|
|
80ad0a30e2
|
fix(agentcli): 修 4 个真实缺陷——停机死锁、超时泄漏、僵尸堆积、孙进程逃逸
jianf 提示 agentcli 可能有问题，系统性审了一遍（含 -race 与线上实证），
确认并修复 4 个互相叠加的真实缺陷，每个都配了「去掉修复即失败」的回归测试。
1) 停机/热重载死锁（plugin_stop_test.go）
Stop() 先 p.wg.Wait() 再 Close 终端，而 readLoop 自己也记在 p.wg 上、
只监 t.stopCh 不监 p.stopCh。只要有一个终端开着，wg.Wait() 就永不返回。
后果：插件卸载/热重载（StopAndUnload/ReloadOne）与停机全挂死，且
registry 持锁时是整个内核一起挂。
修：先关活跃终端（move 出 map 后在锁外 Close），再 wg.Wait()；
readLoop 顶部加 p.stopCh 探测；Stop() 用 sync.Once 保证幂等。
2) 终端超时后资源全泄漏（plugin_lifecycle_test.go）
readLoop 的 IsExpired 分支只 delete(sessions) 后 return，既不 Kill 也不
Close。终端已被移出 sessions，cleanupLoop 也再看不到它，进程/PTY fd/
reader 协程无人回收。实测：timeout=1s 的 sleep 300 超时后进程仍在跑。
修：readLoop 加 defer releaseResources()，保证「只要退出就释放」。
3) 子进程从不回收 → <defunct> 僵尸堆积（pty_linux.go + plugin_lifecycle_test.go）
newCommandPty 只 Start 从不 Wait。线上实测 homed 名下已有一个
[sh] <defunct> 僵尸子进程。
修：linuxPty 加 Wait()（sync.Once 保证只 Wait 一次），
releaseResources 通过可选接口 Wait() error 调用（Windows ConPTY 不实现则跳过）。
4) Kill 只杀直接子进程，孙进程逃逸（pty_linux.go + plugin_lifecycle_test.go）
newCommandPty 用 Setsid，sh 是新进程组领头，真正的命令（sleep/vim）是
其孙进程且同组。只 Kill(sh) 会留下孤儿继续跑。实测：`sleep 300; echo done`
只杀 leader 后 sleep 仍在（被 init 收养）。
修：改为 syscall.Kill(-pid, SIGKILL) 杀整个进程组，失败再回落单进程 Kill。
测试设计要点：回归用例必须让「sh 保留为父进程 + 孙进程显式 trap "" HUP」，
否则单个 sleep 会被 sh exec 掉、关 PTY 的 SIGHUP 又会顺手带走孙进程，
两个缺陷都测不出来（这两种情况都实际踩过并修正了用例）。
全量 go test ./internal/... ./cmd/... 通过，agentcli 单包 -race 通过。
|
2026-09-17 20:24:03 +08:00 |
|
