mirror of
https://gitee.com/xmz7891/ykxmz.git
synced 2026-10-18 13:40:45 +00:00
xmz7891
8880e7033d
== 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）」
122 lines
6.6 KiB
Markdown
122 lines
6.6 KiB
Markdown
## 1.8.2
|
||
|
||
- **下载快了几十倍**：安装包和 APK 改成由 Cloudflare 的边缘节点直接发送。
|
||
原来每次下载都要穿过隧道回到那台 4G 小机器上取文件，实测吞吐只有
|
||
3~67 KB/s，15 MB 的安装包根本下不动（还会中途断掉）。
|
||
现在改走边缘缓存：同一个文件实测从 **17 KB/s 提到 695 KB/s**，
|
||
APK 从 3 KB/s 提到 101 KB/s，并且不再消耗 4G 流量。
|
||
|
||
- **跨网络连接更稳**：隧道改成**两种协议同时跑**，一共 10 条连接。
|
||
两种协议各有各的毛病 —— 实测这条线路上运营商对 UDP 有限制，
|
||
纯 QUIC 的拨号成功率只有 72%；而纯 HTTP/2 一旦丢包就容易卡住
|
||
（一条 TCP 上丢一个包，所有请求一起等）。
|
||
两个一起跑就是互相兜底：QUIC 拨号失败的那部分由 HTTP/2 顶着，
|
||
HTTP/2 卡住的时候 QUIC 的恢复更快。
|
||
实测 25 分钟连续可用率 **50/50 = 100%**（改之前是 96~98%），
|
||
尾部延迟 P99 从 3295ms 降到 2632ms。
|
||
|
||
- 修**网卡 MTU 和 QUIC 不匹配**：之前只给 TCP 做了 MSS 钳制，
|
||
而 QUIC 走 UDP 完全不受保护，包一大就被中间设备悄悄丢掉。
|
||
把网卡 MTU 降到 1400 之后，QUIC 建齐 10 条连接的时间从
|
||
**28 秒缩到 12 秒**。
|
||
|
||
- 修**响应头不一致**：下载接口之前对 GET 和 HEAD 报的缓存信息不一样，
|
||
部分下载工具（IDM、迅雷）探测时会把文件误判成不可缓存甚至空文件。
|
||
|
||
- 修**偶尔闪一下"已断开"**：原来只要有一次请求失败就立刻显示离线，
|
||
而 4G 链路上本来就有 2~4% 的偶发失败、一两秒就自己恢复。
|
||
现在改成**连续失败 3 次**才判离线 —— 真的断了仍然如实显示。
|
||
|
||
## 1.8.1
|
||
|
||
- 修**局域网连接被中转劫持**（重要）：
|
||
只要「中转设置」里填了地址，点「局域网连接」填好 IP、端口、
|
||
配对码之后，程序**仍然走中转**，完全无视你填的局域网地址。
|
||
中转慢的时候要等 40 秒才报错，看起来就像"点了一点反应都没有"。
|
||
现在改成：局域网优先直连（6 秒超时），连不上才退回中转
|
||
|
||
- 修**已配对电脑的地址过期不提示**：
|
||
电脑换了网络之后（比如从 192.168.2.x 换到 192.168.10.x），
|
||
列表里还是旧地址，点一下必然失败。现在会标出「⚠ 地址可能已过期」，
|
||
并且跳过注定失败的直连，直接通过中转查询最新地址
|
||
|
||
- **长轮询从 15 秒延长到 60 秒**，跨网络更稳：
|
||
隧道每次请求要多花 1~2 秒（边缘路由 + 回源），而这个开销是按
|
||
**次数**收的 —— 每次都要吃一遍。拉长到 60 秒把请求数降到 1/4，
|
||
撞上丢包/重连窗口的概率也降到 1/4。
|
||
**命令响应速度不变**：有数据时立刻返回，不是等满 60 秒。
|
||
|
||
- 修局域网直连成功后打出误导性日志的问题
|
||
|
||
## 1.8.0
|
||
|
||
**这一版主要是「修看不见的稳定性问题」。**
|
||
|
||
- 修**跨网络老断**（Error 1033 / 502 / 530 的真因）：
|
||
4G 链路会**静默断开 TCP 连接**（不发 FIN/RST，双方都以为还活着），
|
||
Cloudflare 把请求发到这种"僵尸连接"上就报错。
|
||
而 Linux 默认要 **2 小时**才发现连接死了 —— 中间这段时间
|
||
服务一直"看着在线、实际打不开"。
|
||
现在改成 30 秒探测、60 秒内发现并重连
|
||
|
||
- 修**跨网络抖动**：隧道连接数从 2 提到 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 条后稳定 12/12
|
||
|
||
- 修**掉电重启后恢复太慢**：原来开机要 **2 分 10 秒**公网才恢复，
|
||
那段时间浏览器看到的就是 Error 1033。
|
||
根因是系统里 NetworkManager 和 systemd-networkd 同时在跑，
|
||
后者等一个不归它管的网络，干等 2 分钟超时失败，
|
||
把启动流程一起拖住了。改完 **17 秒**就绪，掉电重启后 24 秒公网可用
|
||
|
||
- 修**看门狗自己制造不稳定**：它每隔 50 秒重启一次隧道，
|
||
但隧道重建 4 条连接要 30~60 秒 —— 每次还没建齐就被下一次打断，
|
||
永远停在"只剩 1 条"的状态。现在重启后有宽限期，
|
||
并且会区分"没建好过"和"建好过又垮"，后者立刻重启
|
||
|
||
- **官网重新设计**：层次更清楚，白色简洁风格
|
||
|
||
- **官网新增产品展示**：手表界面预览（颜色和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
|
||
|
||
- 清理**僵尸设备记录**：设备列表原来只增不减，
|
||
实测一天攒了 75 条无效记录，拖慢手表和网页访问。
|
||
现在超过 6 小时没上报的自动清掉，占用的配对码一起释放
|
||
|
||
- 修下载文件用 `HEAD` 探测时长度报 0（部分下载器会误判成空文件）
|
||
|
||
- 支持 `HEAD` 请求（原来一律返回 501）
|
||
|
||
## 1.7.1
|
||
|
||
- 修**卸载卡死**：从控制面板卸载时进度条永远走不完。
|
||
根因是被控端在无控制台的隐藏进程里调 `AllocConsole` 和
|
||
读控制台输入，会永久阻塞
|
||
- 修**安装回滚**：旧版本程序还在后台跑时，安装器关不掉它，
|
||
弹「无法关闭所有应用程序」，静默安装会整个回滚 ——
|
||
用户看到的是"装了没反应"
|
||
- 修卸载残留：开机自启注册表项没删掉、安装目录留个空壳
|
||
- 修手表连上后**一片白屏**：分页初始化函数从没被调用过，
|
||
标签栏里只剩一个孤立的指示器
|
||
- 修「被控端已关闭新设备配对」把重装手表的人永久挡在外面：
|
||
配对码本身就是钥匙，拿着正确的码就该放行
|
||
- 手表端应用名改成 ykxmz
|
||
- 修跨网络**延迟高**：隧道退回了 QUIC（`--protocol http2` 参数丢失），
|
||
可用率只有 48%；恢复 HTTP/2 后可用率 100%
|
||
- 网络调优持久化：TCP 缓冲 4 MB、FastOpen、
|
||
空闲后不重置拥塞窗口（长轮询场景关键）
|
||
- 手表提示改成自诊断式：连不上时直接打出双方地址，
|
||
一眼看出是网段不同还是连错了 WiFi
|
||
- **官网重新设计**：导航 / 功能 / 三步上手 / 下载 / 常见问题
|
||
- 官网改成白色简洁风格
|
||
|
||
## 1.7.0
|
||
|
||
- 电脑端改成 **Windows 安装包**（Inno Setup），双击安装，不再需要解压 zip
|
||
- 安装向导里填 6 位配对码，装完手表直接连，不用再跑一次设置
|
||
- 安装包支持静默批量部署：`ykxmz-setup-1.7.0.exe /VERYSILENT /CODE=123456`
|
||
- 三份说明文档合并进安装向导，必须接受才能继续
|
||
- 修配置分裂问题：管理员装的配对码，普通用户账号看不到（数据目录改成按安装位置判断）
|
||
- 修装到 Program Files 后报「拒绝访问」：ProgramData 数据目录自动授权
|
||
- 修安装卡死：`--code` 命令处理完不返回
|