mirror of
https://gitee.com/xmz7891/ykxmz.git
synced 2026-10-19 10:40:44 +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 +1,317 @@
|
||||
#!/bin/bash
|
||||
# 看门狗第四版：**双实例**。
|
||||
#
|
||||
# 为什么必须改：
|
||||
# 现在跑两个 cloudflared 实例，连**同一个具名隧道** lanremote：
|
||||
# lanremote-tunnel --protocol quic --ha-connections 5 metrics:20241
|
||||
# lanremote-tunnel-h2 --protocol http2 --ha-connections 5 metrics:20242
|
||||
# Cloudflare 会把请求分摊到全部 10 条连接上。
|
||||
#
|
||||
# 第三版看门狗有两个致命盲点：
|
||||
# 1. METRICS 写死 20241 —— **只看得到 QUIC 那个实例**。
|
||||
# http2 实例整个死掉，它照样认为"有 5 条连接，正常"。
|
||||
# 2. restart_tunnel 只重启 lanremote-tunnel，
|
||||
# 副实例哪怕僵死也永远不会被拉起来。
|
||||
#
|
||||
# 这一版：
|
||||
# * 分别读两个 metrics 端口，**分实例**判断
|
||||
# * 某个实例端口不响应 / 连接数归零 -> 只重启那一个
|
||||
# * 两个都垮 / 公网不通 -> 重启两个
|
||||
# * BUILT 的"建齐"阈值改成按**总连接数**算（双实例期望 10 条）
|
||||
#
|
||||
# 保留第三版的判定逻辑（它踩过坑，注释都留着）：
|
||||
# 信号 A：连接数降到危险区 信号 B：公网打不通 信号 C：日志僵死
|
||||
set -u
|
||||
|
||||
RELAY_DIR=/root/lanremote-relay
|
||||
URL_FILE="$RELAY_DIR/public_url.txt"
|
||||
STATE_FILE="$RELAY_DIR/watchdog.state"
|
||||
LAST_RESTART_FILE="$RELAY_DIR/watchdog.last_restart"
|
||||
LOG_TAG=lanremote-watchdog
|
||||
|
||||
# ---- 双实例定义 ----
|
||||
# 端口**从服务配置里读**，不写死。
|
||||
#
|
||||
# 为什么：这两个服务原来都没写 --metrics，都用 cloudflared 的默认 20241。
|
||||
# 正常情况下先起的那个拿到 20241、后起的退到 20242 —— 看起来是稳的，
|
||||
# 但那只是启动顺序的巧合。实测把主实例 stop 掉、再重启副实例，
|
||||
# 副实例就抢到了 20241，于是"20241 是谁"翻转了，
|
||||
# 按端口读指标的判断全部读错实例。
|
||||
#
|
||||
# 现在服务里已显式写了 --metrics，这里再自动读一遍：
|
||||
# 以后谁改了端口，watchdog 也跟着走，不会再对不上。
|
||||
INSTANCES=()
|
||||
log_port_hint=""
|
||||
for pair in "lanremote-tunnel:20241" "lanremote-tunnel-h2:20242"; do
|
||||
_svc="${pair%%:*}"
|
||||
_fallback="${pair##*:}"
|
||||
_port=$(systemctl cat "$_svc" 2>/dev/null \
|
||||
| grep -oE '\-\-metrics[[:space:]]+[0-9.]+:[0-9]+' | head -1 \
|
||||
| grep -oE '[0-9]+$')
|
||||
INSTANCES+=("${_svc}:${_port:-$_fallback}")
|
||||
done
|
||||
|
||||
# 日志文件（判"僵死"时都看）
|
||||
TUNNEL_LOGS=("$RELAY_DIR/tunnel.log" "$RELAY_DIR/tunnel-h2.log")
|
||||
|
||||
# 连续几次公网不通才重启。
|
||||
# 设 3（约 60 秒）而不是 2：短抖动让 cloudflared 自己重连就好，
|
||||
# 频繁重启反而让它一直停在"正在重连"的状态。
|
||||
THRESHOLD=3
|
||||
# 连接**健康**时用的阈值，放宽很多。
|
||||
#
|
||||
# 为什么需要两个阈值（实测踩到）：
|
||||
# 17:30:59 / 17:31:19 / 17:31:40 连着三次 HTTP 000，
|
||||
# 当时连接数是 7+2=9 条，完全健康 —— 结果看门狗按 THRESHOLD=3
|
||||
# 把两个实例都重启了。而重启会**主动切断全部连接**，
|
||||
# 接下来 60 秒真的不可用（17:32:35 才恢复到 6+1）。
|
||||
# 也就是说：这次重启把一次"抖一下就好"的故障，变成了确定的 1 分钟中断。
|
||||
#
|
||||
# 连接健康的情况下，公网偶尔打不通几乎都是链路丢包或边缘抖动，
|
||||
# 重启本地隧道解决不了，只会自伤。给足时间让它自己恢复。
|
||||
# 连接真的掉下去了（降级），才用 THRESHOLD=3 快速重启。
|
||||
THRESHOLD_HEALTHY=8
|
||||
STALE_MINUTES=10 # 日志多久没动静算卡死
|
||||
# 两次重启至少隔这么久。
|
||||
# 150 秒不是拍脑袋：隧道在差的 4G 上重建 5 条连接要 30~60 秒，
|
||||
# 原来设 45 秒会导致**隧道还没建齐就被下一次重启打断**，
|
||||
# 永远停在只剩 1 条连接的状态（实测死循环，每 50 秒重启一次）。
|
||||
MIN_RESTART_GAP=150
|
||||
GRACE=150
|
||||
# 总连接数到多少算"建齐过"。双实例期望 5+5=10，
|
||||
# 保守取 6（够证明链路能撑住）。
|
||||
BUILT_MIN=6
|
||||
|
||||
log() {
|
||||
logger -t "$LOG_TAG" "$1"
|
||||
echo "[$(date '+%m-%d %H:%M:%S')] $1"
|
||||
}
|
||||
|
||||
read_state() {
|
||||
local key="$1" default="$2" value=""
|
||||
if [ -f "$STATE_FILE" ]; then
|
||||
value=$(grep "^$key=" "$STATE_FILE" 2>/dev/null | cut -d= -f2)
|
||||
fi
|
||||
[ -n "$value" ] && echo "$value" || echo "$default"
|
||||
}
|
||||
|
||||
# 状态文件：
|
||||
# zero —— 连续降级次数
|
||||
# fail —— 连续失败次数
|
||||
# built —— 本次重启后总连接数有没有到过 BUILT_MIN
|
||||
write_state() {
|
||||
printf 'zero=%s\nfail=%s\nbuilt=%s\n' "$1" "$2" "${3:-0}" > "$STATE_FILE"
|
||||
}
|
||||
|
||||
# 读某个 metrics 端口的连接数。
|
||||
# 端口不通（实例死了）→ 输出 "X"（区分于 "0"：0 是活着但没连接）
|
||||
conns_of() {
|
||||
local port="$1" out
|
||||
out=$(timeout 5 curl -s --max-time 4 "http://127.0.0.1:$port/metrics" 2>/dev/null \
|
||||
| grep '^cloudflared_tunnel_ha_connections' | awk '{print $2}')
|
||||
if [ -z "$out" ]; then
|
||||
echo "X"
|
||||
else
|
||||
echo "$out"
|
||||
fi
|
||||
}
|
||||
|
||||
# 重启指定的一组服务（带最小间隔保护）
|
||||
# $1 = 原因
|
||||
# $2... = 要重启的服务名
|
||||
#
|
||||
# 设 DRY_RUN=1 时只打印不真重启 —— 用来验证判定逻辑是否正确
|
||||
# （双实例的判定分支不少，直接上生产风险大）。
|
||||
restart_services() {
|
||||
local why="$1"; shift
|
||||
local now last gap total_now
|
||||
now=$(date +%s)
|
||||
last=0
|
||||
[ -f "$LAST_RESTART_FILE" ] && last=$(cat "$LAST_RESTART_FILE" 2>/dev/null || echo 0)
|
||||
gap=$((now - last))
|
||||
|
||||
# 总连接数为 0 = 真的断了，不是抖动 —— 这种不受间隔限制
|
||||
total_now=$TOTAL
|
||||
if [ "${total_now:-1}" != "0" ] && [ "$gap" -lt "$MIN_RESTART_GAP" ]; then
|
||||
# 刚重启过还没到间隔：这次先不重启，
|
||||
# 让 cloudflared 自己把连接建起来（它本来就在重试）。
|
||||
log "$why —— 但距上次重启才 ${gap} 秒（下限 ${MIN_RESTART_GAP} 秒），先不重启"
|
||||
write_state 0 0 "${BUILT:-0}"
|
||||
exit 0
|
||||
fi
|
||||
|
||||
if [ "${DRY_RUN:-0}" = "1" ]; then
|
||||
log "[DRY_RUN] $why —— 本应重启 [$*]（距上次 ${gap} 秒）"
|
||||
exit 0
|
||||
fi
|
||||
|
||||
log "$why —— 重启 [$*]（距上次 ${gap} 秒）"
|
||||
echo "$now" > "$LAST_RESTART_FILE"
|
||||
for svc in "$@"; do
|
||||
systemctl restart "$svc"
|
||||
done
|
||||
write_state 0 0 0
|
||||
sleep 25
|
||||
log "重启后地址: $(cat "$URL_FILE" 2>/dev/null || echo '（还没拿到）')"
|
||||
exit 0
|
||||
}
|
||||
|
||||
ZERO=$(read_state zero 0)
|
||||
FAIL=$(read_state fail 0)
|
||||
BUILT=$(read_state built 0)
|
||||
|
||||
# ---------- 信号 A：分别读两个实例 ----------
|
||||
TOTAL=0
|
||||
DEAD_SVCS=()
|
||||
LOW_SVCS=()
|
||||
DETAIL_PARTS=()
|
||||
NOW_TS=$(date +%s)
|
||||
LAST_R_NOW=$(cat "$LAST_RESTART_FILE" 2>/dev/null || echo 0)
|
||||
SINCE_RESTART=$(( NOW_TS - LAST_R_NOW ))
|
||||
for entry in "${INSTANCES[@]}"; do
|
||||
svc="${entry%%:*}"
|
||||
port="${entry##*:}"
|
||||
c=$(conns_of "$port")
|
||||
if [ "$c" = "X" ]; then
|
||||
# metrics 端口不通：要么进程没了，要么卡死到不响应
|
||||
DEAD_SVCS+=("$svc")
|
||||
if systemctl is-active --quiet "$svc"; then
|
||||
DETAIL_PARTS+=("$svc=无响应")
|
||||
else
|
||||
DETAIL_PARTS+=("$svc=服务停")
|
||||
fi
|
||||
continue
|
||||
fi
|
||||
TOTAL=$((TOTAL + c))
|
||||
DETAIL_PARTS+=("$svc=$c")
|
||||
|
||||
# 连接数为 0 也要拉起来 —— 端口响应但一条连接都没有，
|
||||
# 说明这个实例根本没在工作（另一个实例可能还在扛着，
|
||||
# 所以公网看起来是通的，光看公网永远发现不了）。
|
||||
#
|
||||
# 但要给宽限期：刚重启的实例连接数本来就是 0，
|
||||
# 这时候重启会把它按回去，陷入"永远建不起来"的死循环。
|
||||
if [ "$c" = "0" ] && [ "$SINCE_RESTART" -gt "$GRACE" ]; then
|
||||
DEAD_SVCS+=("$svc")
|
||||
continue
|
||||
fi
|
||||
|
||||
if [ "$c" -le 1 ] 2>/dev/null; then
|
||||
LOW_SVCS+=("$svc")
|
||||
fi
|
||||
done
|
||||
DETAIL_CONNS=$(IFS=, ; echo "${DETAIL_PARTS[*]}")
|
||||
|
||||
# 总连接数到过 BUILT_MIN 就记下来（跨多次检查保留）
|
||||
if [ "$TOTAL" -ge "$BUILT_MIN" ] 2>/dev/null; then
|
||||
if [ "$BUILT" != "1" ]; then
|
||||
log "本次已建齐（合计 ${TOTAL} 条：${DETAIL_CONNS}）"
|
||||
fi
|
||||
BUILT=1
|
||||
fi
|
||||
|
||||
# 某个实例整个没响应 -> 直接把它拉起来（这不受公网状态影响，
|
||||
# 因为另一个实例可能还在扛着，公网看起来是通的）
|
||||
if [ "${#DEAD_SVCS[@]}" -gt 0 ]; then
|
||||
restart_services "实例无响应（${DETAIL_CONNS}）" "${DEAD_SVCS[@]}"
|
||||
fi
|
||||
|
||||
# ---------- 信号 B：公网真的通吗 ----------
|
||||
URL=$(cat "$URL_FILE" 2>/dev/null | tr -d '\r\n')
|
||||
CODE="000"
|
||||
if [ -n "$URL" ]; then
|
||||
CODE=$(timeout 20 curl -4 -s -o /dev/null -w '%{http_code}' \
|
||||
-H 'User-Agent: LanRemote/1.8.2' "$URL/v1/health" 2>/dev/null)
|
||||
CODE=${CODE:-000}
|
||||
fi
|
||||
PUBLIC_OK=0
|
||||
[ "$CODE" = "200" ] && PUBLIC_OK=1
|
||||
|
||||
# ---------- 信号 C：日志僵死了吗 ----------
|
||||
# 两个日志都超过 STALE_MINUTES 没动静才算僵死
|
||||
LOG_STALE=1
|
||||
NOW=$(date +%s)
|
||||
for lg in "${TUNNEL_LOGS[@]}"; do
|
||||
if [ -f "$lg" ]; then
|
||||
LAST=$(stat -c %Y "$lg" 2>/dev/null || echo 0)
|
||||
if [ "$LAST" -gt 0 ] && [ $((NOW - LAST)) -le $((STALE_MINUTES * 60)) ]; then
|
||||
LOG_STALE=0
|
||||
break
|
||||
fi
|
||||
fi
|
||||
done
|
||||
|
||||
# ---------- 判断 ----------
|
||||
if [ "$PUBLIC_OK" = "1" ]; then
|
||||
# 公网通就是真的通，计数器清零
|
||||
if [ "$ZERO" != "0" ] || [ "$FAIL" != "0" ]; then
|
||||
log "公网恢复（HTTP 200），计数清零（之前 zero=$ZERO fail=$FAIL）"
|
||||
fi
|
||||
write_state 0 0 "${BUILT:-0}"
|
||||
exit 0
|
||||
fi
|
||||
|
||||
# 公网不通 —— 看是哪种原因
|
||||
DETAIL="HTTP $CODE，${DETAIL_CONNS}"
|
||||
ALL_SVCS=()
|
||||
for entry in "${INSTANCES[@]}"; do ALL_SVCS+=("${entry%%:*}"); done
|
||||
|
||||
if [ "$LOG_STALE" = "1" ] && [ "$FAIL" -ge 1 ]; then
|
||||
restart_services "两个日志都 ${STALE_MINUTES} 分钟没动静加上公网不通（进程卡死）" \
|
||||
"${ALL_SVCS[@]}"
|
||||
fi
|
||||
|
||||
FAIL=$((FAIL + 1))
|
||||
# 总连接数 <= 1 也算"降级"。
|
||||
#
|
||||
# 原来是 == 0 才算，但实测**只剩 1 条连接时跨机房回源就会失败**
|
||||
# （用户撞上的 530 就是这种：请求落 SEA，隧道只剩 LAX 一条）。
|
||||
# 所以 1 和 0 一样危险，都计入降级计数。
|
||||
DEGRADED=0
|
||||
if [ "$TOTAL" -le 1 ] 2>/dev/null; then
|
||||
ZERO=$((ZERO + 1))
|
||||
DEGRADED=1
|
||||
fi
|
||||
|
||||
log "公网不通（$DETAIL），连续第 $FAIL 次（降级 $ZERO 次）"
|
||||
|
||||
if [ "$DEGRADED" = "1" ]; then
|
||||
LAST_R=$(cat "$LAST_RESTART_FILE" 2>/dev/null || echo 0)
|
||||
SINCE=$(( NOW - LAST_R ))
|
||||
|
||||
# 建齐过（>=BUILT_MIN）又垮下来 = 链路本来能撑住，现在是真故障
|
||||
# -> 不用再等宽限期，立刻重启
|
||||
# 从没建齐过 = 它还在努力建
|
||||
# -> 继续等，别打断它
|
||||
if [ "${BUILT:-0}" = "1" ]; then
|
||||
restart_services "公网不通，且本次重启后曾建齐过连接（确认故障，立即重启）" \
|
||||
"${ALL_SVCS[@]}"
|
||||
elif [ "$SINCE" -lt "$GRACE" ]; then
|
||||
log "公网不通且只剩 ${TOTAL} 条连接，但本次重启还没建齐过（${SINCE}/${GRACE} 秒）—— 继续等它建"
|
||||
else
|
||||
restart_services "公网不通且 ${SINCE} 秒都没建齐（链路或边缘有问题，重启试试）" \
|
||||
"${ALL_SVCS[@]}"
|
||||
fi
|
||||
fi
|
||||
|
||||
if [ "$FAIL" -ge "$THRESHOLD" ] || [ "$ZERO" -ge "$THRESHOLD" ]; then
|
||||
# 连接还健康的话，用更宽的阈值 —— 别把"抖一下"升级成 1 分钟中断
|
||||
if [ "$TOTAL" -ge "$BUILT_MIN" ] 2>/dev/null && [ "$ZERO" -lt "$THRESHOLD" ]; then
|
||||
if [ "$FAIL" -lt "$THRESHOLD_HEALTHY" ]; then
|
||||
log "公网连续 $FAIL 次不通，但连接健康（合计 $TOTAL 条）—— 再等等，不重启"
|
||||
write_state "$ZERO" "$FAIL" "$BUILT"
|
||||
exit 0
|
||||
fi
|
||||
fi
|
||||
|
||||
# 有实例只是"低连接"（不是完全没响应）时，只重启那些实例；
|
||||
# 全都低就重启全部。
|
||||
if [ "${#LOW_SVCS[@]}" -gt 0 ] && [ "${#LOW_SVCS[@]}" -lt "${#ALL_SVCS[@]}" ]; then
|
||||
restart_services "连续 $FAIL 次公网不通（含 $ZERO 次降级，低连接实例）" \
|
||||
"${LOW_SVCS[@]}"
|
||||
else
|
||||
restart_services "连续 $FAIL 次公网不通（含 $ZERO 次降级）" "${ALL_SVCS[@]}"
|
||||
fi
|
||||
fi
|
||||
|
||||
write_state "$ZERO" "$FAIL" "$BUILT"
|
||||
Reference in New Issue
Block a user