HomeAgent/scripts/kernel-stress

内核二进制压力测试（kernel-stress）

对本仓库编译出来的真实内核做压力测试 —— 与 go test 的区别是：它跑真二进制、 真插件加载、真 unix socket 协议，因此能抓到只在集成面上出现的问题 （已有战绩：根 agent DataDir 漏接线、插件通道没登记为 inputch、create 后子不开工）。

为什么必须放在私有 netns 里

生产实例占着 *:8080 / *:9890 / *:9876，而插件的监听都设了 SO_REUSEADDR： 同机再起一个实例会在 127.0.0.1 上与之并存绑定（实测抢到过 127.0.0.1:9890 约 1 分钟）。 unshare -n 后实例只有 lo，结构上不可能碰到生产端口。 unix socket 是文件系统对象，跨 netns 仍可驱动，所以驱动脚本在 netns 外也能用。

前置

go build -o /tmp/homed-stress ./cmd/homed      # 被压的内核
export GOCACHE=/tmp/gocache GOPATH=/tmp/gopath TMPDIR=/var/tmp/gotmp

用法

# 1) 准备数据目录 + 把 LLM 指向本地 mock（无外网也能跑，且快、可控）
DATA=/var/tmp/kstress
mkdir -p $DATA
#  先跑一次实例建出 config.db，再写入下面这些键（也可直接复用现成目录）：
#    core.llm.provider=mock
#    core.llm.sources.mock.base_url=http://127.0.0.1:9099/v1
#    core.llm.sources.mock.model=mock   api_key=mock   adapter=openai
#    core.llm.sources.mock.adapter_path=adapters/openai.lua   priority=100
#    core.defaults.llm_endpoints=http://127.0.0.1:9099/v1/models   # 探活端点（探活用 HEAD！）
#    core.defaults.rollback.max_retries=100000   auto_rollback=false
#  并把 core.llm.sources.deepseek* 删掉（netns 里它不可达，会让 agent 被判 degraded → rollback 循环）

# 2) 起 mock LLM + 内核（都在同一个私有 netns 里）
MOCK_DELAY_MS=300 MOCK_CHUNKS=8 ./launch.sh /tmp/homed-stress

# 3) 取认证密钥（cli 插件回落到 webui.api_key）
export KCLI_KEY=$(sqlite3 $DATA/config.db "select value from config_webui where key='api_key';")

# 4) 压
./kcli.py $DATA/cli.sock stats full            # 看内核状态（含 scheduler 计数）
./stress.py $DATA/cli.sock "$KCLI_KEY" 16 12 4 20 dense 0.05   # 16 连接×12 输入 + 4 线程×20 中断
./stress.py $DATA/cli.sock "$KCLI_KEY" 12 12 1 25 0.0 3.0      # 稀疏中断 ⇒ 压抢占/挂起/恢复
./stress.py $DATA/cli.sock "$KCLI_KEY" 1 1 0 0 resident 0.0    # 驻留子全链路（mock 见 !resident 标记）

远程设备（agent ↔ 设备）端到端

设备网关在实例的 netns 内监听 127.0.0.1:9890，所以设备客户端要进同一个 netns 跑：

TOKEN=$(sqlite3 $DATA/config.db "select value from config_remotedevice where key='ws_token';")
nsenter -t $(cat $DATA/pid) -n python3 ./devclient.py --port 9890 --token "$TOKEN" \
    --id pydev-1 --caps cmd --seconds 30 --out /var/tmp/push.txt

然后让 agent 主动发一条（mock 里 !push 会回一个 output_send__device/pydev-1 的工具调用）：

# 经 CLI socket 发 "!push"，设备侧应收到 {"op":"push", ...}

设备上线/下线会在内核里登记/注销输出通道 device/<id>，可用 /kernel 的 channels 观察 （在线时出现、掉线后消失）。

设计口径：agent → 设备必须是 agent 的主动调用（output_send__device/<id>）； 设备的上报（op=event）虽然会被注入成输入，但 agent 的回复不会被插件自动转回设备 —— 全仓只有 webui 与 cli 两个交互界面"主动转发"（把最终回复渲染成气泡/终端输出）， 其它通道（qq、设备等）一律要求显式 output_send__<通道>。

读结果

指标	含义
executed / rejected	任务执行数 / 被拒数（压力下应为 0）
峰值 峰值_队列 / 峰值_待处理中断	采样到的最大排队深度 / 待处理中断数
suspended / resumed / preempted	抢占三件套。中断要放稀才会打在高优先级任务上：密集中断会互相同级（L4 vs L4）不抢占，数值会很低
max_suspend_depth	中断栈结构上界（= 中断级数 4）

已知坑

• 探活用 HEAD（internal/network/monitor.go）：mock 必须实现 do_HEAD，否则 501 → 判不可达 → agent degraded → rollback 循环（会 reset 合并目录）。
• CLI 协议每条连接串行处理（handleChat 阻塞到本次响应产出）：单连接狂发只会排成一条线，造不出队列压力 —— 必须多连接。
• 认证：连接后先发 /auth <key>，否则一切命令返回 unauthorized。
• mockllm.py 的 !resident / !notify 标记用来让 mock 回工具调用，从而在真内核里驱动 resident_agents / notify_parent。