Files
MeltMind/docs/s3b-a-v04-guard-stop-2026-11-15.md
T

2.8 KiB
Raw Blame History

v0.4 外部守卫工程停止:三件完成,七件未尝试

2026-11-15 21:04:54(UTC+8),外部阶段守卫3858报Active worker identity differs并按其失败处理向原协调器发SIGTERM。原71694随后TEN_STOPPED/COORDINATOR_INTERRUPTED;门等待75941因External stage guard failed停止,guards=[]。三session均实际退出1,host核无遗留s3b进程。这是工程监控停止,不是已测求解器数值失败、阶段费用超限或精度门失败。没有触发GMRES,也不能把它当切换solver许可。

前三件1130/1324/842全部guardPASS/scienceCOMPLETE,剩余0,全部输出hash核过。842=11321节点、11321子事件、2332压力调用(1初始+1计划+2330提前)、565.748434CPU秒、565.933430wall秒、峰171499520B,单进程、monitor_errors0;result SHA6f972eaba4f27eb4bd7f24941a4ec55419691fef1e460376c68343e5b130edb2。后七件367/746/777/1552/1379/610/666均未派发,候选2未尝试。原exact与全部固定源pin保持不变。

文件时序(unix秒):842result/progress在1794747894.514097923写出;外部guard failure在.574098056;worker wait4 PASS回执在.603098120;guard-result在.604098122;原coordinator complete在.611098137。该时序支持“worker已结束但wait4回执尚未落盘”的退出竞态假说。守卫当时没有保存worker.status/cmdline/ppid,不能声称已直接证实zombie或具体identity字段。源码先查receipt不存在,再用ppid/cmdline判断活进程;某些退出状态可能给空cmdline并被误分类。原始failure保留,不覆写为已验证诊断。

外部guard最后采样967.314487CPU秒,实际候选阶段结算967.522921秒(原v04合成3.621943+三件963.629082+守卫测试0.271896),远低于10800。没有trigger.json。原ten complete累计4207.213202含旧3239.962177与该队列账;另加守卫/门测试共2.177133后,全科学worker累计4209.390335秒。7200后处理保留后计算余60590.609665秒。原协调CPU77.217397、外部guard最后记录CPU40.470646028、门协调0.703458871均另列;外部guard异常后的最终CPU未由其自身落盘,不冒充精确终值。

参考和成本门完全未运行,没有full617/评分/新标签/GPU。门等待器complete.cumulative_worker_CPU_s为null(在读取ten终态之前捕获外部failure),joint guard-infrastructure-stop-audit.json完成两处账本合并,不能把null当0。前一f915380为终态出现前的活跃快照,现已过时。

已在Slack1794748012.147009报Claude:申请独立工程修复/覆盖退出竞态,复用前三PASS,仅同splu按原顺序接续7个从未尝试件,延续累计阶段和总账,不重跑三件、不因基础设施失败换solver。此刻接续尚未获新裁量或启动;不得从旧running或原完整计划自动重启。原失败、原终态、完整第三件与全部费用先固定,后续决定另记。