docs(运维): §9.6 发版后验收,并给"0 命中"划清边界

两台同一 md5 已起、锁等待 60 秒增量 0、被打断的 4 笔 job 全部续跑(外观 20833 抬了 2 次 retry)。
但这窗口里没有外观的 stale 恢复长批次,所以只证明没回归、不证明长事务已消除;另记下发版脚本
异常采样会把旧 JVM 最后一段混进来,那条 NoClassDefFoundError 的时间戳在容器启动前 1.4 秒。
This commit is contained in:
2026-09-28 14:29:41 +08:00
parent 6df20ff5c6
commit a9ddf8a696
+26
View File
@@ -807,3 +807,29 @@ LLM 提交在事务外)。**AP 是唯一破坏这个约定的模块**,不是
WARN 里带被锁的 `jobId`,而该 job 的执行日志(哪个实例、哪个批次、起止时刻)就在同一份日志里,
两边一对就能指认持锁方。**下次 burst 不用再抓转储。**
### 9.6 发版后验收(B 14:17 / A 14:20,两台同一 md5 `ca20c212f11b80c4c2e53c4f231e2b19`)
发版前取证(14:15):A 最近 3 分钟 960 行里 brand-check 240 / collect-data 22 / similar-asin 17 / appearance-patent 3,
库里 4 笔 RUNNING(货源 `20791`=task 29438、`20805`=task 29452;外观 `20833`、`20838`);
B 3 分钟只有 22 行、模块活跃度 1 → 先发 B 无感。
代价照实记:A 重启打断那 4 个在飞批次,重启后 4 笔全部回到 RUNNING 并续跑(`updated_at` 14:25:54–14:26:31),
其中外观 `20833` 因 reclaim 把 `retry_count` 从 0 抬到 2(上限 5)。**被打断那一批的 LLM 次数已扣而结果没落库,等于重发一次。**
验收计数(每条都带窗口总行数自证):
- B `--since 8m` 共 556 行:`CannotAcquireLockException` 0、`Connection leak` 0、事务哨兵 0;
- A 纯重启后 `--since 3m` 共 801 行:以上三项 0,且 `ERROR` 级 0;
- MySQL 60 秒两次采样(14:27:24 → 14:28:24):`Innodb_row_lock_waits` 354,519 → 354,519(**增量 0**)、
`current_waits=0`、`time_avg=13 ms`、`time_max` 仍是历史值 51,199 没再抬高。
**这条验收的边界必须说清**:窗口里只有货源在"等更多行",外观的 stale 恢复 + 十几分钟长批次**这期间没再发生**,
所以"0 命中"只证明**没有回归**,不能证明**长事务持锁已被消除**。后者的依据是代码形状(§9.5)加两条回归测试;
哨兵的价值在于——下次谁再把它改回去、或还有一条路径把批次留在事务里,
`llm 批次正跑在事务里` 会直接把 taskId/jobId 点名出来,不用再演今晚的抓转储。
顺手记一个**发版脚本自身会让人误判的地方**:阶段5 的异常采样窗口是 `--since ~115s`,而 restart 只花 11 秒,
所以采样里混着**旧 JVM 的最后一段**。本次 A 就报了一条
`NoClassDefFoundError: ...AbstractGenericHttpMessageConverter$1`,用 awk 把它上面最近的日志时间戳抠出来是
`14:20:00.437`,而容器启动时刻是 `14:20:01.835` —— 属于**旧进程在 jar 被就地替换后按需加载类失败**,不是新包的问题,
纯重启后窗口里它是 0。**看到异常先归因时间戳,再决定要不要回滚。**