Files
ykxmz/_tests/test_verify_mutation.py
xmz7891 8880e7033d 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)」
2026-10-07 17:59:39 +08:00

153 lines
6.0 KiB
Python
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# -*- coding: utf-8 -*-
"""变异测试:验证现有的 3e 阶段是真的能抓到 bug,还是永远通过。
做法(全程只碰临时目录,不动仓库里的任何文件):
1. 把 relay/ 整个复制到临时目录
2. 在**副本**上注入一个变异(把实现改坏)
3. 把现有测试 test_admin_device_control.py 复制一份,
把它认的 ROOT 指向临时目录
4. 跑它,看会不会 FAIL
如果注入变异后测试仍然通过,说明这个测试是假的(永远通过),
那它在 verify_all.ps1 里占的那一行就是虚假的安全感。
注入的变异都瞄准测试**自己声称**要守的规则:
变异 A:known_device 按配对码判断(测试注释里明说这是错的)
变异 B:改码后不删旧码(会留孤儿)
变异 C:改码不踢会话
变异 D:改码不校验新码是否被别人占用
"""
from __future__ import annotations
import re
import shutil
import subprocess
import sys
import tempfile
from pathlib import Path
ROOT = Path(__file__).resolve().parent.parent
passed = 0
failed = 0
def check(name: str, ok: bool, detail: str = "") -> bool:
global passed, failed
if ok:
passed += 1
print(" [PASS] " + name)
else:
failed += 1
print(" [FAIL] " + name + ((" —— " + str(detail)) if detail else ""))
return ok
MUTATIONS = {
"A. known_device 改成按配对码判断":
('known_device = device_id in self.devices',
'known_device = code in self.codes'),
"B. 改码后不删旧码(留孤儿)":
(""" for code, owner_id in list(self.codes.items()):
if owner_id == device_id:
self.codes.pop(code, None)
self.codes[new_code] = device_id""",
""" self.codes[new_code] = device_id"""),
"C. 改码不踢会话":
(""" kicked = 0
for sid in [t for t, s in self.sessions.items()
if s.device_id == device_id]:
self.sessions.pop(sid, None)
kicked += 1""",
""" kicked = 0"""),
"D. 改码不校验占用":
(""" owner = self.codes.get(new_code)
if owner and owner != device_id:
return {"ok": False,
"error": "这个配对码已经被别的设备占用了"}""",
""" pass"""),
}
def run_test_with(relay_src: str, label: str) -> tuple:
"""把注入了变异的 relay.py 放到临时目录,跑现有测试。"""
tmp = Path(tempfile.mkdtemp(prefix="mut_"))
try:
# 复制整个 relay 目录
shutil.copytree(ROOT / "relay", tmp / "relay")
(tmp / "relay" / "relay.py").write_text(relay_src, encoding="utf-8",
newline="\n")
# 复制测试并改 ROOT
test_src = (ROOT / "_tests" /
"test_admin_device_control.py").read_text(encoding="utf-8")
test_src = test_src.replace(
'ROOT = Path(__file__).resolve().parent.parent',
f'ROOT = Path(r"{tmp}")')
# 端口错开,避免和别的东西撞
test_src = test_src.replace("PORT = 8105", "PORT = 8146")
new_test = tmp / "run_test.py"
new_test.write_text(test_src, encoding="utf-8", newline="\n")
proc = subprocess.run([sys.executable, "-u", str(new_test)],
capture_output=True, text=True, encoding="utf-8",
errors="replace", timeout=300)
return proc.returncode, (proc.stdout or "") + (proc.stderr or "")
finally:
shutil.rmtree(tmp, ignore_errors=True)
def main() -> int:
orig = (ROOT / "relay" / "relay.py").read_text(encoding="utf-8")
print("═══ 0. 对照:未变异的代码,现有测试应该通过 ═══")
rc, out = run_test_with(orig, "原版")
tail = [l for l in out.splitlines() if "通过" in l or "失败" in l]
check("原版代码上现有测试通过(rc=0)", rc == 0,
f"rc={rc} {tail[-1] if tail else ''}")
print(f" {tail[-1] if tail else out[-200:]}")
print()
print("═══ 1. 逐个注入变异,看现有测试能不能抓到 ═══")
for label, (old, new) in MUTATIONS.items():
if old not in orig:
check(f"变异点存在:{label}", False,
"源码里找不到锚点(实现可能已改)")
continue
# 变异 A 要小心:源码里可能有别的同名片段
count = orig.count(old)
mutated = orig.replace(old, new, 1)
if mutated == orig:
check(f"注入变异成功:{label}", False)
continue
print(f" · {label}(锚点出现 {count} 次)")
rc, out = run_test_with(mutated, label)
caught = rc != 0
check(f"现有测试能抓到「{label}」", caught,
"注入变异后测试仍然通过 -> 这个测试是假的/有盲区")
if not caught:
print(" ⚠ 测试没抓到!输出末尾:")
for line in out.strip().splitlines()[-6:]:
print(" " + line)
print()
print("═══ 2. 现有测试的覆盖盲区:TTL 清理场景 ═══")
src = (ROOT / "_tests" /
"test_admin_device_control.py").read_text(encoding="utf-8")
has_ttl = "DEVICE_TTL" in src or "last_seen" in src or "stale" in src
check("现有测试覆盖了 DEVICE_TTL / 设备超时清理场景", has_ttl,
"没有覆盖 —— 这正是我发现的 bug 所在")
if not has_ttl:
print(" ⚠ test_admin_device_control.py 里完全没有提到 "
"DEVICE_TTL / last_seen / stale")
print(" 也就是说:它验证了「开关只挡新设备」,")
print(" 但没验证「什么算新设备」在被超时清理之后还成不成立。")
print()
print("=" * 62)
print(f" 通过 {passed} 项,失败 {failed} 项")
print("=" * 62)
return 1 if failed else 0
if __name__ == "__main__":
sys.exit(main())