Files
MeltMind/docs/s2-infrastructure-recovery-fix-2026-11-15.md
T

10 lines
1.6 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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。