mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-10-15 12:15:16 +00:00
部署 guard 前的审查发现两个**致命**缺陷。它们此前都零测试覆盖 ——
正是「没测过才敢发现」。
## ① L2 自杀循环(启用 guard 就会触发)
doLastResort(restart_app) 执行 `systemctl restart <unit>`,而启用 guard 的
标准做法正是让 systemd 管理 `homed --role=guard` —— <unit> 就是它自己:
guard: doLastResort → systemctl restart homeagent
→ 杀掉自己 → systemd 按 Restart=always 拉起新 guard
→ 新 guard 再 spawn 失败 → 再自杀 …… 无限循环
每轮白跑一遍完整启动。与 2026-09-05 那次 systemd 审计记录的事故同类
(坏配置导致 836 次重启、79 分钟)。
### 修法:自指时直接退出,而不是换个单元名
「换个别的服务」语义完全不对 —— L2 的本意就是重启自己。而
`Restart=always` 已经提供了这件事:**guard 退出 == systemd 重新拉起 ==
重启整个单元**。所以自指时 os.Exit(41) 与 restart_app 完全等价,且无自杀窗口。
- `doLastResortGuarded(cfg, unit)`:判自指 → 退出 41;否则原逻辑
- `detectOwnSystemdUnit()`:读 /proc/self/cgroup(cgroup v2),兜底
$INVOCATION_ID → /run/systemd/invocation/<id>。**拿不到就返回空字符串**
让调用方跳过检测 —— 不猜单元名(猜错 = 拦错/杀错服务)
- `exitGuardRestartRequested = 41`:刻意避开 worker 的 42-44 区间
- 两处 doLastResort 调用点全部改走防护版
## ② 配置损坏 → agent 装上就崩
defaultGuardConfig **不解析时长字符串**(只给 "30s" 这类字面量),
parseDur 在 loadGuardConfig 里、且在 yaml.Unmarshal **失败时提前 return
之后**——那段根本不执行。
于是 guard.yaml 一旦写坏(缩进错、半截内容,手改文本极常见):
| 字段 | 实际值 | 后果 |
|---|---|---|
| heartbeatTimeout | **0** | `time.Since(mtime) > 0` 恒真 → **每轮杀 worker** → 无限重启 |
| heartbeatInterval | 0 | `time.NewTicker(0)` panic |
| attemptTimeout | 0 | 恢复 probe 立即超时 → L1 梯子必败 |
| Recovery.Plugins | 空 | 受限启动什么都不加载 |
这不是「配置没生效」,是「装上就崩」。修法:把 parseDur 与插件集缺省
移进 defaultGuardConfig,任何路径都有正值兜底。
## ③ 测试:0 → 25 条(全可杀变异)
| 文件 | 覆盖 |
|---|---|
| `guard_config_test.go` | 配置默认值/YAML/损坏/越界 + 心跳三态 |
| `guard_lifecycle_test.go` | worker 生命周期:6 种退出码分类、信号转发、坏二进制、卡死压力测试、L2 防护行为、单元探测 |
| `guard_safety_test.go` | 破坏性路径:回滚不可逆、任务协议往返、failback 插件集 |
| `rollback_irreversible_test.go` | 不可逆性证据 + 二次回滚 no-op + 新建→删除 |
**7 个变异逐个实测被杀**:parseDur 移回原处 / 心跳漏判 / 心跳误判 /
插件集留空 / exitRecovered→crash / exitRecoveryFailed→recovered /
rollback 不删 changeset / L2 防护失效 / 单元探测返回假名。
### 判据自身被变异测试逼着改三次
1. `isSelfRestartCommand` 的测试全绿,但把 `doLastResortGuarded` 改成
直接调 `doLastResort`(防护完全不生效)时**仍然全绿** ⇒ 补了
**行为测试**:真子进程 + 假 systemctl(PATH 前置),验「自指时
restart_command 绝不被执行」
2. 单元探测只断言「非空+格式合法」,被 `return "wrong.service"` 骗过
⇒ 补了与**独立第二实现**(测试里重写一遍 cgroup 解析)的交叉核对
3. 信号转发测试用 `sleep 300` 会泄漏孤儿进程(sh fork 子进程,信号只到 sh)
⇒ 改 `exec sleep 300`,并加断言检测泄漏(60s → 0.52s)
### 踩到的两个坑(都记在判据注释里)
- **POSIX 环境变量不能含 NUL**:`\x00` 分隔符让 exec 直接报
"environment variable contains NUL",改用 `\x1f`
- **测试函数里 os.Exit 会终止整个测试二进制** ⇒ 子进程入口必须用 TestMain
全仓 `go test ./... -count=1` → 48 包 ok / 0 FAIL。
158 lines
5.0 KiB
Go
158 lines
5.0 KiB
Go
package tracker
|
||
|
||
import (
|
||
"os"
|
||
"path/filepath"
|
||
"testing"
|
||
)
|
||
|
||
// TestRollbackFromDiskIsIrreversible 把「agentfs 回滚**不可逆**」钉成事实。
|
||
//
|
||
// # 为什么这条重要
|
||
//
|
||
// cmd/homed 的 guard 在 failback 连续耗尽后会调用 rollbackAgentFS,
|
||
// 它走的正是 RollbackFromDisk。而该函数做两件事:
|
||
//
|
||
// 1. 对每个 changeset 逆应用(**删除/还原用户文件**)
|
||
// 2. **再把 changeset 记录本身与内容 blob 一并删掉**
|
||
//
|
||
// 第二步让整个操作**不可逆** —— 没有「反悔」的余地。
|
||
//
|
||
// 这不是缺陷,是设计(磁盘上的记录用掉了就没了)。
|
||
// 但它是用户数据级的破坏性操作,而触发路径是「LLM 连不上三轮」
|
||
// 这种完全可能发生的日常故障。所以必须有一条判据把它的行为钉死:
|
||
// 一旦将来有人改坏 RollbackFromDisk(比如漏删 blob、或漏了逆应用),
|
||
// 这里会立刻红。
|
||
//
|
||
// 现有 disk_test.go 只断言「回滚后内容正确」,没有断言「记录被清除」——
|
||
// 后者才是不可逆性的证据。
|
||
func TestRollbackFromDiskIsIrreversible(t *testing.T) {
|
||
dataDir := t.TempDir()
|
||
workDir := t.TempDir()
|
||
|
||
trk := NewTracker(dataDir, workDir)
|
||
if err := trk.Init(); err != nil {
|
||
t.Fatalf("Init: %v", err)
|
||
}
|
||
os.MkdirAll(trk.upperDir, 0755)
|
||
|
||
// 「修改」类变更:回滚后应恢复为原始内容
|
||
modFile := filepath.Join(trk.upperDir, "user_note.txt")
|
||
if err := os.WriteFile(modFile, []byte("改过的内容"), 0644); err != nil {
|
||
t.Fatal(err)
|
||
}
|
||
trk.saveChangeSet(&ChangeSet{
|
||
ID: "cs_mod",
|
||
Files: []FileChange{{
|
||
Path: "user_note.txt",
|
||
Type: ChangeFileModified,
|
||
Content: []byte("原始内容"),
|
||
}},
|
||
})
|
||
|
||
// 前置条件:确实有 changeset 落盘
|
||
if got := trk.ChangesetsOnDisk(); got == 0 {
|
||
t.Fatal("前置条件失败:changeset 未落盘,回滚将无事可做")
|
||
}
|
||
|
||
n, err := trk.RollbackFromDisk()
|
||
if err != nil {
|
||
t.Fatalf("RollbackFromDisk: %v", err)
|
||
}
|
||
if n != 1 {
|
||
t.Fatalf("回滚数量=%d, want 1", n)
|
||
}
|
||
|
||
// 断言一:用户文件被还原
|
||
got, err := os.ReadFile(modFile)
|
||
if err != nil {
|
||
t.Fatalf("回滚后文件应存在: %v", err)
|
||
}
|
||
if string(got) != "原始内容" {
|
||
t.Errorf("回滚后内容=%q, want 原始内容", got)
|
||
}
|
||
|
||
// 断言二(不可逆性的证据):changeset 记录已被删除
|
||
if left := trk.ChangesetsOnDisk(); left != 0 {
|
||
var names []string
|
||
if entries, err := os.ReadDir(filepath.Join(dataDir, "changesets")); err == nil {
|
||
for _, e := range entries {
|
||
names = append(names, e.Name())
|
||
}
|
||
}
|
||
t.Errorf("回滚后磁盘上仍有 %d 个 changeset(%v)—— 记录本应被清除,"+
|
||
"否则重复调用会把同一批变更再逆应用一次", left, names)
|
||
}
|
||
}
|
||
|
||
// TestRollbackFromDiskTwiceIsNoOp 保证重复回滚是安全的空操作。
|
||
//
|
||
// 为何要这条:guard 的状态机在「failback 轮次耗尽」后会调
|
||
// rollbackAgentFS 然后 continue 到下一轮;若上一轮已经清过记录,
|
||
// 第二次调用必须是 no-op,否则会「回滚到一个更早的状态」——
|
||
// 而那个状态已经不存在了。
|
||
func TestRollbackFromDiskTwiceIsNoOp(t *testing.T) {
|
||
dataDir := t.TempDir()
|
||
workDir := t.TempDir()
|
||
|
||
trk := NewTracker(dataDir, workDir)
|
||
if err := trk.Init(); err != nil {
|
||
t.Fatalf("Init: %v", err)
|
||
}
|
||
os.MkdirAll(trk.upperDir, 0755)
|
||
|
||
modFile := filepath.Join(trk.upperDir, "f.txt")
|
||
os.WriteFile(modFile, []byte("改过的"), 0644)
|
||
trk.saveChangeSet(&ChangeSet{
|
||
ID: "cs1",
|
||
Files: []FileChange{{Path: "f.txt", Type: ChangeFileModified, Content: []byte("原始")}},
|
||
})
|
||
|
||
if n, err := trk.RollbackFromDisk(); err != nil || n != 1 {
|
||
t.Fatalf("首次回滚 n=%d err=%v", n, err)
|
||
}
|
||
|
||
// 第二次:必须是干净的 no-op
|
||
n2, err2 := trk.RollbackFromDisk()
|
||
if err2 != nil {
|
||
t.Errorf("二次回滚报错: %v", err2)
|
||
}
|
||
if n2 != 0 {
|
||
t.Errorf("二次回滚 n=%d,应为 0(记录已被清除,不能重复逆应用)", n2)
|
||
}
|
||
|
||
// 内容必须仍是「原始」,没有被二次破坏
|
||
if got, _ := os.ReadFile(modFile); string(got) != "原始" {
|
||
t.Errorf("二次回滚后内容=%q, want 原始", got)
|
||
}
|
||
}
|
||
|
||
// TestRollbackRestoresDeletedFile 覆盖「新建 → 回滚 = 删除」这条最危险的情形。
|
||
//
|
||
// agent 写出的文件在回滚后被删掉,这是数据丢失最直接的形式。
|
||
func TestRollbackRestoresDeletedFile(t *testing.T) {
|
||
dataDir := t.TempDir()
|
||
workDir := t.TempDir()
|
||
|
||
trk := NewTracker(dataDir, workDir)
|
||
if err := trk.Init(); err != nil {
|
||
t.Fatalf("Init: %v", err)
|
||
}
|
||
os.MkdirAll(trk.upperDir, 0755)
|
||
|
||
// 一个「新建」类变更:回滚后该文件应消失
|
||
os.WriteFile(filepath.Join(trk.upperDir, "generated.txt"), []byte("生成物"), 0644)
|
||
trk.saveChangeSet(&ChangeSet{
|
||
ID: "cs_new",
|
||
Files: []FileChange{{Path: "generated.txt", Type: ChangeFileCreated}},
|
||
})
|
||
|
||
if _, err := trk.RollbackFromDisk(); err != nil {
|
||
t.Fatal(err)
|
||
}
|
||
|
||
if _, err := os.Stat(filepath.Join(trk.upperDir, "generated.txt")); err == nil {
|
||
t.Error("回滚后新建的文件仍存在 —— 回滚没有撤销「新建」")
|
||
}
|
||
}
|