mirror of
https://gitee.com/xmz7891/ykxmz.git
synced 2026-10-18 13:40:45 +00:00
修「经中转几次后永久哑掉」——「按一下没反应」的真因
== 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**
* 走中转「已配对」，但点按钮没反应
局域网那一半已经修过（preferLan）。这次抓到的是**经中转**那一半，
而且比预想的严重得多。
== 证据链（插桩复现出来的）==
被控端日志里直接抛了未捕获异常，线程当场死：
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
之后的状态：
* client-relay 线程没了 —— 电脑再也不往手表回任何东西
* relay-link 线程还活着、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，但按一下毫无反应」**
写入仓库的测试 _tests/test_relay_local.py 一直是这个形状：
前面几项 PASS、跑到经中转发命令就卡死。之前没人深挖。
== 根因 1：一条 HTTP/1.1 连接被两个线程同时用 ==
_post() 里锁只包住「取连接」那一段：
with self._http_lock:
connection = self._http # 锁到这里就放了
try:
connection.request("POST", ...) # 锁外发请求
于是两个线程会同时用同一条 connection：
* 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，第二个线程一进来
就撞上 http.client 状态机，抛 CannotSendRequest("Idle")。
_post 的「重试一次」也救不了：它 _drop_http() 之后，另一个线程
手里还攥着那条旧连接对象在发，照样坏。
修法：
* **发命令用独立连接**（_post 加 dedicated 参数）。
长轮询那条常年被占着，发命令不该去挤它，各走各的。
* 两条连接各自一把锁**锁住整个「发请求 + 读响应」周期**，
不再只锁取连接那一下。
* 普通请求若发现缓存连接正忙（长轮询在途），临时另开一条用完即关。
* _drop_http(dedicated=) 区分清哪条；finally 里一定归还占用
（否则那条连接会被永久标记为忙）。
== 根因 2：回包失败会打死整个会话线程 ==
server.py 的 _client_loop 里：
if reply is not None:
session.send(reply) # <- 不在任何 try 里
...
except OSError: # <- 外层只捕获 OSError
pass
而中转链路上 send 抛的是 RelayError，直接冒出去把线程打死。
**死一次就永久哑**，代价太大。
修法：session.send() 单独兜住所有异常，失败就断开这个会话
（让手表重连），绝不让线程消失。外层也补一个兜底 except。
== 修复效果 ==
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「35 个阶段的回归全绿」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。
== 同批修掉验证阶段找到的其它问题 ==
1. **TTL 清理 + 关掉接入开关 = 设备永久锁死**（严重）
register() 用 `device_id in self.devices` 判断老设备，但超时清理
把设备从 devices 和 codes 都删了。电脑关机过夜（必然 > 6 小时）
第二天开机就会被自己的开关挡住，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，不知道该放开谁。
修法：状态文件里单独存 knownDevices 设备历史，超时清理绝不动它；
register 改查这份历史；清理后补 _save()；delete_device 才真正忘记。
2. **管理页 JS 语法错误 -> 所有按钮失效**（严重）
admin.py 里 ADMIN_JS 是普通三引号字符串，我在 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 <script> 不执行 -> 改码/删除/批量删除/全选全变幽灵按键。
元凶是我加改码功能那次提交。改成 `\\n`。
3. **--relay / --relay-status 崩溃**（严重）
RelayLink.start(url) 的 url 是必填参数，我把默认地址改空白时
run_agent.py 两处调用没跟着改。一处被 try 吞成「测试失败：missing
1 required positional argument」（用户以为地址填错了），
一处直接报栈。两处都补上 url。
4. 非法 deviceId（控制字符 / 路径分隔符）现在被拒（白名单：
字母数字 + - _ . :）
5. enable_relay() 第二次调用不再谎报成功（加 RelayLink.running 属性，
返回值反映真实运行状态；不再用「对象建过没有」判断）
6. snapshot() 清孤儿码后补 _save()，磁盘和内存不再脱节
== 局域网全面优化（task-2，另一个智能体完成）==
4 个真问题：
* **网段判断写死 /24** —— 在 /16 网络上 10.8.1.5 和 10.8.2.5
被判成不同网络，明明能直连却去走中转还费流量。
改成按网卡真实掩码比较。
* **广播只发一个包** —— 丢一个就整轮搜不到。改成 5 个时间点重发。
* **只探一个网段** —— 多网卡手表搜不到另一网段的电脑。改成全探。
* **走中转之后再也回不到局域网** —— 出门再回家永远挂中转。
新增定期回切（先便宜地 TCP ping，通了才动真格，
不破坏正在工作的中转连接）。
实测：局域网握手 2ms、50/50 = 100%、中位 0ms。
（跨网络那半之前拿不到数字，就是被上面那个线程崩溃挡住的 ——
现已修复。）
顺带：instance.py 单实例锁端口加 YKXMZ_LOCK_PORT 覆盖（默认不变）。
用户自己那台被控端正跑在这台机器上占着 8767/TCP + 8766/UDP，
是这次排查里好几个「测试怎么都不通」的根因。
== 服务端一键部署脚本（task-1，另一个智能体完成）==
relay/deploy.sh + relay/deploy-tune.sh，随服务端 zip 发布：
* 自动检查并安装 cloudflared
* 部署程序、装 4 个 systemd 服务、网络调优、配隧道、自检打公网地址
* **不传 --hostname 且没有 TUNNEL_TOKEN 时明确提示要填**，
不会静默用一个写死的域名（用户明确说过这个中转站是他自己用的，
不对外开放，绝不能把私人域名烧成默认值）
* 重跑 = 升级，已有数据/配对码/管理密码/凭据都不动
顺带修了发布包一直缺 site_shots/ 的老 bug
（package_remote.py 用 iterdir()+is_file() 收文件，目录进不去，
新机器装完官网截图全是 404）。
== 默认中转地址改成空白 ==
用户要求：软件默认不带任何中转地址，由用户自己填。
四处硬编码全部清空（server.py / MainActivity.java / run_agent.py /
relay.py 的注释和文档示例），全仓已无非注释的硬编码地址。
== 文档同步（task-5，另一个智能体完成）==
README / BEFORE-INSTALL / AFTER-INSTALL / 打包模板：
* 新增「软件里不带任何中转地址」告示，讲清跨网络要自己部署
* 修正 Android 版本（写的是 9.0/API28，实际 API 24 / Android 7.0）
* 删掉「地址已经内置好了」（现在是错的）
* AGENT_README 原来把作者自己的中转地址当成「内置地址」发给用户，已重写
* RELAY_README 原来写「两条隧道同时跑会互相争抢」，
和真机/CHANGELOG 矛盾；按实测改成「两种协议同时在跑（故意的）」
This commit is contained in:
xmz7891
@@ -0,0 +1,160 @@
|
||||
#!/bin/bash
|
||||
# 配比 A/B v2：QUIC 拨号成功率只有 72%（UDP 被限制），HTTP/2 是 100%。
|
||||
# 所以应该把连接数往 HTTP/2 倾斜。这里做受控对照确认。
|
||||
#
|
||||
# v1 的两个 bug：
|
||||
# 1. df=$((df + $(grep -c ... || echo 0)))
|
||||
# —— grep -c 没匹配时会输出 "0" 且返回非 0，
|
||||
# 配合 || echo 0 就变成 "0\n0"，算术表达式直接语法错误。
|
||||
# 改成先取值再判断。
|
||||
# 2. 端口按 20241/20242 写死 —— 但当时两个服务都没显式 --metrics，
|
||||
# 主实例一停，副实例就抢到 20241，读数全反。
|
||||
# 现在已经显式钉死端口，并且这里改成**按服务名查端口**。
|
||||
set -u
|
||||
|
||||
BASE=https://relay.xxmxxs.top
|
||||
UA='LanRemote/1.8.2'
|
||||
MAIN=lanremote-tunnel
|
||||
H2=lanremote-tunnel-h2
|
||||
MAINF=/etc/systemd/system/$MAIN.service
|
||||
H2F=/etc/systemd/system/$H2.service
|
||||
BAK=/root/ratio.bak.$(date +%s)
|
||||
cp -a "$MAINF" "$BAK.main"
|
||||
cp -a "$H2F" "$BAK.h2"
|
||||
|
||||
N=40
|
||||
|
||||
# 从服务配置读它绑的 metrics 端口
|
||||
port_of() {
|
||||
systemctl cat "$1" 2>/dev/null \
|
||||
| grep -oE '\-\-metrics[[:space:]]+[0-9.]+:[0-9]+' | head -1 \
|
||||
| grep -oE '[0-9]+$'
|
||||
}
|
||||
MAIN_PORT=$(port_of "$MAIN")
|
||||
H2_PORT=$(port_of "$H2")
|
||||
echo " 端口: $MAIN=$MAIN_PORT $H2=$H2_PORT"
|
||||
|
||||
# 计数器：grep -c 的结果安全转成整数
|
||||
gcount() {
|
||||
local n
|
||||
n=$(grep -c "$2" "$1" 2>/dev/null)
|
||||
case "$n" in ''|*[!0-9]*) echo 0 ;; *) echo "$n" ;; esac
|
||||
}
|
||||
|
||||
read_conns() {
|
||||
local port="$1" v
|
||||
v=$(curl -s --max-time 4 "http://127.0.0.1:$port/metrics" 2>/dev/null \
|
||||
| grep '^cloudflared_tunnel_ha_connections' | awk '{print $2}')
|
||||
case "$v" in ''|*[!0-9]*) echo "X" ;; *) echo "$v" ;; esac
|
||||
}
|
||||
|
||||
set_conns() {
|
||||
local q="$1" h="$2"
|
||||
cp -a "$BAK.main" "$MAINF"
|
||||
cp -a "$BAK.h2" "$H2F"
|
||||
if [ "$q" = "0" ]; then
|
||||
systemctl stop "$MAIN" 2>/dev/null || true
|
||||
else
|
||||
sed -i "s/--ha-connections [0-9]*/--ha-connections $q/" "$MAINF"
|
||||
systemctl daemon-reload
|
||||
systemctl restart "$MAIN"
|
||||
fi
|
||||
if [ "$h" = "0" ]; then
|
||||
systemctl stop "$H2" 2>/dev/null || true
|
||||
else
|
||||
sed -i "s/--ha-connections [0-9]*/--ha-connections $h/" "$H2F"
|
||||
systemctl daemon-reload
|
||||
systemctl restart "$H2"
|
||||
fi
|
||||
# 确保停掉的那个不会被拉起来
|
||||
systemctl daemon-reload
|
||||
}
|
||||
|
||||
wait_total() {
|
||||
local want="$1" limit="$2" t0 t1 a b
|
||||
t0=$(date +%s)
|
||||
while true; do
|
||||
a=$(read_conns "$MAIN_PORT"); [ "$a" = "X" ] && a=0
|
||||
b=$(read_conns "$H2_PORT"); [ "$b" = "X" ] && b=0
|
||||
t1=$(date +%s)
|
||||
if [ $((a + b)) -ge "$want" ] || [ $((t1 - t0)) -ge "$limit" ]; then
|
||||
break
|
||||
fi
|
||||
sleep 3
|
||||
done
|
||||
echo "$a $b $((t1 - t0))"
|
||||
}
|
||||
|
||||
measure() {
|
||||
local label="$1"
|
||||
local ok=0 times=()
|
||||
for i in $(seq 1 "$N"); do
|
||||
local out c ms
|
||||
out=$(curl -s -o /dev/null -w '%{http_code} %{time_total}' --max-time 25 \
|
||||
-H "User-Agent: $UA" "$BASE/v1/health")
|
||||
c=$(echo "$out" | awk '{print $1}')
|
||||
ms=$(echo "$out" | awk '{printf "%d", $2*1000}')
|
||||
if [ "$c" = "200" ]; then ok=$((ok + 1)); times+=("$ms"); fi
|
||||
done
|
||||
local pct=$((ok * 100 / N))
|
||||
local stats="无数据"
|
||||
if [ "${#times[@]}" -gt 0 ]; then
|
||||
stats=$(printf '%s\n' "${times[@]}" | sort -n | awk '{a[NR]=$1} END {
|
||||
printf "中位 %d P90 %d P99 %d 最大 %d", a[int(NR/2)+1], a[int(NR*0.9)+1], a[int(NR*0.99)+1], a[NR]}')
|
||||
fi
|
||||
printf " 可用率 %d%% (%d/%d) %s ms\n" "$pct" "$ok" "$N" "$stats"
|
||||
printf '%s|%s|%s\n' "$label" "$pct" "$stats" >> /tmp/ratio2.txt
|
||||
}
|
||||
|
||||
run_group() {
|
||||
local label="$1" q="$2" h="$3"
|
||||
echo "════════ $label（quic=$q http2=$h）════════"
|
||||
set_conns "$q" "$h"
|
||||
local res a b s
|
||||
res=$(wait_total $((q + h)) 150)
|
||||
a=$(echo "$res" | awk '{print $1}')
|
||||
b=$(echo "$res" | awk '{print $2}')
|
||||
s=$(echo "$res" | awk '{print $3}')
|
||||
echo " 实测连接: quic=$a http2=$b 合计=$((a + b)) （期望 $q/$h） 用时 ${s}s"
|
||||
|
||||
local df=0
|
||||
for f in /root/lanremote-relay/tunnel.log /root/lanremote-relay/tunnel-h2.log; do
|
||||
[ -f "$f" ] && df=$((df + $(gcount "$f" 'Failed to dial')))
|
||||
done
|
||||
echo " 累计 Failed to dial: $df"
|
||||
|
||||
sleep 8
|
||||
measure "$label"
|
||||
echo
|
||||
}
|
||||
|
||||
rm -f /tmp/ratio2.txt
|
||||
run_group "A quic5+h2 5" 5 5
|
||||
run_group "B quic3+h2 7" 3 7
|
||||
run_group "C quic0+h2 10" 0 10
|
||||
run_group "D quic8+h2 2" 8 2
|
||||
|
||||
echo "════════ 汇总（按可用率排序）════════"
|
||||
sort -t'|' -k2 -rn /tmp/ratio2.txt | while IFS='|' read -r label pct stats; do
|
||||
printf " %-16s %3s%% %s\n" "$label" "$pct" "$stats"
|
||||
done
|
||||
|
||||
BEST=$(sort -t'|' -k2 -rn /tmp/ratio2.txt | head -1 | cut -d'|' -f1)
|
||||
echo
|
||||
echo " → 最好: $BEST"
|
||||
|
||||
# 恢复
|
||||
cp -a "$BAK.main" "$MAINF"
|
||||
cp -a "$BAK.h2" "$H2F"
|
||||
systemctl daemon-reload
|
||||
case "$BEST" in
|
||||
"A quic5+h2 5") sed -i 's/--ha-connections [0-9]*/--ha-connections 5/' "$MAINF"; sed -i 's/--ha-connections [0-9]*/--ha-connections 5/' "$H2F" ;;
|
||||
"B quic3+h2 7") sed -i 's/--ha-connections [0-9]*/--ha-connections 3/' "$MAINF"; sed -i 's/--ha-connections [0-9]*/--ha-connections 7/' "$H2F" ;;
|
||||
"C quic0+h2 10") sed -i 's/--ha-connections [0-9]*/--ha-connections 10/' "$H2F" ;;
|
||||
*) sed -i 's/--ha-connections [0-9]*/--ha-connections 8/' "$MAINF"; sed -i 's/--ha-connections [0-9]*/--ha-connections 2/' "$H2F" ;;
|
||||
esac
|
||||
systemctl daemon-reload
|
||||
systemctl restart "$MAIN" "$H2"
|
||||
sleep 25
|
||||
echo " 当前: quic=$(read_conns "$MAIN_PORT") http2=$(read_conns "$H2_PORT")"
|
||||
echo " 备份: $BAK.main $BAK.h2"
|
||||
Reference in New Issue
Block a user