bug: Kubernetes v1beta1 stop-start can hang waiting for supervisor readiness
Chưa có ai nhận issue này.
Đánh giá
- Độ khó
- 4/5
- Thời gian dự kiến
- 3-5 ngày
- Mức phù hợp với người mới
- 48/100
- Loại issue
- Lỗi
- Độ rõ ràng
- Khá rõ ràng
- Mức độ hoạt động
- Sôi nổi
- Công nghệ
- github-actions, kubernetes
- Lĩnh vực
- ci-cd, infrastructure, testing
Hướng nghiên cứu
Start by running the Kubernetes E2E workflow with the sandbox-lifecycle stop/start scenario and inspect the replacement supervisor pod and readiness-probe logs. Trace the replacement supervisor's startup and gateway reconnect path; done means the v1beta1 scenario completes reliably, a regression or stress test covers it, and failures identify the blocked startup stage rather than only a 120-second CLI timeout.
Do mô hình lập chỉ mục viết ra từ nội dung của issue.
Mô tả
User Story
As an OpenShell contributor, I want the Kubernetes sandbox stop/start lifecycle test to complete reliably, so that required CI reflects product regressions instead of intermittent supervisor startup hangs.
Problem Statement
The Kubernetes Agent Sandbox v1beta1 E2E lane intermittently times out during the sandbox-lifecycle stop/start scenario. The gateway completes StartSandbox successfully and Kubernetes starts the replacement supervisor pod, but the supervisor never creates its readiness socket or reconnects to the gateway. Its only log line is Starting sandbox supervision.
The same v1beta1 lane passed on the preceding commit with identical Kubernetes code, while the v1alpha1, workspace-managed, workspace-operator, and external-driver Kubernetes lanes passed in the failing run.
Failed job: https://github.com/NVIDIA/OpenShell/actions/runs/35776641970/job/106915241802
Manual retry: https://github.com/NVIDIA/OpenShell/actions/runs/35776641970/job/106938509231
Impact / Why This Matters
This intermittently fails the required Core E2E gate, delays otherwise valid pull requests, and consumes additional CI capacity through manual reruns. A generic 120-second CLI timeout also makes the underlying supervisor startup stage difficult to diagnose. Retrying the job is the current workaround, but it does not prevent recurrence or protect the stop/start lifecycle from real regressions.
Acceptance Criteria
- The v1beta1 stop/start scenario no longer intermittently stalls after the replacement supervisor pod starts.
- A regression test or repeatable stress test covers stop followed by start and verifies that the replacement supervisor reconnects and becomes ready.
- If supervisor startup cannot complete, CI reports the blocked startup stage or cause instead of only timing out at the CLI after 120 seconds.
- The existing v1alpha1 and other Kubernetes deployment-mode E2E lanes continue to pass.
Reproduction Steps
- Run the Kubernetes E2E workflow with Agent Sandbox v0.5.0 and the
sandbox-lifecycleconformance scenario. - Create a sandbox and wait for it to become ready.
- Stop the sandbox.
- Start the sandbox again.
- Intermittently, observe
openshell sandbox starttime out after 120 seconds while the replacement supervisor pod remains unready.
Environment
- OpenShell:
0c6c60c1eb70b1c4bc8e8a4f6e06d74ea09069bc - OS: Linux amd64 GitHub Actions runner
- Runtime, deployment, or integration: kind Kubernetes cluster, Agent Sandbox API v1beta1, Agent Sandbox controller v0.5.0
Logs
[sandbox-lifecycle/stop-start/start] timed out after 120.0s
command: openshell sandbox start ct-869gjwhrud-ss
[pod/os-supervisor-.../supervisor] Starting sandbox supervision
Readiness probe failed: connect supervisor readiness socket /run/openshell/health.sock
- Ngôn ngữ chính
- Rust
- Star
- 8.7k
- Fork
- 1.3k
- Merge trung bình
- 2 ngày 8 giờ
- Pull request đã merge (30 ngày)
- 271
Hướng dẫn đóng góp
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của NVIDIA/OpenShell
-
area:docs
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 88/100
-
state:triage-needed
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 82/100
-
area:cli state:validated
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 72/100
-
state:triage-needed
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 90/100
-
area:build spike state:review-ready state:stale
Độ khó 2/5 Nửa ngày Mức phù hợp với người mới 68/100
Tất cả issue của NVIDIA/OpenShell
Issue tương tự
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 75/100
-
issue
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 65/100
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 75/100
-
agentic-workflows
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 70/100
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 88/100
web-infra-dev/rspack#15847 ·