mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-09-23 02:18:06 +00:00
9de3b365a6
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。
121 lines
3.6 KiB
Go
121 lines
3.6 KiB
Go
//go:build linux
|
||
|
||
package agentcli
|
||
|
||
import (
|
||
"os"
|
||
"strconv"
|
||
"strings"
|
||
"syscall"
|
||
"testing"
|
||
"time"
|
||
|
||
sdk "gitcode.com/JianFeeeee/HomeAgent/internal/sdk"
|
||
)
|
||
|
||
// 超时终端必须真正释放：杀掉整个进程组（包括 sh 的子进程如 sleep）
|
||
// 且回收子进程（不留 <defunct>）。
|
||
//
|
||
// 旧实现三个缺陷叠加：
|
||
// 1. readLoop 的 IsExpired 分支只 delete(sessions) 后 return，不 Kill 不 Close；
|
||
// 2. Kill 只杀直接子进程 sh，Setsid 后真正的命令（sleep）是孙进程，成为孤儿；
|
||
// 3. 只 Start 从不 Wait，退出的子进程无人回收，积成僵尸。
|
||
func TestExpiredTerminalReleasesProcessGroup(t *testing.T) {
|
||
p := New("agentcli")
|
||
sdkInst := sdk.New("agentcli", sdk.SDKConfig{
|
||
RegTool: func(string, sdk.ToolDef, sdk.ToolHandler) error { return nil },
|
||
RegStage: func(sdk.Stage, sdk.StageHandler) {},
|
||
RegAPI: func(string) error { return nil },
|
||
Settings: sdk.NewSettings("agentcli", nil),
|
||
})
|
||
sdkInst.SetIOInjector(&injectCapture{})
|
||
if err := p.Start(sdkInst); err != nil {
|
||
t.Fatal(err)
|
||
}
|
||
defer p.Stop()
|
||
|
||
// 命令设计要点（缺一不可）：
|
||
// 1) 让 sh 保留为父进程、另起孙进程（`... & wait`）——单个 `sleep 300`
|
||
// 会被 sh 直接 exec 掉，只有一个进程，测不到「孙进程逃逸」；
|
||
// 2) 孙进程显式忽略 SIGHUP——否则关 PTY master 时内核发的 SIGHUP 会
|
||
// 顺手把它带走，于是「只杀 leader」也能通过，测不出进程组 Kill 的必要性。
|
||
// 两个条件合起来，只有给整个进程组发 SIGKILL 才能清干净。
|
||
marker := `(trap "" HUP; sleep 300) & wait`
|
||
res, err := p.handleCreate(sdkInst, map[string]interface{}{
|
||
"command": marker,
|
||
"timeout": "1s",
|
||
})
|
||
if err != nil {
|
||
t.Fatal(err)
|
||
}
|
||
m := res.(map[string]interface{})
|
||
if m["error"] != nil {
|
||
t.Skipf("PTY unavailable: %v", m["error"])
|
||
}
|
||
|
||
p.mu.Lock()
|
||
ts := p.sessions[m["id"].(string)]
|
||
p.mu.Unlock()
|
||
if ts == nil {
|
||
t.Fatal("terminal not registered")
|
||
}
|
||
pid := ts.cmd.Process.Pid
|
||
|
||
// 等超时被 readLoop 处理（含 Kill 进程组 + Wait 回收）
|
||
deadline := time.Now().Add(8 * time.Second)
|
||
for time.Now().Before(deadline) {
|
||
if !procAlive(pid) && !procGroupAlive(pid) {
|
||
return
|
||
}
|
||
time.Sleep(200 * time.Millisecond)
|
||
}
|
||
t.Fatalf("expired terminal not released: leader pid=%d alive=%v groupAlive=%v",
|
||
pid, procAlive(pid), procGroupAlive(pid))
|
||
}
|
||
|
||
func procAlive(pid int) bool { return syscall.Kill(pid, 0) == nil }
|
||
|
||
// procGroupAlive 检查「原进程组」里是否还有活着的成员（含被 init 收养的孙进程）。
|
||
//
|
||
// 不能用 kill(-pgid, 0)：组领头进程一死，内核就可能回收该 pgid，
|
||
// 即便组里还有被 reparent 的成员，这个探测也会失败。
|
||
// 改为直接遍历 /proc 查 pgid 匹配的活进程。
|
||
func procGroupAlive(pgid int) bool {
|
||
entries, err := os.ReadDir("/proc")
|
||
if err != nil {
|
||
return false
|
||
}
|
||
for _, e := range entries {
|
||
if pid, err := strconv.Atoi(e.Name()); err == nil {
|
||
if readPgid(pid) == pgid {
|
||
return true
|
||
}
|
||
}
|
||
}
|
||
return false
|
||
}
|
||
|
||
// readPgid 从 /proc/<pid>/stat 读进程组 id（第 5 个字段）。
|
||
// stat 的 comm 字段可能含空格/括号，所以从最后一个 ')' 之后再切分。
|
||
func readPgid(pid int) int {
|
||
data, err := os.ReadFile("/proc/" + strconv.Itoa(pid) + "/stat")
|
||
if err != nil {
|
||
return -1
|
||
}
|
||
s := string(data)
|
||
i := strings.LastIndex(s, ")")
|
||
if i < 0 {
|
||
return -1
|
||
}
|
||
fields := strings.Fields(s[i+1:])
|
||
if len(fields) < 3 {
|
||
return -1
|
||
}
|
||
// fields[0]=state, [1]=ppid, [2]=pgrp
|
||
pgid, err := strconv.Atoi(fields[2])
|
||
if err != nil {
|
||
return -1
|
||
}
|
||
return pgid
|
||
}
|