Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

fix(pipeline): preflight kill-stale 在 v2 console/worker 路径把并发兄弟 run 当孤儿杀——同仓并发 run 互杀成链（今日 4 例实证）

Aperta
  • Qualcosa non va?
#148 2 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Attiva
Stack tecnologico
python, redis, rust
Ambito
backend, distributed-systems

Direzione di ricerca

Start with .dev/flows/self_improve_flow_v2.py, especially _kill_stale_agents() and its live-run detection and parent-process checks; then read test/flow_v2_paths.py and its s33 assertions. Reproduce the concurrent-run case described in the issue and verify the preflight does not kill a sibling run while still terminating a genuine orphan. Keep the existing self-run protection and kill-stale.log format intact.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

优先级 P1 · 依赖：无

基线 HEAD = c392d3c1

Summary

self-improve-v2（sbx 变体同源）preflight 的 _kill_stale_agents() 靠「进程 cmdline 里的 --run-id」构造 live run 集（#136 交付的归属过滤）：

  • .dev/flows/self_improve_flow_v2.py:158 — live = set([rd.name])（初值只有本次 run）
  • .dev/flows/self_improve_flow_v2.py:160 — m = re.search(r"--run-id[\s=]+(\S+)", c)：唯一的外部 live 来源
  • .dev/flows/self_improve_flow_v2.py:179 — if not ids or ids[0] in live: continue：run id 不在 live 即判孤儿
  • .dev/flows/self_improve_flow_v2.py:187 — 父进程白名单只认 self_improve_bridge / self-improve.flow.js
  • .dev/flows/self_improve_flow_v2.py:192 — os.kill(pid, signal.SIGTERM)

这两条 live 通道（带 --run-id 的 bridge 宿主进程、self_improve_bridge 父进程）只在 v1 bridge / flowcast 路径存在。v2 console/worker 路径下 flow 直接在 flow_worker 进程内跑：recursive executor 的父进程是 worker（不在白名单），且全机没有任何进程 cmdline 含 --run-id。

反证命令（本机 Mac worker 现场，13:4x）：

$ ps -axo pid,command | grep -- "--run-id" | grep -v grep | wc -l
0

⇒ live 集恒等于 {当前 run} ⇒ 所有并发兄弟 run 的 executor 都被判为「旧 run 孤儿」并 SIGTERM。而它们当时都持有活跃租约（不是真孤儿）。

实证：今日 4 例互杀链（kill-stale.log 的 killed 行与 worker 日志 1:1 对应）
kill-stale 时刻 新 run（日志 live_runs） 被杀 executor 所属 run pid
11:56:09 pipeline-88-1008115608 (#88) pipeline-86-1008091709 (#86) 51584
12:20:24 pipeline-132-1008122023 (#132) pipeline-88-1008115608 (#88) 52320
13:03:30 pipeline-86-1008130329 (#86) pipeline-132-1008122023 (#132) 76023
13:09:35 pipeline-88-1008130935 (#88) pipeline-86-1008130329 (#86) 1938

留痕（每 run 目录内）：recursive/.flowcast/runs/<run>/kill-stale.log，例如

# kill-stale 2026-10-08T13:09:35
live_runs=pipeline-88-1008130935
killed pid=1938 pgid=1938 run=pipeline-86-1008130329 cmd=recursive --workspace .../pipeline-86-1008130329/worktree ... run #86 ...

下游因果（每例同构）：被杀方 impl 节点立刻以 AgentRunError: executor 'recursive' exited 143 失败（~/.plaita-console/worker-mac.log 13:09:35 与 kill-stale 13:09:35 同秒）→ 节点声明「不终态化，等消息重投后重跑失败节点（第 1/5 次）」→ 但该消息早已被另一 worker 按「租约冲突」ack 释放（plaita#50）⇒ 重投永不到来 ⇒ execution 停在 running、无租约 / 不在 PEL / 无 worker 认领 = 僵尸，占槽至 2h 僵尸线才恢复。

影响

同机同仓并发 ≥2 个 run 时，每个新 run 的 preflight 都会杀掉上一个 run 的 agent：被杀的 run 白跑 + 变僵尸占槽（全局 max_in_flight=6 的一格）+ 需要人工 cancel/reopen 才能释放。今日 #86 / #88 / #132 三单的轮流失败与三连僵尸（值守两次人工处置）全部出自此链。recursive 是 Rust 长任务、按仓配额本来就是 2，等于该配额下的并发能力被这条链自噬。

建议

把「live run 集」从执行面取，而不是从 cmdline 取。三选一（按侵入度排序）：

  1. 保守法：父进程链上有存活 flow_worker 的 recursive 进程一律视为 live（现在的白名单只认 v1 bridge 两种 cmdline），即只清「父死了且 run 不在本机任何在跑任务里」的真孤儿；
  2. 锁文件法：preflight 把宿主 pid 写进 rd/run.lock（该文件已存在、内容仅 7 字节），判定时 os.kill(pid, 0) 探活即视为 live；
  3. 租约法：preflight 在 worker 进程内可直接读 Redis，run 是否 live = 其 execution 租约键（plaita:execution:lease:*）是否存在。

验收条件（可断言）：

  • 并发不误杀：现场起两个同仓 run（两条真进程即可，复用 test/flow_v2_paths.py 的 s33 现场构造），断言新 run 的 preflight killed none（或 killed 清单不含兄弟 run 的 pid），两条都跑到 committed；
  • 真孤儿照杀：宿主已死的 --workspace <旧 run worktree> / --transcript-out <旧 transcript> 进程仍被 SIGTERM，kill-stale.log 格式不变（killed pid=… pgid=… run=… cmd=…）；
  • 自保不回归：本 run 重投时不得杀自己上一投递的子树（现有 startswith(rd) 分支保留）；s33 现有断言继续绿。

边界

  • 不处理 plaita#50（节点失败重投载体被租约冲突 ack 吃掉）——那是本条的下游放大器，已单独立单；本条修好后僵尸链的放大器仍在（节点重试仍可能丢载体），但触发源（并发互杀）消失。
  • 临时缓解（值守已执行，可回退）：pipeline_repo_limits: {jeffkit/recursive: 1}——限 1 槽即无并发兄弟可杀；本条修复落地后回退为 2。
Lingua principale
Rust
Stelle
4
Fork
0
Merge medio
5h 32m
PR unite (30g)
7

Preparare l'ambiente

  • Include un Dockerfile o un file Docker Compose
  • Nessun modello di pull request
  • Nessuna guida per i contributori

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di jeffkit/recursive

Tutte le issue di jeffkit/recursive

Issue simili

Altre issue su Rust

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.