Centrální oprava přepsána dávkou, která běžela po ní
import { Aside } from ‘@astrojs/starlight/components’;
Symptom
Sekce “Symptom”Orchestrátor opravil terminologickou vadu v pěti záznamech. Skript u každého ověřil read-backem, že se text zapsal znak po znaku, a vypsal OK. O několik desítek minut později našla závěrečná kontrola vadu zpátky — ve třech z pěti záznamů.
Root cause
Sekce “Root cause”Klasický lost update mezi dvěma zapisovateli, kteří si nevědí o sobě:
t0 orchestrátor: přečte záznam, vyrobí opravený textt1 orchestrátor: PATCH → read-back OK ✓t2 agent (běží od t-30): PATCH týmž záznamům svým textem, který vznikl ze snímku pořízeného v t-30t3 orchestrátorova oprava je přepsanáAgent nic neporušil — pushoval výsledek vlastní práce. Chyba je v plánování: centrální oprava se pustila do záznamů, na kterých ještě běžela dávka.
Dvě věci, které to maskovaly:
- Assert na read-back dává falešný pocit hotovosti. Ověří konzistenci v okamžiku zápisu, ne trvalost.
- Dump byl starší než oba zápisy, takže kontrola nad dumpem vadu nejdřív „nenašla” u tří záznamů a „našla” u dvou — nekonzistentní obrázek, který vedl k hledání neexistující příčiny v zapisovacím skriptu.
Fix
Sekce “Fix”- Registr rozsahů. Orchestrátor si vede, které záznamy má která běžící dávka přidělené, a centrální opravu na ně nepustí. V incidentu to šlo spočítat strojově:
zbyva = {id pro běžící dávky}bezpecne_davky = [d for d in davky if not (d.ids & zbyva)]-
Když to nejde odložit, opakuj po dokončení. Finální mechanická kontrola nad čerstvým dumpem se spustí až po dojetí všech dávek a opravu zapíše znovu. To je jediná verze, která drží.
-
Agent musí hlásit cizí drift, ne ho vracet. Dávky dostaly pokyn: snímek kontrolního jazyka před zápisem, diff po zápisu; změnu, kterou nezpůsobily, nahlásit a nepřepisovat. Jedna dávka takhle korektně oznámila 19 cizích změn a sama ověřila, že s jejím rozsahem nemají průnik.
Jak to poznat dřív
Sekce “Jak to poznat dřív”Nekonzistentní výsledek kontroly (vada „se vrátila” jen u části záznamů) je typický příznak souběhu, ne chyby v opravě. Před hledáním bugu ve skriptu si ověř, kdo ještě do těch záznamů v mezidobí psal.