR>1 && $2!="200"{print " " $1 " 码=" $2 " " $3 "ms"}' /root/long2h_health.tsv 2>/dev/null + echo " 连接数最新 5 条:" + tail -5 /root/long2h_conns.tsv 2>/dev/null | sed 's/^/ /' +fi + +echo +echo "════════ 塌陷窗口预览（总数<=3 的采样）════════" +awk -F'\t' 'NR>1 && $2 ~ /^[0-9]+$/ && $3 ~ /^[0-9]+$/ && ($2+$3)<=3 { + print " " $1 " quic=" $2 " h2=" $3 " 合计=" $2+$3 +}' /root/long2h_conns.tsv 2>/dev/null | tail -20 + +echo +echo "════════ 连接总数分布 ════════" +awk -F'\t' 'NR>1 && $2 ~ /^[0-9]+$/ && $3 ~ /^[0-9]+$/ {print $2+$3}' \ + /root/long2h_conns.tsv 2>/dev/null | sort -n | uniq -c | sed 's/^/ /' diff --git a/_build/test_public_clean.py b/_build/test_public_clean.py index d39cda2..9798111 100644 --- a/_build/test_public_clean.py +++ b/_build/test_public_clean.py @@ -58,6 +58,10 @@ DOCS_ALLOWLIST = { # 属于描述规则本身，不是对外宣传材料。 "双平台发布.md", "EzHub-SSH诊断报告.md", # 给服务端运维看的排查报告 + # 内部工程数据文档：记录本轮所有优化的实测数字和对比依据， + # 里面会引用"管理页 23 项测试通过"这类工程事实。 + # 它不是发给用户的材料，是给自己和后人查数字用的。 + "优化实测数据.md", } # 官网源码里这些词也不许有（landing.py 渲染出来的页面） diff --git a/docs/优化实测数据.md b/docs/优化实测数据.md new file mode 100644 index 0000000..51b6b6a --- /dev/null +++ b/docs/优化实测数据.md @@ -0,0 +1,346 @@ +# ykxmz 优化实测数据（2026-10-07） + +> 这份文件记录本轮所有优化的**实测数字**和**对比依据**。 +> 每一项都写清楚：改之前是多少、改之后是多少、怎么测的、受什么限制。 +> 目的：以后有人问"这个改动到底有没有用"，能直接翻数字，不用靠感觉。 + +--- + +## 零、测量方法上的两个坑（先说清楚，否则下面的数字会被误读） + +### 0.1 「从哪台机器测」会差很多 + +设备是随身 WiFi（4G 上行）。如果在**设备自己**上跑 curl，请求会走： + +``` +设备 → 4G → Cloudflare 边缘 → 隧道 → 回到设备自己 +``` + +**同一段 4G 链路被算了两遍**，数字比真实用户差得多。 + +真实用户（WiFi/宽带/5G）只有后半段走 4G： + +``` +用户 → 好网络 → Cloudflare 边缘 → 隧道 → 设备 4G +``` + +所以**能从 PC 测的指标就用 PC 测**。两边都测过的项，下面会分开列。 + +### 0.2 用 `curl -I` 验证 GET 的响应头是错的 + +`-I` 发的是 HEAD。我在这上面白查了半天缓存头 —— 看到的一直是 `do_HEAD` 分支的响应， +而真正的 GET 早就改对了。**验证缓存头必须用 `curl -sD - -o /dev/null`。** + +--- + +## 一、下载吞吐 + +**改之前**：relay 给所有响应发 `Cache-Control: no-store`，Cloudflare 完全不缓存， +每次下载都要穿隧道回 4G 源站。 + +| 文件 | 改之前 | 改之后 | 倍数 | +|---|---|---|---| +| `ykxmz-setup-1.8.2.exe`（15 MB） | 237568 字节后就断了（17 KB/s） | **695 KB/s，完整 15067199 字节** | **41×** | +| `ykxmz-watch-1.8.2.apk` | 3 KB/s | **101 KB/s** | **33×** | +| `ykxmz-server-1.8.2.zip` | 67 KB/s | 87 KB/s | 1.3× | + +改完之后三个文件的 `cf-cache-status` 都是 **HIT**（不再穿隧道回源）， +而且**不消耗 4G 流量**。 + +改动：`/download/*` → `public, max-age=604800, immutable`；`/` → `max-age=60`； +`/shot/*`、`/favicon.ico` 保持 `max-age=86400`；`/v1/*` 保持 `no-store`。 + +顺带修的：`_send()` 无条件先发 `no-store` 导致**两个 Cache-Control 头** +（调用方的被吃掉）；`do_HEAD` 和 `do_GET` 的缓存头不一致。 + +--- + +## 二、隧道稳定性与公网可用率 + +### 2.1 最终配置 + +| 项 | 值 | 依据 | +|---|---|---| +| 实例 1 `lanremote-tunnel` | `--protocol quic --ha-connections 8 --metrics 127.0.0.1:20241` | QUIC 连上之后丢包恢复优于 TCP | +| 实例 2 `lanremote-tunnel-h2` | `--protocol http2 --ha-connections 2 --metrics 127.0.0.1:20242` | QUIC 拨号只有约 72% 成功率，靠它兜底 | +| 两个实例 | 连**同一个具名隧道** | Cloudflare 把请求分摊到全部 10 条连接 | +| wlan0 MTU | 1400 | QUIC 走 UDP，TCPMSS 规则管不到它 | +| TCP MSS | 1360 | 和 MTU 1400 配套 | +| TCP keepalive | 30 / 10 / 3 | 4G 会静默丢 TCP，系统默认 7200 秒才察觉 | + +### 2.2 为什么"两条一起跑"（受控对照，40 次/组） + +| 配置 | 可用率 | 中位 | P90 | P99 | +|---|---|---|---|---| +| quic 5 + h2 5 | 100% | 1490 | 2346 | 3295 | +| quic 3 + h2 7 | 97% | 1271 | 2558 | **13934** | +| **quic 8 + h2 2** | **100%** | **1250** | **1715** | **2632** | + +结果反直觉但机制清楚：**QUIC 的弱点是「连不上」，不是「连上之后不好」。** +一旦连上，它没有 TCP 的跨流队头阻塞，反而更稳。 + +### 2.3 QUIC 拨号 72% 的根因（**不是**"运营商封了 UDP"） + +曾经以为是运营商限制 UDP。**那个判断是错的** —— 依据来自一个手搓的简化 UDP +探测包，格式不对，Cloudflare 本来就不该回应它。 + +用 `cloudflared --loglevel debug` 实测： + +``` +INF | UDP Connectivity region1.v2.argotunnel.com PASS QUIC connection successful +INF | UDP Connectivity region2.v2.argotunnel.com PASS QUIC connection successful +INF | SUMMARY: Environment is healthy. cloudflared will use 'quic' as primary protocol +INF Registered tunnel connection （握手 1 秒） +``` + +**UDP 完全通。** 真因是： + +``` +QUIC 建连要 6+ 个包往返；TCP 的 SYN 只有 3 个包、内核还按 1s/2s/4s 激进重传。 +约 5.4%/包的丢包下： (1 - 0.054)^6 ≈ 72% ← 和实测 72% 对得上 +``` + +### 2.4 MTU 1400 的效果 + +| | 建齐 10 条连接耗时 | dial 失败次数 | +|---|---|---| +| MTU 1500 | 28 秒 | 2 | +| **MTU 1400** | **13 秒** | **1** | + +原因：QUIC 的包一旦超过路径 MTU 就被中间设备**静默丢掉**（UDP 丢了不回 ICMP）， +只能等超时。把接口 MTU 压到 1400（路径 MTU 实测 1472）之后就好了。 + +### 2.5 长时可用率 + +| 时段 | 样本 | 可用率 | 中位 | P90 | P99 | +|---|---|---|---|---|---| +| 25 分钟（双协议初测） | 50 | **100%** | 1505 | 3218 | 14245 | +| 1 小时 35 分（2 小时长测中途） | 330 | **98.48%** | 1274 | 2187 | 14208 | + +**改之前**是 96~98%。现在的失败集中在极少数窗口，且**不集中在某个时段** +（按小时分桶是均匀的，没有"运营商高峰"特征）。 + +失败的 5 次： +``` +17:27:20 HTTP 502 1407ms +17:31:42 HTTP 530 862ms +17:56:46 HTTP 000 25000ms +17:57:06 HTTP 502 4652ms +19:00:20 HTTP 502 2101ms +``` + +PC 侧（完全不同的网络）在同一个窗口也失败 —— **说明问题在 Cloudflare 边缘 +或隧道这一侧，不是某一端的本地链路。** + +### 2.6 连接数仍会周期性波动（未达标项） + +实测观察到的周期约 9 分钟： + +``` +17:56:39 quic=1 h2=2 <- QUIC 塌到 1 条 +17:57:11 quic=1 h2=1 <- h2 也掉了，watchdog 重启 +17:57:37 建齐 10 条 <- 26 秒恢复 +``` + +**关键**：QUIC 塌的时候 HTTP/2 那 2 条始终存活，这就是双协议兜底的价值。 +但只剩 h2=2 时容量确实薄 —— 这是 relay-stability 正在做长窗口配比对照 +（quic8+h2 2 vs quic6+h2 4）要回答的问题。 + +**这一项（目标 0 掉线）受 4G 链路物理条件限制，本轮没能做到 100%。** + +--- + +## 三、长轮询（目标：稳定贴近 60000ms + 最小开销） + +30 次真实 poll（每次挂 60 秒），改完之后： + +``` +成功 29/30 = 96.7% +耗时: 最小 60920 中位 61439 P90 126604 P99 126716 +``` + +**中位 61439ms**（理想 61000）—— 隧道只加了约 1.4 秒开销，非常好。 + +**4 次异常长尾（~126.6 秒 = 正好 2 倍 hold）**：发生在隧道重启的窗口里。 +Cloudflare 在隧道重连时会把请求重发给源站，源站又 hold 了一次 60 秒。 + +由此把**客户端超时从 120 秒放宽到 180 秒**（留 120 秒网络余量）。 +超时余量的演进全是被实测逼出来的： + +``` + 90 秒 -> 实测出现 93589ms 不够 +120 秒 -> 实测出现 126604ms 不够 +180 秒 -> 60 hold + 120 余量 +``` + +**不缩短 hold 的理由**：这条链路的根本问题是丢包抖动，**请求越少越不容易撞上**。 +放宽客户端超时只是"别把慢但成功的请求冤枉掉"，不增加任何请求数。 + +--- + +## 四、端到端延迟（局域网 vs 跨网络） + +用 `_tests/bench_lan_vs_relay.py` 测，同一套客户端写法，两边各 30 次 `cmd:ping`： + +| 路径 | 握手 | 成功率 | 中位 | P90 | 最大 | +|---|---|---|---|---|---| +| **局域网直连** | 16 ms | **30/30 (100%)** | **0 ms** | **0 ms** | 1 ms | +| 跨网络（本地中转） | 46 ms | 30/30 (100%) | 15 ms | 29 ms | 32 ms | + +跨网络那 15ms 是**本地中转**的协议开销（长轮询往返 vs 直连 TCP）。 +真实跨网络的 1.0~1.5 秒来自隧道 + 4G，是另一回事（见 2.5 的耗时数据）。 + +**结论：局域网确实是不折不扣的"毫秒级、不耗流量、不怕隧道抖"的那条路。** +中位 0ms vs 15ms，而且完全不经过任何外网。 + +--- + +## 五、局域网优化的四个真问题（"不能忘本"） + +| # | 原来怎么错 | 现在怎么对 | +|---|---|---| +| 1 | `sameSubnet()` 只比前三段（等于写死 /24）。在 10.x/8、172.16/12 上，`10.8.1.5` 和 `10.8.2.5` 被判成"不同网络"→ **明明能直连却走中转还费流量** | 按**网卡真实掩码**比较；拿不到掩码才退回 /24 | +| 2 | 广播发现**只发一次包**，UDP 丢一个就整轮搜不到电脑 | 按 `{0, 350, 900, 1800, 3000}ms` 重发 5 轮 | +| 3 | 只探**一个**网段（拿到第一个 wlan 就 return）—— 多网卡手表搜不到另一网段的电脑 | `localNets()` 返回全部，定向广播全探 | +| 4 | 走中转之后**再也回不到局域网**（只在"刚连上"那一刻试一次直连） | 定期回切（起手 15s，退避到最多 2min）。**先做便宜的 TCP ping，通了才动真格**，不破坏正在工作的中转连接 | + +--- + +## 六、"按一下没反应"的真因（本轮最重要的修复） + +### 现象 + +用户报：局域网能搜到电脑、IP/端口/配对码都对，**连上后没有任何反应**。 + +### 证据链（插桩复现） + +``` +Exception in thread client-relay: + server.py:407 session.send(reply) + relay.py:166 self._link.send_to_client(data) + relay.py:357 self._post("/v1/agent/send", ...) + relay.py:766 raise RelayError(f"请求失败: {last_error}") +lanremote.relay.RelayError: 请求失败: Idle +``` + +线程一死：`client-relay` 没了 → 电脑再也不回任何东西； +而 `relay-link` 还活着、还在长轮询 → **中转那边看着"设备在线"**。 +手表看到的就是「连上了，按一下毫无反应」。 + +### 根因：一条 HTTP/1.1 连接被两个线程同时用 + +```python +with self._http_lock: + connection = self._http # ← 锁到这里就放了 + ... +connection.request("POST", ...) # ← 请求在锁外发 +``` + +* `relay-link` 线程跑 `/v1/agent/poll` —— **长轮询，一条请求挂 180 秒** +* `client-relay` 线程同时 POST `/v1/agent/send` + +HTTP/1.1 一条连接同一时刻只能有一个在途请求 → 第二个线程撞上 `http.client` +状态机 → `CannotSendRequest("Idle")`。 + +### 修法 + +1. **发命令走独立连接**（`_post` 加 `dedicated` 参数） +2. 两条连接各自一把锁**盖住整个「发请求 + 读响应」周期** +3. 普通请求若发现缓存连接正忙，临时另开一条用完即关 +4. **`_client_loop` 兜住回包异常** —— 发失败最多踢掉这个会话让手表重连， + 绝不能让线程消失 + +### 效果 + +``` +修复前：pair OK -> ping OK -> ping 卡死 -> 线程崩溃，永久哑 +修复后：pair 21ms -> ping 82ms -> ping 4ms -> ping 6ms，零异常 + +_tests/test_relay_local.py：之前完全卡死 -> 现在 21/21 全过 +``` + +**这个测试之前一直是红的**，说明"回归全绿"这件事本身就不成立过 —— +某个阶段卡住时看起来像环境问题而不是缺陷。 + +--- + +## 七、独立验证发现的问题（对抗性复核） + +派了一个专门的验证智能体，**只读验证 + 自己构造边界场景**，找到 9 个问题， +其中 3 个严重（都是本轮改动引入的），已全部修复： + +| 严重度 | 问题 | 修法 | +|---|---|---| +| 🔴 | **TTL 清理 + 关掉接入开关 = 设备永久锁死**：`register()` 用 `device_id in self.devices` 判断老设备，但超时清理（>6 小时）把设备从 devices 和 codes 都删了。**电脑关机过夜必然触发**，而且重启也救不回来（清 codes 时没落盘，重启后又当孤儿清一遍，自我维系）。管理员在页面上还看不到这台设备 | 状态文件里单独存 `knownDevices` 设备历史，超时清理绝不动它；清理后补 `_save()` | +| 🔴 | **管理页 JS 语法错误 → 所有按钮失效**：`admin.py` 里 `ADMIN_JS` 是普通三引号字符串，在 Python 源码里写的 `\n` 被变成真实换行，拼进 JS 就是字符串里的裸换行 → 整段 `