Files
ykxmz/_build
xmz7891 8c4ee6df08 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
2026-10-07 09:15:27 +08:00
..
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00
2026-10-06 23:08:07 +08:00