Merge pull request #6 from openqj/hotfix-cleanup-infra

Hotfix: stale-container cleanup must not delete infra containers

cloud/sandbox.py

@@ -425,14 +425,25 @@ class DockerExecutor(Executor):
                 names.append(name)
         return names
 
+    # 任务容器名是 codex-<32 位 hex 任务 id>（见 _container_name）。
+    # 启动清理只能删这种容器，绝不能按 "codex-" 前缀全删：基础设施
+    # 容器也叫 codex-*（例如 codex-postgres），按前缀删会把数据库
+    # 容器当成残留任务容器杀掉（2026-10-26 实测：worker 重启时
+    # codex-postgres 就是这样被删掉，导致控制面连不上 Postgres）。
+    _TASK_CONTAINER_RE = re.compile(r"^codex-[0-9a-f]{32}$")
+
     def cleanup_stale_containers(self, prefix="codex-"):
-        """清理上一轮残留的 codex- 容器：列出并逐个 kill+rm。
+        """清理上一轮残留的任务容器：只删 codex-<32 位 hex 任务 id>。
 
         返回已清理的容器名列表；单个容器清理失败只跳过它（kill
         本身尽力而为），列出失败时返回 []，绝不抛异常。
+        基础设施容器（如 codex-postgres）名字不匹配任务 id 正则，
+        永远不会被这里删掉。
         """
         cleaned = []
         for name in self.list_containers(prefix=prefix):
+            if not self._TASK_CONTAINER_RE.match(name):
+                continue
             try:
                 if self.kill_container(name):
                     cleaned.append(name)

cloud/tests/test_prod_worker_timeout.py

@@ -212,18 +212,26 @@ class ContainerCleanupTestCase(unittest.TestCase):
         executor = DockerExecutor(runner=runner)
         return executor, calls
 
-    def test_cleanup_lists_by_prefix_and_removes(self):
+    def test_cleanup_only_task_containers_never_infra(self):
+        # 回归：2026-10-26 实测，按 codex- 前缀全删会把数据库容器
+        # codex-postgres 当成残留任务容器杀掉，导致控制面连不上
+        # Postgres。清理只能删 codex-<32 位 hex 任务 id>。
         executor, calls = self._docker_executor(
-            ps_stdout="codex-abc\nother\ncodex-def\n")
+            ps_stdout="codex-postgres\n"
+            "codex-3689cf40d671492992c6bfedd18b004c\n"
+            "codex-abc\nother\ncodex-app-server\n")
         cleaned = executor.cleanup_stale_containers()
-        self.assertEqual(cleaned, ["codex-abc", "codex-def"])
+        self.assertEqual(
+            cleaned, ["codex-3689cf40d671492992c6bfedd18b004c"])
         flat = [c for call in calls for c in call]
+        self.assertNotIn("codex-postgres", flat)
+        self.assertNotIn("codex-abc", flat)
         self.assertNotIn("other", flat)
-        # kill + rm 各调一次（每个容器）。
+        # kill + rm 各调一次（仅那个任务容器）。
         self.assertEqual(
-            sum(1 for call in calls if call[1] == "kill"), 2)
+            sum(1 for call in calls if call[1] == "kill"), 1)
         self.assertEqual(
-            sum(1 for call in calls if call[1] == "rm"), 2)
+            sum(1 for call in calls if call[1] == "rm"), 1)
 
     def test_cleanup_failure_does_not_crash_worker(self):
         executor, _ = self._docker_executor(fail_ps=True)