 host
|
57f8852634
|
fix: worker 代码变化自退 + 部署时清孤儿 worker
2026-10-27 暂存清理实弹：05:51 的旧 docker worker 成孤儿后
继续用旧代码抢任务、按老路失败且不删暂存；autoscaler 用
start_new_session=True 拉 worker、部署重启杀不到非 unit 进程。
两层修：
1. worker 常驻循环每轮边界比对 worker.py 文件签名
（mtime_ns + size），部署换目录后必变，变了就以 75
（EX_TEMPFAIL，失败类）退出——检查点在轮次边界，绝不
中断在跑任务。退出后：unit 托管的由 systemd on-failure
重拉新版，autoscaler 托管的由 reconcile 重拉，孤儿直接
消失。附带好处：以后部署不用再手动重启本地 worker。
2. host_deploy.sh 换目录后、启动服务前清孤儿：按 cgroup
过滤杀非 .service 的 cloud.worker 进程（桥接修补前就存
在的孤儿），先 TERM（跑完当前任务再退），30 秒未退的
再 KILL；unit 托管的（如 host-1）不动。pgrep 用
[c]loud.worker 写法，避免检查命令自匹配。
测试：test_worker.py 新增 2 个（签名变了则 75 退出且不认领、
签名不变则跑到 max_seconds）；反向验证：撤掉 worker 修复
时正好前者变红。清扫过滤器主机干跑：两个现役 worker 均
为 unit cgroup，全 KEEP，杀 0 个。全量 deploy 19、host
62、cloud 619 全过。
|
2026-10-27 11:23:49 +08:00 |
|