# Известные дефекты Найдены попутно, не исправлены без отдельной просьбы (AGENTS.md). Исправленные удаляются отсюда, история — в git. ## Смесь версий при замене реплик на первый релиз с обработкой - **Где:** `make rolling_update` с прежней версии (design change `async-attachments`, решение 14), `AttachmentStatus` прежнего образа. - **Что:** на время замены прежняя реплика отвечает 201 `ready` и даёт 500 на чтении строки нового статуса (`ValueError` в `_to_dto`), а новая — 202. То же после отката: незавершённые `queued` и `processing` дают 500 на прежней версии. - **Чем грозит:** окно замены ограничено, переход 201 → 202 всё равно несовместим для клиента на это окно; названо в `REPORT.md`. - **Предложение:** не лечить: объявленный переход контракта. Новые статусы в будущих версиях добавлять так, чтобы прежняя версия читала строку. ## 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. ## 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 `/*`). - **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 `/<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»). ## Поля `float` настроек принимают `inf` - **Где:** `src/config/settings.py` — все поля `float` с `gt=0` или `ge=0`, кроме `[reconciler] max_objects_per_second`: сроки `[database]`, `[cache]`, `[s3]`, `[uploads]`, `[cleaner] interval_seconds`, `[reconciler] interval_seconds`. Найдено verify change `track2-reconcile-cost` (S2) на `max_objects_per_second`; там исправлено (`allow_inf_nan=False`), остальные поля — вне change. - **Что:** pydantic принимает `inf` (`RECONCILER__INTERVAL_SECONDS=inf`, `UPLOADS__WAIT_TIMEOUT_SECONDS=inf`): `inf > 0` верно. `nan` отсекают `gt` и `ge`. Записи старта («Started API», «Started cleaner») выводят значение как `Infinity` — это не JSON, и разбор журнала по строкам ломается. - **Чем грозит:** оператор, ошибившийся в значении, получает срок без конца (ожидание места загрузки, вызов S3 без срока, плановая сверка, которая не наступит) и журнал, который не разбирается как JSON. Значения по умолчанию и `config_example.toml` не затронуты. - **Предложение:** `allow_inf_nan=False` у каждого поля `float` (или `model_config = ConfigDict(allow_inf_nan=False)` у секций), сценарий в требовании «Некорректное значение останавливает запуск» спека `service-configuration` и проверка `uv run python -c` с `inf` по полям. ## `driver.py reconcile-cycle` на наполненном стенде: свежий F стареет раньше проверки - **Где:** `.claude/skills/run-mtusi-messenger/driver.py`, строка «exit code after X and Y are removed» (grace пробы `RC_GRACE_S` 30 с). Найдено прогоном change `unit-of-work` (задача 11.5); от кода не зависит. - **Что:** на стенде с 11 тыс. объектов (накоплены `make student_test`) каждый проход сверки длится ~5,8 с из-за предела скорости 2000 объектов/с, и за шесть проходов объект F становится старше 30 с раньше этой проверки: dry-run находит `orphan_object` и даёт код 3 вместо 0. Остальные проверки цикла совпадают, итог команды — код 1. - **Чем грозит:** ложный FAIL сценария на долго живущем стенде, на чистом стенде его нет. - **Предложение:** в этой проверке считать допустимой находку F или записывать F позже, непосредственно перед ожиданием grace; либо передавать пробам `RATE=0`. ## Метаданные и скачивание вложения: 504 от LB вместо 503 при зависшем PostgreSQL - **Где:** `GET /api/v1/attachments/{id}` и `GET …/content` (`src/api/routers/v1/attachment.py`), `infra/haproxy/haproxy.cfg`. Найдено пробами change `unit-of-work` (design, решение 6). - **Что:** вход и блок сервиса — два блока по сроку `[database] request_timeout_seconds`, то есть до `2T` = 12 с, а `timeout server` этих путей — 10 с; общего срока у роутера вложений нет (передача дольше срока блока). Дефект прежний: `CurrentUserBrief` и `db_scope` тоже были двумя шагами. Путь загрузки не затронут: его `timeout server` 30 с. - **Чем грозит:** при зависшем PostgreSQL клиент получает 504 от LB через 10 с вместо 503 реплики; данные не страдают. - **Предложение:** общий срок `request_deadline` на этих двух ручках на шаг до начала потока (вход и блок метаданных, без передачи байтов): отдельной зависимостью сложно, поток идёт после неё. Проще свой путь в `http-request set-timeout server` LB для `GET /attachments/…`. Не чинится в change `unit-of-work`: ручки вложений там без общего срока (решение 6). ## S3 на долго живущем стенде: лимит памяти при всплеске загрузок у границы байтов - **Где:** сервис `s3` (`docker-compose.yml`: лимит 512 МБ, `GOMEMLIMIT=400MiB`, `-s3.concurrentUploadLimitMB=64`), SeaweedFS 4.48. Найдено пробой change `track1-queue-overload` (design, Context, проект `q1probe`, 2026-11-01). - **Что:** на стенде, который ~80 мин принимал пробы без пересоздания volume (~9 200 заданий), `docker stats` показывал у S3 330–415 МиБ; при 12 загрузках 10 MiB в секунду ядро его убило (`exit 137`, `OOMKilled: true`, один случай). На свежем стенде те же 12 и 15 загрузок в секунду — 322–399 МиБ и `oom_kill` 0. Зависит ли это от числа объектов, проба не проверяла. - **Чем грозит:** пока S3 лежит, загрузка и скачивание — 503. На рабочем стенде его возвращает `restart: unless-stopped`; в пробе (`restart: "no"`) все 229 незавершённых заданий за ~85 с исчерпали бюджет: `failed`, `retry_exhausted`, возврат — `make replay`. Принятая работа не потеряна, реестр её называет. - **Предложение:** замерить рост памяти S3 с числом объектов (профиль с накоплением, без пересоздания volume); при подтверждении — лимит 768 МБ или меньше `GOMEMLIMIT`. Метка `make bench_queue` этого не покажет: её ячейки идут на свежих volume. ## Граница живой загрузки уборщика не учитывает закрытие соединения - **Где:** `src/cleaner/main.py`, `live_upload_bound_seconds`; `openspec/specs/load-balancing/spec.md` и `openspec/specs/service-configuration/spec.md` («17 с»). Найдено verify change `track1-queue-overload` (S9). - **Что:** формула `2 × request_timeout_seconds + [s3] timeout_seconds` = 17 с не считает закрытие соединения на зависшем сервере (`DB_CLOSE_TIMEOUT_SECONDS`, 2 с: возврат соединения идёт вне срока блока). Оценка сверху — 2 × (6 + 2) + 5 = 21 с. То же у молчания реплики до тела: 21 с вместо 17, но оба меньше `timeout server` 30 с, поэтому цепочка LB верна. - **Чем грозит:** проверка старта пропускает grace от 18 до 21 с. При 900 с по умолчанию разницы нет, запас огромный. На стенде отказов grace 20 с: при зависшем PostgreSQL уборщик может взять строку ещё живой загрузки, но данные не страдают: `mark_queued` помеченную строку не переводит, клиент получает 503, объект удаляется. - **Предложение:** прибавить `2 × DB_CLOSE_TIMEOUT_SECONDS` в формулу и поднять grace стенда отказов до 22 с и больше, отдельным change; там же поправить «17 с» в спеках. Правка меняет код уборщика и стенд отказов, в `track1-queue-overload` не входит. ## Нестандартный метод HTTP: 400 текстом uvicorn, мимо приложения - **Где:** HTTP-парсер uvicorn (httptools, выбирается автоматически), `src/main.py` (`uvicorn.run` без `http=`). Найдено apply change `otel-telemetry` (`driver.py telemetry-check`, сценарий `observability` «Необычный метод и неизвестный путь»). - **Что:** запрос с методом, которого нет в списке llhttp (`BREW`), отклоняется парсером до ASGI-приложения: `400 Bad Request`, `content-type: text/plain`, тело «Invalid HTTP request received.», без `X-Request-Id`, `X-Instance-Id` и тела ошибки контракта; ни итоговой записи, ни span, ни метрики. Метод из списка llhttp, но вне стандартного набора (`PROPFIND`, `PURGE`) доходит до приложения: 404 в формате контракта и ряд `_OTHER`. HAProxy такой запрос передаёт. - **Чем грозит:** ответ API не в формате контракта на экзотический метод; сценарий спека с методом `BREW` по HTTP не воспроизводится — `telemetry-check` проверяет `_OTHER` на `PROPFIND`, а у `BREW` — только отсутствие метода и UUID в метках. - **Предложение:** `uvicorn.run(..., http="h11")` (h11 принимает любой токен метода) — после замера цены на трек 1, — или правило HAProxy, отвечающее 400 в формате контракта на методы вне списка; затем поправить сценарий спека. Отдельный change. ## Остановка API при замороженном PostgreSQL дольше срока контейнера - **Где:** `src/main.py`, `await engine.dispose()` в lifespan без общего срока. Найдено повторным verify change `unit-of-work` (S3); дефект прежний, правкой не вызван. - **Что:** простаивающие соединения закрываются по очереди, каждое до `DB_CLOSE_TIMEOUT_SECONDS` (2 с). Замер `dispose` на замороженном сервере: пул 10 — 20,05 с; пул 4 — 8,02 с и на `d8fe2e8`, и на `9efab79`. `docker stop` на замороженном PostgreSQL не проверялся: то, что контейнер получит SIGKILL после 10 с, — расчёт. - **Чем грозит:** только при замороженном PostgreSQL во время остановки реплики: журнал без «Stopped API»; данные не страдают, незафиксированное откатит сервер. - **Предложение:** общий срок на закрытие в lifespan, как `_CLOSE_TIMEOUT_SECONDS` у worker и relay, и сценарий в спеке `graceful-shutdown`.