You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
{{ message }}
Repository navigation
CI 全量测试 shard-3 端口冲突:两个固定端口 attach 用例与同分片的监听泄漏邻居撞车,四平台全挂(#3144 暴露) #3207
Activity
ranxianglei commentedon Oct 14, 2026
(ai: vllm-qwen/qwen3.8-27b)
佐证(来自 #3195 review 排查,细节见 #3206 最新评论):在「master 自身 CI」与「PR head rerun」两条独立运行里,都观察到固定端口 attach 用例撞上既有监听者的直接形态:
zone live用例(tests/port-zone-live.test.ts):listen 阶段 ~1ms 即败,EADDRINUSE: address already in use 127.0.0.1:18787——测试开始前 claude-native 固定端口已有监听者;hook e2e pinned port用例(tests/claude-native.test.ts):ERR_ASSERTIONhook attached to the user's daemon——hook attach 到了占着固定端口的既有 daemon,而非测试拉起的代理。两者均出现在 ubuntu s2/s3 shard,跨多次运行复现(master run 38606057099、PR head ead8640 的 rerun 各一轮)。支持「同分片监听泄漏邻居撞车」的判断。
ranxianglei commentedon Oct 14, 2026
(ai: vllm-qwen/qwen3.8-27b)
查重: 不重复。 按 EADDRINUSE、端口冲突、shard 分片、run-ci-tests、固定端口等关键词检索 open+closed issue 均无命中(与 issue 正文的查重声明一致);#3144 线程内也无同类条目。接单开工。
初审两个疑点(动手前先核实 issue 前提):
scripts/run-ci-tests.mjs(诊断为什么个别ci要跑10分钟以上,是否可以优化 #2816 引入)没有分片——全部测试文件在一个node --test进程里以--test-concurrency=4单阶段跑完;CI 矩阵只有 4 条腿(ubuntu/windows × node22/24)。issue 说的"shard 3 在 4 平台全挂、其余 8 分片全绿"这个形态在当前调度器下不存在。我会先拉 [PR] fix: storage tail defects from the #3130 review (#3135) #3144 head(064b3c2)的真实 CI job/check-run 清单核对:"shard 3"到底指什么(GitHub UI 上的某个 job 序号?还是当时分支上有不同的 runner?)。tests/claude-native.test.ts:1510用的是freePort()动态端口(仓库 fix: emit /acp panel as persistent custom message and strip it from the proxy model context (#359) #360 纪律已落地)。所以"改成 listen(0) 动态端口"对它不适用——若它真的撞了 46029 上的泄漏 bili proxy,机制更可能是时序竞态(邻居文件泄漏的 proxy 在 freePort 选口之后才完成 bind)或 freePort 实现本身有坑,需要精确定位而不是照抄建议方向 2。port-zone-live 的 18787 是 zcode zone base(设计上的固定值,[Design] 定死端口 lane(claude 48787 / zcode 48789)端口被占时的 0 配置解法 #1660),那侧要查的是谁在同批里真的 listen 了 18787。计划:① 拉 #3144 CI 失败日志原文(两个失败用例 + ENOSPC 行);② 确定同批并发集合里哪个文件泄漏监听进程/磁盘写入;③ 治本修泄漏源头(疏不堵),必要时给调度器加约束;④ 定向验证 + PR。进展会回帖。
ranxianglei commentedon Oct 14, 2026
(ai: vllm-qwen/qwen3.8-27b)
查重结论:重复 —— 与 #3182(同族 #3184/#3188)100% 同症状+同机制+同根因,修复已在 PR #3197 在途且全绿
先更正我第一条回复里的一个事实错误:我当时说「master 的 run-ci-tests.mjs 没有分片」——错了,那是本地 checkout 停在旧提交导致的误判。分片早已在 master(#3143,
ci.ymlmatrixshard: [1,2,3]+ LPT 按行数装箱),本 issue 的前提「#3144 新增文件触发重新均衡」完全成立。独立取证(不是照抄 #3182,我重新做了一遍)
shard 3/3: 226/676 files逐字一致。关键差异:claude-native 与 port-zone-live 这次被装进了同一个 shard 3(更早的分区里两者分居 s3/s1)——这正好解释为什么本轮只有 shard 3 在 4 个平台全挂、其余 8 腿全绿:[PR] fix: storage tail defects from the #3130 review (#3135) #3144 的新测试文件把这对碰撞者重新装箱到一起了。code-fingerprint-mismatch跳过、其 spawn 的子进程 60s 后确认从未绑上端口被杀;随后 7799/7815/7863/7918/7964 依次以 lane-mismatch/fingerprint-mismatch 被跳过)——跨文件同时占 zone base 直接坐实。listen EADDRINUSE 127.0.0.1:18787来自它自己进程内的 squatter 去 listen(18787) 时已被邻居占住(该文件全程钉死 ZONE_PORT_BASE 常量);[dump] SSE stream dump failed ... ENOSPC(runner 磁盘压力)。ci: per-file zone-port bands for live suites + bounded TOCTOU retries (#3182/#3184/#3188) #3197 的 teardown hygiene(squatter 泄漏关闭、SIGKILL 后等内核释放)会减少泄漏写盘方,但 runner 磁盘本身的问题超出本仓库可控面;ci: per-file zone-port bands for live suites + bounded TOCTOU retries (#3182/#3184/#3188) #3197 合入后若再出现再单独看,不另立项(暂无独立可复现机制,避免 issue 洪水)。为什么本 issue 不再单独修
issue 建议的三个方向全部被 PR #3197(
fix/3182-zone-slot-bands,Closes #3182/#3184/#3188)覆盖且方案更优:BILI_ZONE_PORT覆写本就存在);按先来后到规则(#3182 开于 13:49Z,#3207 开于 17:03Z,最晚):建议将本 issue 打
重复标签并关闭,跟踪并入 #3182 / PR #3197。我没有关闭工具,请 owner 关闭(或在平台侧处理)。#3197 合入后 #3144 重跑 CI 应转绿——它的失败纯粹是共置噪声,与其 storage 改动无关。结构化八问
BILI_ZONE_PORT为既有产品能力,由 CI preload 注入使用)。收工判定:本 issue 应作为 #3182 的重复关闭,工作并入 PR #3197;无需第二个 PR。