Skip to content

安装新版本后旧代理永远不换新:detach 代理躲过应用退出,重启只是重新挂上旧进程(「永远更新不了」) #3544

Closed

Description

@ranxianglei

ai: zhipuai-lb/glm-5.3

现象(一句话)

插件升级到新版本后,正在跑的旧代理进程永远不退出、也不换新:用户重启宿主应用,新会话只是重新「挂上」那个旧代理,磁盘版本和运行版本永久错位——不手工杀进程或重启机器,更新永远不生效。

实测复现(Windows 桌面版,2026-10-17)

  1. dsh plugin --profile desktop add billion-context@0.1.199-dev.3 安装 dev.3,启动 dsh 桌面应用 → 代理(pid 4236)从 dev.3 拉起,监听 18787,一切正常。
  2. ... add billion-context@0.1.199-dev.4 升级磁盘到 dev.4。
  3. 完全退出并重新启动 dsh 桌面应用(设置面板 stale 提示给的建议正是这句)。
  4. 结果:面板显示「版本 0.1.199-dev.3 (b2ce32c)/ 磁盘版本 0.1.199-dev.4」——旧代理还活着。wmic 证实:代理的父进程(pid 2020,上一个应用会话)已不存在,代理本身脱离父进程存活,新应用会话发现 18787 上有健康代理就直接 attach。
  5. 唯一出路:taskkill /pid 4236 /f 杀掉孤儿,再启动应用,才拉起 dev.4。

根因(两层)

第一层:代理是 detach 出来的,应用退出杀不死它。
src/launcher.ts:4207 spawn 用 detached: true(有意设计:应用崩了代理还在、共享代理跨会话存活)。配套的退出机制是父进程看门狗:src/server.ts:1379-1404,每 2 秒用 isPidAlive(src/instance.ts:346,process.kill(pid, 0) 纯存在性检查)轮询所有 watcher pid,全死 + 5 秒宽限后 shutdown。但实测它没有收走这个孤儿。候选机制:

  • Windows pid 回收:kill(pid,0) 只查「这个 pid 存不存在」,不查「是不是当初那个进程」。Windows 激进复用 pid,死掉的父进程 pid 被任何新进程占走后,看门狗永远看到「活着」。
  • 或 shutdown(reason) 的优雅退出被挂起(等待 drain/连接关闭)而无限拖延。
    (被杀进程的日志文件为空,无法定证哪一支;需要一次受控复现确认。)

第二层(真正的产品缺口):attach 不看版本,换代没有通路。
dsh-native 的 attach 逻辑(src/agent/dsh-native.ts verifyAttachAndRecover / ensureProxyRunning 发现路径)对健康代理一律 attach,从不比较「跑着的版本」和「磁盘上已安装的版本」。设置面板倒是能看出错位(stale 态),但它给出的处方「请完全退出并重新启动 dsh 以加载新版本」对 detach 代理无效——应用重启恰恰只是重新挂上旧进程。两层叠加 = 「永远更新不了」。

修法建议

  1. 版本感知的受控换血(主修):attach 时若健康代理版本 < 已安装 dist 版本,触发 supervised rotation——请旧代理 drain+退出(优雅退出路径已有),再从新 dist 拉起(single-flight 已有)。stale 态几秒内自愈,用户无感。
  2. 看门狗加固:pid 配对进程启动时间(或复用已有 launchToken 身份),回收的 pid 不再算「活着」。
  3. 面板 stale 态文案改为「一键重启代理」或直接自动换血,别再给无效的「重启 dsh」建议。

影响面

所有 native 插件宿主(dsh/pi/omp/opencode/zcode/kimi/hermes…)在任何「更新已装、代理常驻」的场景:市场升级、dsh plugin add 新版本、自动更新。Windows 上 pid 回收更频繁,最容易命中;但第二层(attach 不比版本)是平台无关的。

Activity

  1. ranxianglei commented on Oct 17, 2026

    @ranxianglei
    OwnerAuthor

    🤖 Powered by ework · qwen3.8-27b

    (ai: vllm-qwen/qwen3.8-27b)

    查重:不重复 —— 按症状关键词(detach/stale/版本错位/watchdog 孤儿/换代/rotation)检索了 open+closed 的 issue 与 PR,无同症状条目。最近的相邻工作:#1225(code-fingerprint attach 门)、#1335(watchdog attach 门)、#1723/#3044(升级换代端口交接)——都只解决其中一环,没有覆盖「attach 不比版本 + detach 旧进程永不替换」。

    审核结论(验证了什么、层次判断)

    第二层是根因,已逐行核实。 attach 决策全链路没有任何「代际」概念:

    • 发现路径(native 安装的 spawn 模式,即本复现路径):pickAttachable(src/launcher.ts:3687)只比 codeFingerprint(入口脚本字节哈希)+ 配置形状 + lane。字节不一致的旧实例被拒绝——但拒绝不等于换代:它只是并行再拉一个新进程(EADDRINUSE → +1 端口漂移),旧进程继续占着规范端口,无人收走。
    • 钉死路径(BILLION_CONTEXT_PROXY/ATTACH):verifyAttachAndRecover(src/agent/dsh-native.ts:667)只探 /__bili/health 存活,从不比较运行版本 vs 磁盘版本。
    • 后果:任何「更新已落地、代理常驻」场景(市场升级/plugin add/自动更新),旧代理无限期继续服务旧版本;即使旧属主进程还活着(多会话共享代理),不手工杀进程更新也永远不生效。这就是「永远更新不了」的产品缺口,平台无关。

    第一层的候选机制需要修正。 issue 猜的是「Windows pid 回收让 kill(pid,0)误判存活」。我核对了 libuv v1.x 源码(src/win/process.c uv_kill + error.c 翻译表):现代 libuv 在 Windows 上对不存在的 pid 返回 ENOENT、仅对他属主活进程返回 EPERM——所以 isPidAlive(src/instance.ts:346)在现代 Node 上语义本身是对的,pid 回收不是主因。但两个更直接的机制成立:

    1. 存在性检查天然是身份盲区:死掉的父进程 pid 被任何新进程占走后,看门狗永远看到「活着」——pid 复用仍然能击穿它(复现里父进程就是低号 pid 2020,Windows 上最先被回收的那批)。
    2. 新会话 attach 时把自己登记成了 watcher(src/launcher.ts:4069-4079,feat: bili CLI + debug in config + README rewrite #7/shared stable-port proxy (48787) is killed when its FIRST owner exits — every other attached session loses its proxy #1183 的多属主设计):新应用会话一旦挂上旧代理,旧代理就有了活的属主——即使看门狗完美也不会收走它。所以「重启只是重新挂上旧进程」在机制上是必然的,不是偶发竞态。

    复现里新会话究竟走了 attach 还是并行了第二个进程,空日志定不了支;但两条支都被下面的修法覆盖,不需要受控复现来解锁开工。

    修法(一个 PR,三个子缺陷,同一失败域)

    1. 主修 — 版本感知的受控换血:发现路径 attach 决策中,若本 lane 首选端口上有一个健康但旧代的实例(其上报版本 < 我方版本,或其自身磁盘版本 > 自身内存版本——后者覆盖「文件已换、内存还是旧的」状态),先经新的 loopback-only 管理端点 POST /__bili/shutdown 请它优雅 drain+退出(复用现有优雅退出路径,带 10s 硬兜底),确认释放后在同端口拉起新进程(port-zone 重启竞态:sticky 端口单调漂移,升级依附与无界自增互相矛盾(#1660 后续) #1723 既有机制)。只动 lane 自有实例:user-zone 守护(手工 bili start)、外 lane、同代或更新的版本一律不碰;旧构建没有该端点/版本字段时自动回退现状。不引入新配置项。
    2. 看门狗加固:属主存活判定从「轮询 pid 是否存在」升级为「属主心跳自证」——spawner/attacher 周期性重新注册(带 hb 标记),服务端按 lastSeen 过期(宽限 ~15s);未带 hb 的遗留注册保持原 kill-0 语义(旧宿主 + 新代理行为不变),kill-0 保留为 POSIX 快路径。同时关掉 pid 复用盲区和「存在≠身份」缺口。
    3. 文案:dsh 面板 stale 提示从「请完全退出并重新启动 dsh」(对 detach 代理是无效处方)改为与新自愈行为一致的措辞。

    行为变更披露:① 会话启动时会对同 lane 的陈旧旧代理主动请求关闭(此前:共存或漂移到别的端口),日志明示原因;② 看门狗新增一条死亡判定通道(心跳超时),仅对采用新协议的属主生效。

    开始实现:本地跑定向测试,全量回归交给 CI;完成后按八问体例补最终回复。

  2. ranxianglei commented on Oct 17, 2026

    @ranxianglei
    OwnerAuthor

    🤖 Powered by ework · qwen3.8-27b

    (ai: vllm-qwen/qwen3.8-27b)

    查重:不重复(open+closed issue/PR 按 detach/stale/rotation/watchdog-pid/版本错位多组关键词检索均无同症状条目;相关前作 #1723/#1225/#1335 已在修法中兼容复用)。

    修复完成,PR:#3562 #3544)。

    结构化八问:

    1. 是什么问题:插件升级后,常驻的旧代理进程永远不被替换——attach 只查健康、从不比版本,应用重启只是重新挂上旧进程,磁盘版本与运行版本永久错位(「永远更新不了」)。
    2. 什么原因导致的:两层叠加。①所有 attach 路径(dsh pinned attach + 发现式 bring-up)都不比较「运行代际」与「已安装代码」:发现式路径用指纹拒绝不同字节的实例但没有换血通路(只会共存 + 端口阶梯漂移),且当发起方本身还是旧代际代码时指纹相同、静默挂上——这层平台无关,是真正的产品缺口;②看门狗 kill(pid,0) 是纯存在性检查、无身份——Windows 上被回收的 pid 永远读成「活着」,孤儿收不走。注:实测核对 libuv Windows 源码后,kill(死pid,0) 在现代 Node 上正确返回 ENOENT(EPERM 分支只对「存在但属其他用户」的活进程),所以第一层的真实缺口不是 errno 误判,而是「pid 存在 ≠ 当初那个进程」的身份盲区。
    3. 影响范围与严重程度:所有 native 插件宿主(dsh/pi/omp/opencode/zcode/kimi/hermes…)在「更新已装 + 代理常驻」的任何场景(市场升级、add 新版本、自动更新);后果 = 更新永不生效,用户只能手工杀进程或重启机器。Windows 上 pid 回收更频繁、更易命中第二层;第一层全平台命中。严重度:功能不可用(更新通路整体失效)。
    4. 怎么修复的:版本感知受控换血 + 看门狗心跳身份判定,三个子缺陷一个闭环(一个 PR):①发现式 bring-up 无可挂目标时,若有一个形状兼容(配置/lane/host/passthrough 全同)、看门狗已武装、非 user-zone、且占用我们 canonical port 的驻留实例报告了严格更旧的版本,向它请求优雅退出(新增 loopback-only 管理端点 POST /__bili/shutdown,走既有 graceful shutdown + 10s 强制退出兜底),有界等待端口释放后在同端口拉起新版;任何疑点(版本不可比/请求被拒/超时)回落既有 spawn 阶梯;②dsh pinned attach 对健康但严格更旧的 target 同样先请求退出再走 spawn fallback,失败照旧 attach(不劣化);③owner 可带 {pid, hb:true} 注册并周期性重发心跳,hb 注册的 pid 超 15s 无心跳判死——回收的 pid 不再算「活着」;legacy 注册保持 kill-0 语义,新旧两端双向兼容;④面板 stale 文案顺手改对(独立 commit):不再给无效的「完全退出并重启 dsh」处方。
    5. 是否有回归问题:逐项审过既有行为——等值/更新版本永不动(isVersionNewer 严格比较);user-zone daemon、外 lane、显式 attachUrl 目标、unarmed 实例(claude-native hooks must not attach to a lifecycle-less proxy — attach gate + self-managed fallback #1335 门禁)一律不碰;pre-安装新版本后旧代理永远不换新:detach 代理躲过应用退出,重启只是重新挂上旧进程(「永远更新不了」) #3544 无版本字段的旧代理保持原共存行为(向后兼容,测试用例钉住);换血失败(拒绝/超时/端点不存在)回落原 spawn 阶梯,不劣于现状;非 hb 的看门狗注册保持原判死逻辑。相邻回归套件本地定向绿(issue2954-launcher-clobber 2/2、watchdog-health 1/1),typecheck 干净,全量以 CI 为准。
    6. 是否破坏缓存:不涉及缓存/重试/增量游标/去重键机制。会话连续性:换血发生在新会话启动时,骑在旧代理上的进行中会话随其优雅退场终止——与今天手工 taskkill 的结果等价,不劣于现状。
    7. 是否改了设计方向:无架构转向。这是给既有 single-writer/共享代理契约(native模式下自动更新问题需要解决 #991/dsh plugin-market installs never auto-update: the refresh chain's only trigger is a global bili self-update #1196)补上缺失的一环:「版本代际」成为 attach 决策的一部分。新增管理端点与可选 hb 字段是 loopback-only 管理线协议扩展,不是用户配置面。
    8. 是否引入了新的配置:无新配置字段/env/CLI flag。新增常量全部模块内部(STALE_ROTATION_WAIT_MS=12s、WATCHER_HEARTBEAT_GRACE_MS=15s 等);POST /__bili/shutdown 与 /__bili/watcher 的可选 hb 字段是内部线协议扩展。

    行为变更披露(old→new):① 发现式 bring-up:canonical port 被更旧代际占据时,原共存 + 端口阶梯漂移(strictPort 下 hard-fail)→ 现主动请求旧代理优雅退出、同端口拉新版(失败回落旧行为);② dsh pinned attach:原无条件挂健康 target → 现先换血严格更旧者,失败回落原 attach;③ 看门狗:hb-opted owner 增加 15s 心跳过期死通道,legacy 不变;④ 面板 stale 文案由无效处方改为自动换血说明 + 手动杀进程选项 + 「应用自身还是旧版才需重启」。

    判定:修复完成、定向测试与 typecheck 全绿,等 CI 全局把关 + 你 review。我无法合并 PR——请自行合并:#3562

  3. added 3 commits that reference this issue on Oct 17, 2026
  4. added 2 commits that reference this issue on Oct 17, 2026
  5. added a commit that references this issue on Nov 20, 2026
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

No one assigned

    Labels

    Projects

    No projects

      Milestone

      No milestone

      Relationships

      None yet

      Development

      No branches or pull requests

      Issue actions