Files
ykxmz/_tests/test_verify_ttl_lockout.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

206 lines
7.7 KiB
Python

# -*- coding: utf-8 -*-
"""把第一个 bug 钉死:DEVICE_TTL 清理 + allow_new=False = 设备永久锁死。
要回答的问题:
1. 现象能不能稳定复现?
2. **重启中转能不能救回来?**
这条最关键 ——
snapshot 清 codes 时**没调 _save()**,所以磁盘上的 relay_state.json
还留着那台设备的码绑定。重启后 _load() 会把 codes 恢复回来,
但 devices 仍然是空的 -> known_device 仍然是 False -> 照样被挡。
如果重启也救不回来,那就是"管理员必须手动打开开关"的死局。
3. 真实场景下多久会触发?
DEVICE_TTL 默认 6 小时。用户下班关机、第二天开机 = 超过 6 小时。
也就是说**只要管理员关过这个开关,隔夜再开机的电脑就再也连不上**。
4. 有没有别的入口能绕过(比如设备换个 deviceId 重新注册)?
—— 换个 deviceId 就是"新设备",同样被挡。
"""
from __future__ import annotations
import json
import os
import subprocess
import sys
import tempfile
import time
import urllib.error
import urllib.request
from pathlib import Path
ROOT = Path(__file__).resolve().parent.parent
PORT = 8139
BASE = f"http://127.0.0.1:{PORT}"
_UA = {"User-Agent": "LanRemote/1.8.2"}
ADMIN_KEY = "ttl-lockout-key"
TTL = 2.0
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
def main() -> int:
work = Path(tempfile.mkdtemp(prefix="ttl_lock_"))
relay = None
data = work / "d"
data.mkdir(parents=True, exist_ok=True)
env = dict(os.environ)
env.update({
"RELAY_PORT": str(PORT), "RELAY_BIND": "127.0.0.1",
"RELAY_DATA": str(data), "RELAY_DEVICE_TTL": str(TTL),
"RELAY_ADMIN_KEY": ADMIN_KEY, "RELAY_POLL": "2",
"PYTHONIOENCODING": "utf-8", "PYTHONUNBUFFERED": "1",
})
def start() -> subprocess.Popen:
p = subprocess.Popen(
[sys.executable, "-u", str(ROOT / "relay" / "relay.py")], env=env,
stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
for _ in range(60):
time.sleep(0.5)
try:
health()
return p
except Exception: # noqa: BLE001
continue
return p
def health() -> dict:
r = urllib.request.Request(BASE + "/v1/health", headers=_UA)
with urllib.request.urlopen(r, timeout=5) as resp:
return json.loads(resp.read().decode("utf-8"))
def admin(payload: dict) -> dict:
body = json.dumps(payload).encode()
r = urllib.request.Request(
BASE + "/v1/admin/allow_new", data=body, method="POST",
headers={**_UA, "X-Admin": ADMIN_KEY,
"Content-Type": "application/json"})
try:
with urllib.request.urlopen(r, timeout=15) as resp:
return json.loads(resp.read().decode("utf-8"))
except urllib.error.HTTPError as exc:
try:
return json.loads(exc.read().decode("utf-8"))
except Exception: # noqa: BLE001
return {}
def reg(dev: str, code: str, name: str = "家里的电脑") -> dict:
body = json.dumps({"deviceId": dev, "code": code, "name": name,
"version": "1.8.2"}).encode()
r = urllib.request.Request(
BASE + "/v1/agent/register", data=body, method="POST",
headers={**_UA, "Content-Type": "application/json"})
try:
with urllib.request.urlopen(r, timeout=10) as resp:
return json.loads(resp.read().decode("utf-8"))
except urllib.error.HTTPError as exc:
try:
return json.loads(exc.read().decode("utf-8"))
except Exception: # noqa: BLE001
return {"ok": False}
try:
relay = start()
print()
print("═══ 复现:管理员关掉「允许新设备接入」,电脑隔夜再开机 ═══")
dev = "home-pc-DESKTOP-ABC123"
code = "246810"
r1 = reg(dev, code)
check("① 电脑首次登记成功", r1.get("ok") is True, r1)
res = admin({"allow": False})
check("② 管理员关掉「允许新设备接入」", res.get("allowNew") is False, res)
r2 = reg(dev, code)
check("③ 电脑当场重连仍然可以(开关只挡新设备)",
r2.get("ok") is True, r2)
print(f" … 电脑关机了。等 {TTL + 2:.0f} 秒模拟“隔夜”(真实是 6 小时)")
time.sleep(TTL + 2)
h = health()
check("④ 中转把超时设备清掉了(设计中如此)",
dev not in [d["deviceId"] for d in h["devices"]])
# 磁盘上还留着码绑定吗?
sf = data / "relay_state.json"
disk_codes = json.loads(sf.read_text(encoding="utf-8")).get("codes", [])
disk_has = any(c.get("deviceId") == dev for c in disk_codes)
print(f" 磁盘 relay_state.json 里还有这台设备的码绑定: {disk_has}")
print(f" 内存里 codeCount={h.get('codeCount')}")
r3 = reg(dev, code)
check("⑤ 电脑第二天开机 —— 应该能连上", r3.get("ok") is True, r3)
if not r3.get("ok"):
print()
print(" 🔴 复现成功。返回: %s" % r3)
print()
print("═══ 追问:重启中转能不能救回来? ═══")
relay.terminate()
relay.wait(timeout=15)
relay = start()
h2 = health()
after = json.loads(sf.read_text(encoding="utf-8")).get("codes", [])
after_has = any(c.get("deviceId") == dev for c in after)
print(f" 重启后磁盘里这台设备的码绑定: {after_has}")
print(f" 重启后内存 codeCount={h2.get('codeCount')}")
print(f" 重启后 allowNew={h2.get('allowNew')}")
r4 = reg(dev, code)
check("⑥ 重启中转后电脑能连上(说明重启能救回来)",
r4.get("ok") is True, r4)
if not r4.get("ok"):
print(" 🔴 重启也救不回来 —— 管理员必须手动打开开关,"
"而这台设备在管理页上**已经看不到**(被清理了),"
"管理员根本不知道该放开谁。")
print()
print("═══ 追问:有没有绕过口子? ═══")
# 换个新 deviceId(模拟重装)
r5 = reg("fresh-reinstall-999", "135790")
check("⑦ 换新 deviceId 重装 —— 同样被挡(符合开关语义)",
r5.get("ok") is False and r5.get("blocked") is True, r5)
# 换用原来的码,但新 deviceId
r6 = reg("fresh-reinstall-888", code)
check("⑧ 新 deviceId + 老配对码 —— 也被挡",
r6.get("ok") is False, r6)
print()
print("═══ 对照:打开开关后是否一切恢复 ═══")
admin({"allow": True})
r7 = reg(dev, code)
check("⑨ 打开开关后原设备恢复", r7.get("ok") is True, r7)
print()
print("=" * 62)
print(f" 通过 {passed} 项,失败 {failed} 项")
print("=" * 62)
return 0
finally:
if relay is not None and relay.poll() is None:
relay.terminate()
try:
relay.wait(timeout=10)
except Exception: # noqa: BLE001
relay.kill()
if __name__ == "__main__":
sys.exit(main())