Repository navigation
[Bug] 工具调用可能永久不返回:TOOL_TIMEOUT 只发信号,工具内部盲等一个永不清算的 Promise(附最小复现) #13687
yellowdog01
started this conversation in
General
Replies: 0 comments
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Uh oh!
There was an error while loading. Please reload this page.
一句话结论
dsh-tool-fs-search在ToolDefinition上声明了 30s 的timeoutMs,但它的实现里有一步是无界等待(await handle.done)。dsh-tool-call-timeout-policy到点只做一件事——abort 信号,然后继续await next()。两者叠加的结果是:只要底层进程不退出,这次工具调用就永远不返回,30 秒预算形同虚设。这不是"偶发卡顿",是没有绝对期限:全链路没有任何一处会主动放弃一次未收敛的调用。
环境
0.2.2-rc.3(便携版)+ 源码master@ca33fd6843(0.2.2-rc.4同步提交)probeWindowsJob() === true)dsh-tool-fs-search、dsh-tool-call-timeout-policy、dsh-subprocess-local已验证:
rc.3与rc.4在这三个包上没有行为差异(spawn.ts/search-core.ts/timeout-policy的 diff 只有空 catch 命名和注释清理)。现象
长会话里偶发"这条消息发出后永远转圈":没有报错、没有超时提示、CPU 接近 0,只能新建会话重问。现场还能看到残存的子进程(
ssh.exe等),父进程仍在。我最初怀疑是背压导致子进程写满管道后卡死,这个假说后来被测掉了,见下文"已排除的假说"。
源码定位
1. 超时是"通知式"的,不是"强制式"的
packages/guard/timeout-policy/src/index.ts#L68:deadline()到点只调用abort,不会让next()提前返回。包 README 的 Known Limitations 写得很清楚(链接):这个设计本身没问题——前提是下游一定会 settle。问题就出在这个前提不成立。
2. 搜索工具盲等
donepackages/fs/tool-fs-search/src/search-core.ts#L236:handle.done的语义是"直接子进程退出时结算"(spawn.ts#L397-L430)。而pipeDrainTimer这个 3s 兜底只有在launch.directalready resolved 之后才挂得上:所以:target 不退出 →
direct不结算 →done不结算 → 工具不返回 → 超时判定永远执行不到。3. seam 明确把期限责任交给调用方
packages/subprocess/subprocess/README.md#L98:这条是对的,但
dsh-tool-fs-search只声明了期限(SEARCH_TIMEOUT_MS = 30_000),没有实现"到点必须脱身"的那一半。最小复现
A. 确定性复现:一个永不结算的 handle
不需要真进程,用 stub 就能稳定复现"到点不脱身":
实测(
0.2.2-rc.4,修复前):runRipgrep仍然 pending;terminate()一次都没被调用。也就是说,信号发出去了,工具既没结算、也没终止底层进程。
B. 对照实验:真实进程路径是正常的
同一个包、真实 Windows Job runner:
setTimeout(60s)的真实 targetdone正常结算所以终止链本身是好的。"永不返回"只在没有任何一方主动放弃时才成立。
已排除的假说
诚实起见,两条都被我测掉了:
data监听,流处于流动模式持续 drain;父进程没有"停止读取"的路径。publishTerminalResult()的catch会finish(127),父侧settleRange()也会在 runner 退出但无结果时抛SUBPROCESS_RUNNER_FAILED。这也是我写这篇的原因:现象是真的,但我一开始的机制解释是错的。 真正的问题比背压更朴素——缺少一个绝对期限。
为什么 30s 超时救不了
把这条链拉直看:
能打破这个环的只有一处:让"到点"这件事本身可以结束调用。
建议修复
P0:
runRipgrep把done和取消信号竞速到点立即
terminate(),并且只给 seam 一个有界的收敛时间,而不是无限等:关键点:不是简单
Promise.race后弃之不管。先terminate(),再给 seam 一个有界窗口收尸;超时则返回SEARCH_ABORTED,由 timeout 插件替换成TOOL_TIMEOUT。进程所有权仍在 seam 手里,不会被"抛弃"。我在本地验证过这个补丁:
SEARCH_ABORTED,且terminate()被调用;packages/fs/tool-fs-search全量用例 184 passed / 1 skipped,无回归;P1:
done的等待建议由 seam 提供标准原语waitWithAbort()已经存在于managed-owner.ts,但只用于waitForExit。如果SubprocessHandle提供一个"可取消的 done 等待",各消费者就不必各自重写这段竞速逻辑。证据边界(我没能证明的部分)
TerminateJobObject),我构造不出真正杀不掉的目标;所以最小复现只能用"永不结算的 handle"来表达这个状态。terminate的可靠性会更弱,这个缺陷的暴露概率应该更高,但我没有 macOS 环境验证。疑似同类反馈
#10501 命令 tool 一直卡住 描述的现象(
printf这种命令也一直不返回、等 5 分钟无反应)与本缺陷形态一致,但没有根因。如果那边能补一份宿主日志/进程快照,也许可以互相印证。All reactions