Files
ykxmz/_build/fix_relay_thread_death.py
T
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

287 lines
12 KiB
Python
Raw 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 -*-
r'''修「经中转 1~2 次交互后永久哑掉」—— 这是"按一下没反应"的真因。
== 复现出来的完整证据链 ==
被控端日志里直接抛了未捕获异常,线程当场死掉:
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:
* 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"
* **手表看到的是"连上了,但按一下毫无反应"** —— 和用户报的现象完全一致
== 根因:一条 HTTP/1.1 连接被两个线程同时用 ==
_post() 里锁只包住了"取连接"这一段:
with self._http_lock:
connection = self._http # <- 锁到这里就放了
if connection is None:
connection = self._open_http()
self._http = connection
try:
connection.request("POST", path, ...) # <- 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,那条请求要挂 180 秒(长轮询)
* client-relay 线程:同一时间要 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 的状态机,抛 CannotSendRequest("Idle")。
更糟的是 _post 的"重试一次"救不了:它 _drop_http() 之后,
另一个线程手里还攥着那条旧连接的对象在发,照样坏。
== 修法 ==
1. **给"发命令"用一条独立的连接**(_post 加 dedicated 参数)。
长轮询那条连接常年被占着,发命令不该去挤它。
两条连接各自用一把锁**锁住整个请求周期**(不是只锁取连接那一下)。
2. **长轮询线程之外的请求,如果发现缓存连接正忙,就临时开一条**,
用完即关 —— 保证任何时刻一条 connection 只有一个在途请求。
3. **server.py 的 _client_loop 里 session.send() 加保护**。
这是最后一层兜底:不管底层出什么错,都不该让
client-relay 线程整个死掉 —— 死一次就永久哑,代价太大。
发送失败时踢掉这个会话(让手表重连),而不是让线程消失。
'''
from __future__ import annotations
import sys
from pathlib import Path
ROOT = Path(r"C:\Users\shu\Desktop\deepseekagent\LanRemote")
def patch(path: Path, old: str, new: str, label: str) -> bool:
text = path.read_text(encoding="utf-8")
if old not in text:
print(" ✗ 没找到:%s" % label)
return False
if text.count(old) != 1:
print(" ! 出现 %d 次:%s" % (text.count(old), label))
return False
path.write_text(text.replace(old, new, 1), encoding="utf-8", newline="\n")
print(" ✓ %s" % label)
return True
def main() -> int:
ok_all = True
relay = ROOT / "windows" / "lanremote" / "relay.py"
# ---------------------------------------------------------- 1. 加字段
text = relay.read_text(encoding="utf-8")
print(" ── 1. 加连接占用标记和发送专用连接 ──")
old_fields = " self._http_lock = threading.RLock()"
new_fields = """ self._http_lock = threading.RLock()
# 缓存的那条连接现在有没有在途请求。
# /v1/agent/poll 是长轮询,一条请求挂 180 秒 ——
# 那段时间里这条连接**不能**被别的线程再拿去发请求,
# 否则 HTTP/1.1 状态机直接抛 CannotSendRequest("Idle")。
self._http_busy = False
# 发命令专用连接。长轮询那条常年被占着,
# 发命令不能去挤它 —— 各走各的。
self._http_send = None
self._send_lock = threading.RLock()"""
if old_fields not in text:
print(" ✗ 找不到 _http_lock 字段定义")
ok_all = False
else:
text = text.replace(old_fields, new_fields, 1)
relay.write_text(text, encoding="utf-8", newline="\n")
print(" ✓ 加了 _http_busy / _http_send / _send_lock")
# ---------------------------------------------------------- 2. send_to_client 用专用连接
ok_all &= patch(
relay,
""" for start in range(0, len(data), 256 * 1024):
piece = data[start:start + 256 * 1024]
self._post("/v1/agent/send", piece, {"X-Token": self.token},
timeout=POLL_TIMEOUT)""",
""" for start in range(0, len(data), 256 * 1024):
piece = data[start:start + 256 * 1024]
# dedicated=True:走发命令专用连接,不和长轮询挤一条。
# 这是「按一下没反应」的修复点 —— 以前这里和长轮询共用
# 一条 HTTP/1.1 连接,撞上状态机就抛 "Idle",
# 异常一路冒到 client-relay 线程外面把它打死。
self._post("/v1/agent/send", piece, {"X-Token": self.token},
timeout=POLL_TIMEOUT, dedicated=True)""",
"send_to_client 走专用连接")
# ---------------------------------------------------------- 3. _drop_http 也清专用连接
ok_all &= patch(
relay,
""" def _drop_http(self) -> None:
\"\"\"把缓存的连接关掉(出错后调用,下次会重开)。\"\"\"
with self._http_lock:
connection, self._http = self._http, None
if connection is not None:
try:
connection.close()
except Exception: # noqa: BLE001
pass""",
""" def _drop_http(self, dedicated: bool = False) -> None:
\"\"\"把缓存的连接关掉(出错后调用,下次会重开)。
dedicated=True 时清的是"发命令专用连接",
否则清长轮询用的那条。
\"\"\"
if dedicated:
with self._send_lock:
connection, self._http_send = self._http_send, None
if connection is not None:
try:
connection.close()
except Exception: # noqa: BLE001
pass
return
with self._http_lock:
connection, self._http = self._http, None
self._http_busy = False
if connection is not None:
try:
connection.close()
except Exception: # noqa: BLE001
pass""",
"_drop_http 支持专用连接 + 清 busy 标记")
# ---------------------------------------------------------- 4. _post 主体
ok_all &= patch(
relay,
""" def _post(self, path: str, body: bytes, headers: dict,
timeout: float = POLL_TIMEOUT, want_headers: bool = False):
\"\"\"POST 一个请求,**复用同一条连接**。""",
""" def _post(self, path: str, body: bytes, headers: dict,
timeout: float = POLL_TIMEOUT, want_headers: bool = False,
dedicated: bool = False):
\"\"\"POST 一个请求,**复用同一条连接**。""",
"_post 加 dedicated 参数")
ok_all &= patch(
relay,
""" last_error = None
for attempt in (1, 2):
with self._http_lock:
connection = self._http
if connection is None:
connection = self._open_http()
self._http = connection
try:
connection.timeout = timeout""",
""" last_error = None
for attempt in (1, 2):
# 取一条可以独占使用的连接:
# * dedicated=True -> 发命令专用连接(自己一把锁锁全程)
# * 普通请求 -> 缓存连接;**如果它正忙(长轮询在途)
# 就临时开一条,用完即关**
# 关键:锁必须盖住整个"发请求 + 读响应"周期,
# 不能只锁"取连接"那一下 —— 否则两个线程会用同一条连接。
if dedicated:
self._send_lock.acquire()
connection = self._http_send
if connection is None:
connection = self._open_http()
self._http_send = connection
temporary = False
else:
with self._http_lock:
if self._http is None:
self._http = self._open_http()
if self._http_busy:
# 缓存连接正被长轮询占着,临时另开一条
connection = self._open_http()
temporary = True
else:
connection = self._http
self._http_busy = True
temporary = False
try:
connection.timeout = timeout""",
"_post 独占连接")
ok_all &= patch(
relay,
""" except urllib.error.HTTPError:
raise # HTTP 状态码是业务层的,不算连接问题
except Exception as exc: # noqa: BLE001
# 连接层面的问题:关掉,下一轮重开
last_error = exc
self._drop_http()
if attempt == 2:
break
self._log_quiet(f"连接断了,重开一次再试({exc})")
raise RelayError(f"请求失败: {last_error}")""",
""" except urllib.error.HTTPError:
raise # HTTP 状态码是业务层的,不算连接问题
except Exception as exc: # noqa: BLE001
# 连接层面的问题:关掉,下一轮重开
last_error = exc
self._drop_http(dedicated=dedicated)
if attempt == 2:
break
self._log_quiet(f"连接断了,重开一次再试({exc})")
finally:
# 无论成功失败都要把"占用"还回去,
# 否则这条连接会被永久标记为忙,之后每次请求都另开临时连接。
if dedicated:
self._send_lock.release()
elif not temporary:
with self._http_lock:
self._http_busy = False
else:
try:
connection.close()
except Exception: # noqa: BLE001
pass
raise RelayError(f"请求失败: {last_error}")""",
"_post 用完归还占用")
# ---------------------------------------------------------- 5. server.py 兜底
ok_all &= patch(
ROOT / "windows" / "lanremote" / "server.py",
""" if reply is not None:
session.send(reply)
except OSError:
pass""",
""" if reply is not None:
# ⚠ 这里必须兜住**所有**异常。
# 以前只在外层捕获 OSError,而 session.send() 在
# 中转链路上会抛 RelayError(实测:"请求失败: Idle")——
# 那个异常一路冒出去,把 client-relay 线程整个打死。
# 线程一死,电脑就再也不往手表回任何东西,
# 而 relay-link 还在长轮询、中转看着"设备在线",
# 用户看到的就是"连上了,按一下毫无反应"。
# 发失败最多踢掉这个会话让手表重连,绝不能丢线程。
try:
session.send(reply)
except Exception as exc: # noqa: BLE001
self._log(f"[错误] 回包失败,断开该会话:{exc}")
break
except OSError:
pass
except Exception as exc: # noqa: BLE001
self._log(f"[错误] 会话循环异常退出:{exc}")""",
"server.py 兜住回包异常")
print()
if not ok_all:
print(" 有失败项")
return 1
print(" 都修好了")
return 0
if __name__ == "__main__":
sys.exit(main())