1.6 KiB
1.6 KiB
S2 准备协调器基础设施修复
原16682在disk_usage扫描progress.json.tmp时遭遇原子替换竞态,异常进入finally并中止16个worker;未产生原batch-complete。遵循Claude 1794689807.792819,独立版本修复基础设施,原文件及worker数值代码不改。
新disk_usage每条目录项只做一次不跟随symlink的stat,FileNotFoundError表示该项已消失,跳过后下轮继续统计;其他监测/记账异常记录并重采样。协调器不在记账不新鲜的周期派新任务,但现有worker继续受独立wall/CPU/RSS监督;真实CPU/磁盘超限仍停止。worker监督器也记录并重采样监测异常,墙钟判断始终执行,最终CPU/HWM依wait4计入。CPU/GPU两种监督基础设施均有独立修复副本,原实现和历史pin保留。
恢复协调器仅接受新134件契约、≤16workers、单件1800s/1.25GiB/0 retries,无新50屏障。累计CPU=事故381个原worker已用量(包含16中止)+恢复批实际量;不把中止CPU再加一次。累计原始/隔离/恢复输出磁盘≤100GiB。真实预算停止原因优先于随后被全局停止清理的worker信号。
5项合成验收通过:原.tmp竞态复现与修复扫描、监测异常时子进程继续、监测故障时真实wall上限仍停、累计预算判断、134个模拟任务下协调器遇活跃期记账故障后重采样且不中止worker。初次协调器测试漏建契约文件,失败原记录保留;补齐测试夹具后5/5通过。没有重跑科学准备或GPU。后续事故账本、隔离、严格恢复集合与三来源合并是独立交付,不属于已执行计算。