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

relay/relay.py

@@ -81,6 +81,15 @@ CODE_RE = re.compile(r"^\d{6}$")
 
 # 设备多久没心跳算掉线
 DEVICE_TIMEOUT = 90.0
+# 设备多久没动静就**从列表里彻底删掉**。
+#
+# 和 DEVICE_TIMEOUT（90 秒）不一样：那个只是标记"离线"，
+# 记录还留着，方便手表看到"我以前连过这台"。
+# 但记录只增不减会出问题 —— 被控端每次换端口/重装都用新 deviceId
+# 注册一次，老的永远留着。实测一天攒了 75 条僵尸记录，
+# /v1/health 从几 KB 涨到 20KB，手表和网页每次白下载一大坨。
+# 6 小时足够覆盖"上课中途断一下"，真回来会重新注册。
+DEVICE_TTL = float(os.environ.get("RELAY_DEVICE_TTL", str(6 * 3600)))
 # 一个设备最多同时挂几个手表会话
 MAX_SESSIONS_PER_DEVICE = 3
 
@@ -645,6 +654,23 @@ class Relay:
     def snapshot(self) -> dict:
         with self.lock:
             now = time.time()
+
+            # 先把长时间没动静的设备清掉。
+            #
+            # 为什么必须清：这个 dict 只增不减。被控端每次启动/换端口/
+            # 重装都会用新的 deviceId 注册一次，老的永远留着 ——
+            # 实测跑一天就攒了 75 条僵尸记录，/v1/health 从几 KB
+            # 涨到 20KB，手表和网页每次都要白下载一大坨没用的东西。
+            # 设备超过 6 小时没上报就当它下线了（真回来会重新注册）。
+            stale = [did for did, dev in self.devices.items()
+                     if now - getattr(dev, "last_seen", now) > DEVICE_TTL]
+            for did in stale:
+                self.devices.pop(did, None)
+                # 它的会话也一起收掉，免得挂着一堆死会话
+                for sid in [s.session_id for s in self.sessions.values()
+                            if s.device_id == did]:
+                    self.sessions.pop(sid, None)
+
             devices = []
             for device in self.devices.values():
                 sessions = [s for s in self.sessions.values()