xmz7891/ykxmz
1
0
Fork 0
mirror of https://gitee.com/xmz7891/ykxmz.git synced 2026-10-18 12:30:44 +00:00
Code Issues Packages Projects Releases Wiki Activity
55 Commits 1 Branch 18 Tags
25e7780272f2ff6ef8ae67b70cb7e607933e3ea7
Commit Graph
14 Commits
Author SHA1 Message Date
xmz7891 25e7780272 单次请求失败不再立刻判离线，改成连续 3 次 
实测单个请求有 2~4% 的偶发失败（4G 丢包打在一条隧道连接上，
或者那条连接正在重连）。原逻辑是一失败就 online = false，
于是界面上会闪一下已断开 —— 用户点按钮时正好撞上那一闪，
看起来就像又连不上了。

而链路其实 1.5~15 秒就自己恢复（客户端本来就有退避重试）。

改成连续失败 3 次才判离线（手表至少 4.5 秒、电脑至少 6 秒）：
  * 单次抖动完全不影响界面
  * 真的断了仍然如实显示

这不是掩盖问题，而是把是否可用的判断从一次采样改成连续采样 ——
单点采样在有丢包的链路上噪声太大。

两边同步改：
  android .../RelayTransport.java   failStreak + OFFLINE_AFTER
  windows/lanremote/relay.py        _fail_streak + OFFLINE_AFTER

顺带记录 PC 端基准（真实用户视角，之前都是在设备上量的，
那等于把设备 4G 算了两遍）：
  公网可用率 98%   耗时 中位 911  P90 1889  P99 23868 ms
  长轮询     5/6   耗时 60.8~62.1 秒
对比设备端（中位 1344 / P90 2563）—— 用户实际体验比设备端量出来的好。
 2026-10-07 16:16:50 +08:00
xmz7891 bf15a2ee61 静态资源交给 Cloudflare 边缘缓存（下载提速 41 倍） 
实测基线：
  ykxmz-setup-1.8.1.exe   只下到 237568/15067199 字节就停（17 KB/s）
  ykxmz-watch-1.8.1.apk   201523 字节 / 66.8 秒 = 3 KB/s
  ykxmz-server-1.8.1.zip  214900 字节 / 3.1 秒  = 67 KB/s

原因：relay 给所有响应都发 Cache-Control: no-store，
Cloudflare 完全不缓存 —— 每次下载/每张图都要穿隧道回 4G 源站。

改动：
  /download/*   no-store -> public, max-age=604800, immutable
                文件名带版本号，同一名字内容永不改变，可以长缓存
  /             -> public, max-age=60（挡住刷新重复回源）
  /favicon.ico  已是 max-age=86400，保持不变
  /shot/*       已是 max-age=86400，保持不变
  /v1/*         保持 no-store（接口必须实时）

顺带修两个自己踩的坑：

1. _send() 无条件先发 no-store，再追加 extra 里的 Cache-Control，
   结果是**两个 Cache-Control 头**，客户端只认第一个 ——
   调用方传的缓存策略被吃掉。改成 extra 里有就不再发默认值。

2. do_HEAD 和 do_GET 的缓存头不一致：HEAD 对非 /shot/ 一律报 no-store。
   下载器/代理用 HEAD 探测时会误判文件不可缓存。
   现在 _head_info 给每个路由带上和 GET 完全相同的缓存头，
   do_HEAD 也不再盲目覆盖。

结果（同一个测试口径）：
  setup.exe  17 KB/s（截断） -> 695 KB/s 完整 15 MB   41 倍
  watch.apk   3 KB/s         -> 101 KB/s              33 倍
  server.zip 67 KB/s         ->  87 KB/s
  三个文件全部 cf-cache-status=HIT（不再穿隧道回源）

排查过程记一笔：我一开始用 curl -I 验证，
看到的全是 no-store —— 因为 **-I 发的是 HEAD**，
而 HEAD 走的是另一个分支。查了半天才发现是验证方法错了。
 2026-10-07 15:44:48 +08:00
xmz7891 351171e6ea 清理对外材料里的中转管理后台 + 把规矩变成测试 
用户定的新规矩：
「你对外公开的数据里不要包含那个中转站管理的页面，你就只能提官网」

用户确认的范围：只清理「我对外的公开发言」
（发布说明 / 更新日志 / 官网 / README / 我给出的汇报），
服务端 zip 里的运维文档保留（装服务器的人需要它），
源码实现保留（路径是功能本身，藏起来没法维护）。

清掉的内容：
  * CHANGELOG.md：1.8.0 条目里"管理后台重做"整段、
    "管理页显示成一屏源码"、"管理页标题被切掉"；
    1.7.1 条目里**直接写出的路径 /zhongzhuanzhan**、
    "管理入口从官网上移除"；1.7.0 的"管理页加图标"
  * RELEASE-1.8.0.md：第四节「中转管理后台完全重做」整节删掉，
    改成「官网重新设计」

新增 _build/test_public_clean.py（15 项）并加进套件（阶段 3b7）：
  * CHANGELOG / README / docs 里不许出现
    zhongzhuanzhan、/admin、管理后台、管理页、管理入口、admin_password
  * 官网渲染出来的 HTML 逐词检查，且站内链接只允许
    指向 /download/、/shot/、首页、图标、页内锚点
  * 发布说明里不许出现安装教程类内容（用户要求只放更新内容）

  为什么写成测试：文档没人看。这一天里我因为"以为记住了"
  翻了三次车，所以把规矩变成会红的断言。

新增 docs/项目规矩.md：把用户历次明确的约束集中记下来
（发布流程、对外清洁度、版本号、产物组成、README 规则、
白色简洁设计、改完必须验、测试工具不能当干扰源），
新会话接手时先读这个。

顺带修的工程问题（今天反复踩的坑）：
  * 用 PowerShell 的 @"..."@ 嵌 Python 去改 .ps1 时，
    PowerShell 会先把 $var 展开成空，写进去一堆反斜杠
    -> verify_all.ps1 被写坏，& 语法报错
    现在改 .ps1 一律用 Python 读写文件
  * re.sub 的替换串会解释反斜杠转义，
    `"\\test_public_clean.py"` 里的 \t 变成制表符，
    路径成了 "_build<TAB>est_public_clean.py"
    -> 用 lambda 替换，避开转义

验收：全量回归 34 个阶段全部通过（含新的清洁度守卫）。
 2026-10-07 12:15:32 +08:00
xmz7891 49fdec1da8 1.8.0：隧道稳定性大修 + 中转管理后台重做 
版本号 1.7.1 -> 1.8.0（8 个文件，13 处）。
写了个 bump_180.py 统一处理 —— 版本号散落在
Python / Java manifest / PowerShell / Inno Setup / 测试里，
手动改必漏；而且 .ps1 必须保留 UTF-8 BOM。

==================== 一、隧道稳定性（用户撞上 1033/502/530）====================

1) 4G 链路会**静默断开 TCP 连接**（不发 FIN/RST，双方都以为还活着），
   Linux 默认要 2 小时才发现 -> 改成 keepalive 30 秒 + 每 10 秒探测。
   实测 60 秒内发现并重连。

2) 隧道连接数 2 -> 4。只剩 1 条连接时跨机房回源会失败
   （实测可用率 0/12，提到 4 条后 12/12）。

3) 掉电重启后恢复慢：原来开机 2 分 10 秒公网才可用。
   根因是 systemd-networkd-wait-online 等一个不归它管的网络
   （wlan0 是 NetworkManager 管的），干等 2 分钟超时失败，
   把 network-online.target 一起拖住。
   mask 掉它之后：启动 17.3 秒，掉电重启 24 秒公网可用。

4) 看门狗两次翻车都是我造成的，都修了：
   a) 我先加了"确认故障立刻重启"，但隧道重建 4 条连接要 30~60 秒，
      MIN_RESTART_GAP=45 导致**还没建齐就被下一次重启打断**，
      死循环，每 50 秒重启一次 -> 加 150 秒宽限期
   b) 宽限期又带来"链路持续差时什么都不做"的问题
      -> 增加"本次重启后建齐过吗"的判断：
         建齐过又垮 = 真故障，立刻重启
         从没建齐 = 还在努力，继续等

5) 顺手修：看门狗状态文件里的变量在函数定义前被引用，
   set -u 下报 "BUILT: 未绑定的变量"。

==================== 二、中转管理后台重做 ====================

原来的管理页是几百行内联在 relay.py 的 f-string 里，
改一处样式要在一堆转义花括号里翻。拆成独立模块 relay/admin.py。

新设计（对齐官网那套白色简洁）：
  吸顶顶栏 -> 公网地址（最大权重，这是用户最需要复制的）
  -> 四个数字卡 -> 设备表 -> 工具卡（体检 + 下载）
  空状态给图标+引导文案；窄屏表格自动变卡片。
  relay.py 从 2089 行缩到 1500 行左右。

修了三个我自己引入的 bug：
  a) 响应头类型写错，浏览器把整页 HTML 当纯文本显示
     （用户看到的是"一屏源码"）。教训：200 不等于页面能看，
     当时只验了状态码和字节数。
  b) 顶栏用了固定 height:62px，装不下"标题+副标题+版本信息"两行，
     内容被顶出容器 -> 标题看不见、徽章压在字上。
  c) do_HEAD 没处理 /download/ 路径，HEAD 一个 APK 返回
     Content-Length: 0 + text/plain，下载器会误判成空文件。
     同时发现 _head_info 里对 bytes 调 .encode() —— 加 _as_bytes() 兜住。

==================== 三、其它 ====================

* 设备记录只增不减：实测一天攒 75 条僵尸，/v1/health 从几 KB 涨到 20KB。
  加 DEVICE_TTL（6 小时）自动清，占用的配对码一起释放
  （管理页曾显示"配对码占用 131"但一台设备都没有）。
* HEAD 请求支持（原来一律 501）。
* 官网新增产品展示：手表界面预览（颜色/布局与真实手表一致）、
  电脑端真实截图、两种连接方式对比图。
* 加了一份 docs/免费托管方案.md（含一个纠错：上一版推荐的
  ClawCloud Run 已在 2026-05-11 关停）。

==================== 验收 ====================

全量回归            33 个阶段全部通过
安装包完整周期      20/20（静默装入 7 秒、卸载 0.6 秒、无残留）
网页响应头          12/12
公网可用率          26/30 = 86%（底层 4G 丢包 30%，是这个上限）
发布产物            安装包 14.37MB / 服务端 0.20MB / 手表 0.19MB
 2026-10-07 11:47:12 +08:00
xmz7891 494b6e5671 加一份免费托管方案调研文档 
用户问：网上有没有免费办法托管中转服务。

查了协议架构：全是 HTTP 长轮询（agent/register、agent/poll、
agent/send、agent/bye），没有裸 TCP —— 所以托管选择面很宽。
另外 relay.py 是纯 Python 标准库、零第三方依赖、仅 150 KB、
实测内存 23 MB / CPU 0.1%，任何免费实例都装得下。

关键洞察：一旦有了公网 IP，**根本不需要 Cloudflare 隧道**，
现在所有 1033/502/530 都是隧道这一跳的问题，换过去就从根上消失。

文档里对比了 6 个方案（永久性、是否需公网 IP、是否要信用卡、
亚洲节点、能否免隧道），推荐 Oracle Cloud Always Free 首选
（永久免费 + 真公网 IP + 东京/首尔节点），
ClawCloud Run 作为不用信用卡的备选。
还写了具体的搬迁步骤和要删掉的组件。
 2026-10-07 11:07:24 +08:00
xmz7891 bcb089eded 看门狗：连接数掉到 1 就立刻重启，不等攒够 3 次 
排查公网间歇 530 时发现的：
  watchdog 日志显示「公网不通（HTTP 530，ha_connections=1）」
  —— 出问题那段时间隧道**只剩 1 条连接**。

原来 watchdog 只把 CONNS == 0 算"零连接"，
CONNS == 1 不当回事。但实测**只剩一条连接时跨机房回源就会失败**
（请求落 SEA，隧道只剩 LAX 一条）。

改法：
  * CONNS <= 1 都计入降级计数
  * 公网不通 **且** 连接数已在危险区 = 确认的故障（不是短抖动）
    -> 立刻重启，不等 3 次

每次检查间隔 20 秒，等 3 次就是白断 40 秒。现在能省下来。

实测：改完公网 15/15 = 100%，连接数 4 条。

顺带说明 watchdog 是怎么跑的：
  systemd timer（lanremote-watchdog.timer），每 20 秒调一次
  watchdog.service。之前查"服务是 inactive"一度以为它没在跑，
  其实是 timer 触发型的 —— oneshot 服务跑完就是 inactive，正常。
 2026-10-07 10:00:50 +08:00
xmz7891 fe3b9ada12 修管理页 Content-Type（浏览器显示成一屏源码） 
用户截图：打开 relay.xxmxxs.top/zhongzhuanzhan 看到的**不是页面，
而是整页 HTML 源码**。

根因：_send() 的 content_type 参数默认是 application/json，
我重做管理页时调它没传 text/html —— 浏览器按 JSON/纯文本处理，
就把 HTML 原样显示了。

⚠ 更该反省的是：**我当时没发现。**
   验证脚本只看了 HTTP 200 和字节数，两个都对，就以为没问题。
   200 不等于页面能看 —— 响应头也得看。

顺手修的第二个问题：
   HEAD 请求一律返回 501 Unsupported method（没实现 do_HEAD）。
   浏览器用 GET 所以页面照开，但 Cloudflare 健康检查、
   很多监控/代理探测都用 HEAD，curl -I 也是。
   补了 do_HEAD：按路径算出类型和长度，只回头不回体。

新增测试 _build/test_response_headers.py（9 项）：
  * HEAD 各路径不能是 501
  * 官网/管理页 Content-Type 必须是 text/html，不能是 json
  * favicon、产品截图必须是 image/*
并加进全量套件（阶段 3b6）。

验证：该测试 9/9 通过；全量套件 33 个阶段全部通过。
 2026-10-07 09:53:43 +08:00
xmz7891 160dc3765e 修管理页测试的引号敏感 + 补 netPanel id 
重做管理页时把 HTML 从 class=pick（无引号）改成了
class="pick"（标准写法），但测试里写死了无引号形式，
于是 5 个断言集体误报失败。

HTML 两种写法都合法，测试不该关心这个 ——
给两个测试加了 _has()，带不带引号都认。

另外给新管理页的体检卡补回 id=netPanel（语义合理，
也顺手让测试钩子还在）。

同时删掉 _build/_missing_tail.py（恢复事故时的临时文件，
静态检查把它当成真模块查，报了 8 个 undefined name）。

验证：管理页网络体检 15/15、中转批量删除 24/24、
全局 32 个阶段全部通过。
 2026-10-07 09:45:10 +08:00
xmz7891 df8056dd16 修四个安装/卸载卡死的 bug（都实测复现过） 
1. 卸载里 input() 在无 stdin 时永久阻塞
   从控制面板卸载**永远卡住不结束**。安装包的 [UninstallRun]
   用 runhidden 调用，没有 stdin，input() 就一直等。
   改成只在 sys.stdin.isatty() 时才等回车。

2. Popen 没重定向子进程 stdio，导致 capture_output 等管道 EOF
   _schedule_self_delete 起的 cmd 继承了父进程的 stdout/stderr 句柄，
   任何用 capture_output 调 --uninstall 的地方都会一直等，
   表现为"程序卡死"（实测 90 秒不返回，改后 0.2 秒）。
   Popen 加 stdin/stdout/stderr=DEVNULL。
   顺带把延迟从 timeout 换成 ping —— timeout 在 DETACHED_PROCESS
   下没有控制台会立刻失败，等于没延迟直接删。

3. _kill_running 用 taskkill /IM ykxmz.exe 把**自己**杀了
   --uninstall 本身就跑在 ykxmz.exe 里，这条命令一发，
   后面的"删开机自启""删数据目录"全都没执行。
   现象：卸载看着完成了，HKCU 的自启注册表项还留着。
   改成 /FI "PID ne <self>" 排除自己。

4. 安装器关不掉以管理员身份运行的旧实例 -> 整个安装回滚
   Inno 自带机制只会"请求"对方退出，遇上常驻的服务进程关不掉，
   弹"无法自动关闭所有应用程序"，静默模式下被压成"终止"，
   安装直接回滚 —— 用户看到的是"装了没反应/还是旧版本"。
   改成 PrepareToInstall 里自己 taskkill /F，关掉 Inno 那套。

另外修了两个卸载残留：
   * 安装目录留个空壳 -> [UninstallDelete] 加 dirifempty
   * ProgramData\ykxmz 没删 -> 加进 [UninstallDelete]

还有一处 Inno 写法陷阱（踩了三次）：
   注释里写 [区段名] 或 {常量} 会让编译直接失败，
   因为 [Code] 解析器连注释内容也处理。
   加了 _build/check_iss.py 专门扫这个，并进全量套件。

实测结果：
   静默安装  5 秒内退出，退出码 0，配对码正确写入，程序自动跑起来
   静默卸载  0.7 秒退出（原来无限卡住）
   全量回归  29 项全通过
   卸载逻辑  11 项全通过
 2026-10-07 01:19:11 +08:00
xmz7891 e29b741ddf 收尾：CHANGELOG 补 1.7.1 + 清历史产物 + 修验证脚本路径 
- _build/CHANGELOG.md 补上 1.7.1 条目（发版说明的唯一来源）
- 两个验证脚本还在用旧的管理页路径 zhingzhuanzhan，
  跑起来会误报失败，改成 zhongzhuanzhan
- dist 里清掉 1.6.x 的历史产物（Gitee 发行版里有，删了能下回来）
 2026-10-07 00:17:55 +08:00
xmz7891 7b7830d8c5 阶段3+4+5：管理页白色化 + 局域网诊断 + 全量验收 
阶段3 管理页
- 清掉全部深色主题残留（地址框 #0b1220、按钮悬停 #262c36、
  删除按钮 #2d1214 等 11 处），现在 0 处深色
- 接口全部正常：health / downloads / netcheck

阶段4 局域网诊断
- 查清楚"电脑不在同一网络"是怎么回事：被控端是**对的**
  （lan_ips() 报 ['192.168.2.64', '169.254.83.107']，真实地址排第一），
  是手表当时真不在 192.168.2.x —— 可能连了 5G 频段的另一个路由器，或开着移动数据
- 所以改了手表的提示：不再只说"不在同一网络"，
  而是把**双方地址都打出来**，用户一眼能看出是网段不同还是连错 WiFi
- 端到端验证局域网路径：认证 1 ms，功能列表 207 项

阶段1 结论修正（一天内推翻自己两次，如实记录）
- 第一次判断"优选 IP 无用"：错。半小时内确实能避开超时 IP
- 第二次固定优选 IP：也错。那些实测 138ms 的 IP 半小时后全不通了
  —— Cloudflare anycast 可达性随运营商路由变化，固定 IP 等于钉死到会失效的地址
- 最终：不固定，靠 GeoDNS + cloudflared 重试 + ha-connections 2 冗余
- 撤销后立即变好：连接稳定 2 条、超时告警 0 次、设备侧延迟 4.40s -> 1.66s
- **真正的瓶颈**：分段实测发现本机到 Cloudflare 的**裸 RTT 就 1439 ms**，
  比经隧道的请求（1215 ms）还慢。说明瓶颈是这条网络的 4G 上行本身，
  不是设备的隧道。公网侧已无优化空间。
- 局域网 118 ms vs 公网 1215 ms，快 10 倍 —— 这才是该走的路

阶段5 验收
- 全量回归 29 项全通过
- 设备侧验收 38 项全通过
- 成品：setup exe 14.37 MB / server zip / watch apk，已同步到设备下载区
 2026-10-07 00:13:10 +08:00
xmz7891 566d9e384f 阶段1+2：恢复 HTTP/2 加速 + 重做官网 
阶段1 网络加速
- 发现隧道在跑 QUIC（ExecStart 丢了 --protocol http2），
  实测 QUIC 可用率 48% vs HTTP/2 80%+，是重大性能回退。
  恢复后公网延迟从 4141ms 降到 690ms（快 6 倍），可用率 92%。
- 优选 IP 结论：无效。hosts 覆盖确实生效了（日志里连的就是指定 IP），
  但落点仍是 lax —— 运营商把所有 Cloudflare anycast 都路由到美西。
  已清掉这段无效配置。
- BBR 不可用：设备是自定义内核 6.4.0-rc4-jsbsbxjxh66，
  没编 tcp_bbr 模块也没配置项。改用 cubic + 调优：
  TCP 缓冲 4MB、tcp_fastopen=3、tcp_slow_start_after_idle=0
  （长轮询场景关键）、tcp_tw_reuse=1。

阶段2 官网重做
- 拆出独立模块 relay/landing.py（relay.py 已两千多行，
  再塞 HTML 没法看）
- 信息结构参考成熟产品站：吸顶导航 / Hero / 九宫格功能 /
  三步上手 / 下载 / FAQ / 页脚
- 保持白色简洁：底白、浅灰面板、细边框、大量留白
- logo 用内联 SVG（ICO 放 img 里实测是破图）
- 管理入口从官网移除（管理不对外开放）

过程中被自己的测试抓到两个 bug：
- 模块叫 site.py 会和 Python 标准库重名，import site 拿到的是标准库
- _logo() 里把 % 格式化和字符串拼接混用，直接抛 TypeError
 2026-10-06 23:53:19 +08:00
xmz7891 65dc2fad65 1.6.1：常规发布 
- 版本号 1.6.1 -> 1.6.1
- 重建三端并打包
- 关键测试全过
 2026-10-06 23:08:07 +08:00
xmz7891 b62ac865ea ykxmz 1.5.0：修复手表端 TLS 证书校验 + MTU 修复网络稳定性 
被控端
- 修复 MTU 问题：夹 MSS + 路径 MTU 探测（公网可用率 48% -> 100%）
- 复用 HTTP 连接（免掉每次新建 TLS 的 30% 握手失败）
- 每分钟回头找局域网，自动切回快 400 倍的路径
- 画面心跳帧：静止时省流量，客户端仍知道流是活的
- 锁屏时给出可操作的提示

手表端
- 内置 GTS Root R4 / GlobalSign Root CA，修 SSLHandshakeException
- 连接错误翻译成人话（证书/时间/解析/超时分别提示）
- 经中转连上后用服务器报的地址刷新已配对记录
- 新增局域网连接页面、服务器延迟检测

服务器端
- 支持 chunked 请求体（修每 16 秒一次的连接错乱与大面积 502）
- 网络调优脚本 net-tune.sh（开机自动应用）
- 管理页：批量删除、网络体检、下载区
- 隧道改 HTTP/2 + 双连接

文档
- 许可协议 / 安装前必读 / 安装后须知（作者：小麦子）
 2026-10-06 19:01:05 +08:00