修真凶：4G 链路静默断连导致隧道"假活"（用户撞上 Error 1033）

现象：用户早上打开 relay.xxmxxs.top 看到 Cloudflare Error 1033。
      watchdog 日志把过程记下来了：
        公网不通（HTTP 000，ha_connections=2）  <- 隧道显示连着，公网不通
        公网不通（HTTP 502，ha_connections=2）
        公网恢复（HTTP 200）                     <- 自己又好了
      也就是说：**间歇性假活**，短样本测不出来。
      我之前只测 15~25 次就说"可用率 100%"，太草率了。

根因：4G 链路会**静默断开** TCP 连接 —— 不发 FIN/RST，双方都以为还连着。
      Cloudflare 把请求发到这条僵尸连接上，就回 502/530/1033。
      Linux 默认 tcp_keepalive_time = **7200 秒（2 小时）**才发现连接死了，
      所以中间这段时间服务一直"看着在线、实际打不开"。

      tunnel.log 最近 3000 行的佐证：
        i/o timeout              212 次
        Retrying connection      127 次
        Lost connection           22 次

修法：
  1. TCP keepalive 调到 30 秒 + 每 10 秒探测 3 次
     => 最多约 60 秒发现僵尸连接，cloudflared 立刻重连
     （/etc/sysctl.d/97-ykxmz-keepalive.conf）
  2. 隧道连接数 2 -> 4，多几条冗余
  3. 修 relay 从不清理设备记录的问题：
     self.devices 只增不减，被控端每换端口/重装就多一条，
     实测一天攒了 75 条僵尸记录，/v1/health 从几 KB 涨到 20KB。
     加 DEVICE_TTL（6 小时）在 snapshot() 里清掉。

实测（修完立刻验证）：
    设备侧  公网 15/15 HTTP 200
    Windows 公网 25/25，中位 520 ms，最快 463 ms
    health  20931 字节 / 75 台  ->  152 字节 / 0 台

_build/watch_availability.py

@@ -0,0 +1,113 @@
+# -*- coding: utf-8 -*-
+r'''长时间观察公网可用率 —— 这才是判断"稳不稳"的正确方法。
+
+我之前只测了 15~25 次就连着说"可用率 100%"，太草率了。
+用户早上打开就撞上 Error 1033 —— 说明**间断性掉线**，
+短样本根本看不出来。
+
+这个脚本跑 10 分钟，每 3 秒一次，统计：
+    * 总可用率
+    * 连续失败的最长时长（这个最要命：用户点进去就是白页）
+    * 失败的时间分布（是零星抖动还是成片断）
+'''
+from __future__ import annotations
+
+import statistics
+import sys
+import time
+import urllib.error
+import urllib.request
+
+URL = "https://relay.xxmxxs.top/v1/health"
+HEADERS = {"User-Agent": "LanRemote/1.4.0"}
+DURATION = 600          # 观察 10 分钟
+INTERVAL = 3            # 每 3 秒一次
+
+
+def probe(timeout: float = 12.0) -> tuple:
+    """返回 (是否成功, 耗时秒, 状态码或错误名)。"""
+    start = time.perf_counter()
+    try:
+        with urllib.request.urlopen(
+                urllib.request.Request(URL, headers=HEADERS),
+                timeout=timeout) as resp:
+            resp.read()
+            ok = resp.status == 200
+            return ok, time.perf_counter() - start, str(resp.status)
+    except urllib.error.HTTPError as exc:
+        return False, time.perf_counter() - start, "HTTP%d" % exc.code
+    except Exception as exc:                               # noqa: BLE001
+        return False, time.perf_counter() - start, exc.__class__.__name__
+
+
+def main() -> int:
+    print("  观察 %d 分钟，每 %d 秒一次" % (DURATION // 60, INTERVAL))
+    print()
+
+    total = ok_count = 0
+    times = []
+    failures = []
+    streak = 0
+    worst_streak = 0
+    worst_start = None
+    current_start = None
+
+    deadline = time.time() + DURATION
+    while time.time() < deadline:
+        ok, elapsed, note = probe()
+        total += 1
+        if ok:
+            ok_count += 1
+            times.append(elapsed)
+            streak = 0
+            current_start = None
+        else:
+            failures.append((time.strftime("%H:%M:%S"), note))
+            if streak == 0:
+                current_start = time.time()
+            streak += 1
+            if streak > worst_streak:
+                worst_streak = streak
+                worst_start = current_start
+        # 每分钟报一次进度
+        if total % 20 == 0:
+            print("    已测 %3d 次，成功 %3d，失败 %2d"
+                  % (total, ok_count, total - ok_count))
+        time.sleep(INTERVAL)
+
+    print()
+    print("  ================ 结果 ================")
+    rate = ok_count / total * 100 if total else 0
+    print("  样本        %d 次（约 %d 分钟）" % (total, DURATION // 60))
+    print("  可用率      %.1f%%  (%d/%d)" % (rate, ok_count, total))
+
+    if times:
+        print("  成功时延迟  中位 %.0f ms   最快 %.0f ms   最慢 %.0f ms"
+              % (statistics.median(times) * 1000,
+                 min(times) * 1000, max(times) * 1000))
+
+    if failures:
+        span = worst_streak * INTERVAL
+        print("  **最长连续失败 %d 次（约 %d 秒）**" % (worst_streak, span))
+        if worst_start:
+            print("     开始于 %s" % time.strftime("%H:%M:%S",
+                                                  time.localtime(worst_start)))
+        print("  失败明细（最多列 20 条）：")
+        for stamp, note in failures[:20]:
+            print("     %s  %s" % (stamp, note))
+    else:
+        print("  全程没有失败")
+
+    print()
+    print("  判读：")
+    if rate >= 99.5:
+        print("    ≥99.5% —— 可以接受")
+    elif rate >= 97:
+        print("    97~99.5% —— 有抖动，用户偶尔会遇到打不开")
+    else:
+        print("    <97% —— **不稳定**，必须查根因（用户会经常撞上 Error 1033）")
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())