diff --git a/docs/ops/prod-decisions-2026-09-28.md b/docs/ops/prod-decisions-2026-09-28.md index 7645c9f62..509000bc6 100644 --- a/docs/ops/prod-decisions-2026-09-28.md +++ b/docs/ops/prod-decisions-2026-09-28.md @@ -9,12 +9,37 @@ |---|---|---| | `8536ddb3` | 外观专利行重发加轮次上限,超限就地判失败并写明原因 | 已上线 | | `6a82697a` | MinIO 建连超时 5min→10s;delete-brand / collect-data 巡检 cron 30s→2min | 已上线 | +| `2d33f478` | 用户态接口的 `user_id` 归属改由令牌身份判定(只绑定、暂不要求凭据) | 已上线 | +| `10dec56e` | 外观专利:完成标记只打在真正落库的行上(少回的行撤销重发) | 已上线 | -线上产物:`162,588,520 B` / md5 `e97fd273473db849b705a766b7b505c7`,两台一致(替换前为 `368495364897a776df486a25d2d779e2`)。 -发版后回读:健康 200、Flyway `Schema aiimage is up to date`(137)、instanceId `server-110`/`server-121`、 -启动异常 0 条、ERROR 0 条、`重发轮次已达上限` 0 条(无误杀)、巡检已按 2 分钟节奏触发。 +线上产物:`162,590,216 B` / md5 `b834d489c8640fd1f6cc9d51238f4606`,两台一致。 +(今夜此前两版:`e97fd273473db849b705a766b7b505c7` → `e0854c23cc99344a6ddadbf2019e08bf`。) +发版后回读(重启后 5–15 分钟窗口,A 4780 行 / B 530 行日志):健康 200、Flyway 137 up to date、 +instanceId `server-110`/`server-121`、ERROR 0 条、绑定 403 0 条、`[admin-guard] rejected` 0 条、 +`重发轮次已达上限` 0 条(无误杀)、`本批结果未全部落库` 0 条。 +**A 上重启时确有一批外观 LLM 在飞**(03:15:36 发出 5 品请求),03:20:52 该任务 +`llm batch done taskId=29447 jobId=20802 rows=10` —— 中断后自行续跑并交付了一批, +本轮未出现开机自回收日志(ready 时没有心跳已停的遗留 RUNNING,属正常分支)。 -发版顺序是先 B(当时空闲)后 A(A 上有 14 个在飞任务,按"不管有没有任务在跑"的授权执行)。 +发版顺序是先 B(当时空闲)后 A(A 上有在飞任务,按"不管有没有任务在跑"的授权执行)。 + +### 附:健康评估报告第 6 条(外观/货源"静默降级")已核,不必再追 + +报告称 `allRowCount` 读失败 `return 0`、`loadAllRowsByBaseId` 读失败返回空,会把期望行数压低造成"假完成"。 +逐个调用点读完后的结论是**不成立**,记录在此免得再查一遍: + +- `allRowCount` 的返回值只喂两处:`FileResultEntity.row_count`(列表页显示的"共 N 条")和进度分母。 + 两处都写了"0 不覆盖已有非零值"(`finalizeTask` 的 `rowCount > 0 ? rowCount : result.getRowCount()`、 + 货源 `resolvePythonUploadProgress` 的 `totalRows <= 0 && uploadedRows > 0` 兜底), + 而 `createResultRecordForAssembly` 的兜底分支自己会重读载荷,读不动时异常照常上抛。 + **没有任何成功/失败判定吃这个数**。 +- 真正的完成判定是 `validateCompleteLlmCoverage`,它的分母来自 `assembleResultWorkbook` 里 + **不带 try/catch 的** `readParsedPayload(task)`——载荷坏了会直接抛,不会静按 0 行放行; + 覆盖率低于 `llm-coverage-min-ratio`(默认 0.5)时抛"LLM 结果不完整"。 +- `loadAllRowsByBaseId` 返回空只影响 `expandRows` 的同组兄弟回填,**不影响发不发检测** + (候选行来自分片自身的 `readChunkRows`),落库匹配也不看它。所以后果是"兄弟行各发一次、多扣几次", + 而不是丢行。 +- 顺着这条链查到的是另一个口子,已在 `10dec56e` 修掉:整批完成标记此前不区分"结果有没有真的写进分片"。 ## 二、需人工决策 @@ -121,10 +146,10 @@ main 代码零调用者)。 该文件被 git 跟踪,含生产库口令与 OSS secret。这与"result_json 存用户 apiKey"是两件事。 处置是**轮换 + 改走 env + 清历史**,三步都需要人执行(轮换会影响所有读这些值的服务,需同窗口发布)。 -## 三、遗留:本地已上线,Gitea 远端还差 6 个提交 +## 三、遗留:本地已上线,Gitea 远端还差 7 个提交 -`git push` 今夜没落库(远端 `master` 仍是 `56913563`,本地 HEAD 为本轮"未落库不判完成"那一笔, -其前依次是 `8536ddb3`、`6a82697a`、`15384358`、`2d33f478`、`eaafd502`)。 +`git push` 今夜没落库(远端 `master` 仍是 `56913563`;本地依次为 +`8536ddb3`、`6a82697a`、`15384358`、`2d33f478`、`eaafd502`、`10dec56e`,加上这份文档的收尾一笔)。 用 `GIT_CURL_VERBOSE` 定位到的真实原因不是网络慢,而是**认证弹窗在等人**: ``` @@ -136,7 +161,7 @@ main 代码零调用者)。 工作站上没有任何可静默使用的凭据(`cmdkey /list` 无 git 条目、无 `~/.netrc`、无 `~/.git-credentials`、 各仓库 `.git/config` 的 remote URL 均无内嵌凭据),所以非交互推送必然挂在那里等一次人工输入。 -三种解法,任选其一即可把这两笔推上去: +三种解法,任选其一即可把这七笔推上去: - 在有界面的终端里手跑一次 `git push origin master`,凭 GCM 弹窗输入; - 先定住 helper、跳过那 90 秒选择弹窗:`git config --global credential.helperselector.selected manager`;