Files
mtusi2026lab4/KNOWN_ISSUES.md
T
2026-10-22 21:31:49 +03:00

11 KiB
Raw Blame History

Известные дефекты

Найдены попутно, не исправлены без отдельной просьбы (AGENTS.md). Исправленные удаляются отсюда, история — в git.

Bootstrap после удаления bucket на маленьком диске: «api key wait (code 500)»

  • Где: infra/s3/bootstrap.sh (режим apply) и сервер s3 (docker-compose.yml: entrypoint образа добавляет -volume.max=0 -master.volumeSizeLimitMB=1024), SeaweedFS 4.48.
  • Что: после удаления bucket мимо bootstrap (s3.bucket.delete) повторный bootstrap пишет «bucket created», затем «FAILED: api key wait (code 500)». Найдено в правках по verify change s3-storage (2026-10-20); воспроизведено и объяснено пробой design change track2-reconciler (Context, 2026-10-22, проект rcprobe).
  • Причина: не повторное имя bucket, а слоты томов. С -volume.max=0 число слотов считается по свободному месту диска / 1 ГиБ. Удаление bucket удаляет тома его коллекции, но на маленьком диске слоты уже заняты томами коллекции по умолчанию (журналы filer), и новых томов для messenger выделить некуда: в журнале S3 — «No writable volumes and no free volumes left for collection:messenger», PUT получает 500.
  • Условие: диск, на котором -volume.max=0 даёт мало слотов, — tmpfs проб, а не volume стендов проекта. Проба: tmpfs 4 ГБ — 3 слота из 3 заняты, ошибка дважды подряд; tmpfs 16 ГБ — 15 слотов, повтор bootstrap прошёл за 2 с. Рабочий стенд (volume на диске ВМ) — 417 слотов, 403 свободны (weed shell volume.list): удаление bucket и повтор bootstrap этим не падают. Стенды проекта не затронуты.
  • Чем грозит: только временным стендам на маленьком tmpfs: после удаления bucket повтор bootstrap не проходит. Сверка bucket и БД bucket не создаёт и не удаляет: на NoSuchBucket она прерывает проход без изменений (design change track2-reconciler, решение 14).
  • Предложение: на маленьких дисках — -master.volumeSizeLimitMB меньше 1024 (больше слотов на тот же объём) или явный -volume.max; для стендов проекта не нужно. Запись остаётся открытой.

Изредка 503 на загрузке: PUT в S3 обрывается без тела

  • Где: путь загрузки реплики API — src/core/services/attachment.py (_store: PUT тем же BytesIO после seek(0)) и клиент S3 src/infra/s3/client.py (aiobotocore поверх aiohttp, без повторов, пул соединений с keepalive_timeout 15 с); сервер — SeaweedFS 4.48.
  • Что: на рабочем стенде mtusi-lab4 2026-10-22 в 18:17–18:25 UTC из восьми прогонов make student_test BASE_URL=http://localhost:8090 три дали по одному падению: загрузка — 503 (test_attachment_order_kept, test_replay_with_attachments, ещё один тест в прогоне 18:18). Все три — на реплике 151df4af59c3 (код c1648d9, путь загрузки не менялся с upload-memory). В журнале реплики — warning «Object storage is unavailable», put_object, ReadTimeoutError через 1 мс (это не срок вызова 5 с), затем «Attachment upload left pending» (step: put); в журнале S3 — «chunked upload failed: truncated request body: read chunk at offset 0 (got 0 bytes): unexpected EOF»: заголовки PUT дошли, тело — ни байта. Строка остаётся pending до уборщика, как и задумано для отказа PUT (upload-consistency), — согласованность не нарушена, загрузка не подтверждена.
  • Чего не видно: до 18:18 таких записей в журналах реплик нет с их старта в 16:38 (в том числе reconcile-stress, 649 загрузок); три прогона одного test_attachments.py подряд (132 загрузки поровну на обе реплики) — без единого отказа; на стенде отказов (make failure_checks, 48 из 48) и в make test_isolated не появлялось. Пауза перед упавшим PUT по журналу реплики — 0,04–2,25 с, то есть не простой соединения дольше keepalive_timeout. Соединений реплик с S3 в ESTABLISHED после прогонов нет (только TIME_WAIT) у обеих. Причина не найдена; change track2-reconciler её не касается: он меняет только процесс уборщика, реплики стенда — на c1648d9.
  • Чем грозит: клиент изредка получает 503 на загрузку, которую повтор (новая загрузка) проводит; данных это не портит.
  • Предложение: воспроизвести на временном стенде полным набором student-tests в цикле с журналом aiohttp.client / botocore на уровне DEBUG (заголовки подписи — не в evidence) и tcpdump на порту 8333 в сети стенда; проверить переиспользование соединения пула после ответа S3 с ошибкой или ранним закрытием (тело BytesIO, Expect: 100-continue botocore, ServerDisconnectedError aiohttp, который aiobotocore отдаёт как ReadTimeoutError). Если подтвердится — force_close / enable_cleanup_closed у коннектора или один повтор PUT только при обрыве до отправки тела (решение об этом — отдельным change: правило infra.md «S3 без повторов»).

Уборщик удаляет объект зависшей загрузки по ключу вне своего префикса

  • Где: src/core/services/attachment_cleanup.py (remove_stale_pending: delete_original по object_key строки) и политика cleaner-objects в infra/s3/bootstrap.sh (s3:DeleteObject на <bucket>/*).
  • Что: сервис уборки (python -m src.cleaner, --once) убирает строку pending старше grace вместе с объектом по ключу из этой строки, не проверяя, что ключ под <база>/attachments/. Ключ вне префикса API не пишет; он бывает в базе, восстановленной под другим именем (её строки ведут к объектам исходной базы), или после ручной правки. Тогда уборщик удаляет объект чужого префикса — другой базы. Найдено в правках по verify change track2-reconciler (замечание W2, 2026-10-22): сверка такую строку теперь только называет «чужим объектом» и не убирает (design, «Уточнения apply», п. 19), а сервис уборки — поведение change upload-consistency — не менялся.
  • Чем грозит: только при строке с чужим ключом: потерей объекта другой базы того же bucket. Стенды проекта таких строк не содержат.
  • Предложение: в remove_stale_pending (или в lock_stale_pending) — та же проверка attachment_object_repo.is_own_key: строку с чужим ключом убирать без DELETE объекта (или пропускать с warning), сценарий в требовании «Уборщик незавершённых загрузок» и тест на стенде отказов (set-key hook уже есть); при желании — сузить s3:DeleteObject политики до <bucket>/<база>/attachments/*, переделав проверки bootstrap, которые удаляют свои объекты ключом уборщика.

LB отвечает 408 на медленные заголовки текстом HAProxy

  • Где: infra/haproxy/haproxy.cfg, defaults: timeout http-request 10s, HAProxy 3.4.6.
  • Что: клиент, который присылает заголовки запроса дольше 10 с, получает от LB 408 со страницей HAProxy в HTML, а не ошибку в формате контракта ({"error": {...}} с request_id = X-Request-Id). http-error status 408 … lf-string его не меняет: такой ответ HAProxy строит до потока запроса, где http-error уже не действует. Проба change upload-memory (design, Context, п. 4; таблица «HAProxy, сроки»): заголовки за 12 с — 408 HTML и с http-error status 408, и без него. 400 посреди тела после change идёт в формате контракта.
  • Чем грозит: клиент с медленной сетью на заголовках получает ответ вне формата контракта. Путь загрузки и остальные пути API не затронуты: заголовки приходят за миллисекунды.
  • Предложение: errorfile 408 со статичным JSON не годится: request_id в нём один на все ответы, а контракт требует тот же id, что в X-Request-Id, и уникальный. Варианты для разбора: проверить http-errors / errorloc и Lua-ответ в новых версиях HAProxy 3.x; либо поднять timeout http-request и назвать ограничение в REPORT.md (уже названо в спеке load-balancing, «Ошибки балансировщика в формате контракта»).