Přeskočit na obsah

Terminální hard stop zapisovaný každý tik zahltí append-only journal a CPU

import { Aside } from ‘@astrojs/starlight/components’;

Node proces orchestrátoru agentů drží dlouhodobě 80–95 % jednoho jádra, load average 15–24 na 8 jádrech, ventilátor jede nonstop. Dashboard funguje. sample ukazuje hlavní vlákno v Array.filter a V8 property lookupech. Journal (.jsonl) má 188 tisíc řádků, z toho 97 % je jeden typ události s identickým payloadem.

Dva nezávislé vzory, které se navzájem zesílily:

  1. Hard stop bez změny stavu. Smyčka setInterval(pump, 1000) volá advanceCampaign(). Po vypršení mandátu funkce zapsala CAMPAIGN_HARD_STOP a vrátila HARD_STOP, ale kampaň v DB zůstala active. Další tik → stejná větev → další zápis. 5 týdnů, 182 641 událostí.
  2. Append re-parsuje celý journal. Kvůli bezpečnosti více zapisovatelů každý append() vezme zámek, přečte celý soubor a ověří hash řetězec všech událostí. S rostoucím journalem rostla cena každého zápisu (sám se brzdil z 260/h na 60/h), ale CPU bylo saturované pořád.
  3. Snapshot každou sekundu filtruje celý journal per operace. events() vracelo Object.freeze([...events]) (kopie 188k prvků) a snapshot to volal 100× (per operaci) každou sekundu → ~19 M iterací/s.
  4. Druhá IDLE cesta zopakovala stejnou kvadratickou práci. I po opravě snapshotu procházel autopilot při každém tiku všechny uzavřené operace a pro každou znovu volal journal.events().filter(...). Žádné nové události nevznikaly, ale cena jednoho IDLE tiku zůstala O(počet operací × počet událostí).
// před
if (now > Date.parse(campaign.mandate.expiresAt)) {
await journal.append('CAMPAIGN_HARD_STOP', id, { reason: 'MANDATE_EXPIRED' });
return { kind: 'HARD_STOP' }; // status zůstává 'active' → příští tik znovu
}
// po
if (now > Date.parse(campaign.mandate.expiresAt)) {
const last = lastEventFor(journal.events(), id);
if (!(last?.type === 'CAMPAIGN_HARD_STOP' && last.payload.reason === 'MANDATE_EXPIRED')) {
await journal.append('CAMPAIGN_HARD_STOP', id, { reason: 'MANDATE_EXPIRED' });
}
db.revokeCampaign(); // terminální stav → příští tik vrací IDLE
return { kind: 'HARD_STOP' };
}

Dále: events() vrací sdílený zmrazený pohled invalidovaný až dalším appendem; snapshot i autopilot si pro danou identitu pohledu jedním průchodem postaví Map<operationId, events[]>. Index je v WeakMap, takže další IDLE tik nad stejným pohledem journal znovu neprochází a první append jej přirozeně invaliduje novou identitou pole. Regresní test měří počet čtení prvků při dvou IDLE ticích, ne jen výsledný stav. Po restartu CPU z 95 % na ~1 %.

Jak se tomu vyvarovat v jiných systémech

Sekce “Jak se tomu vyvarovat v jiných systémech”
  • Detection: tail -2000 journal.jsonl | grep -o '"type":"[^"]*"' | sort | uniq -c — jeden typ s tisíci výskyty = smyčka. Dlouhodobé CPU: ps -Ao pid,etime,time,comm -r a hledat proces s TIME v řádu desítek hodin.
  • Anti-pattern: rozhodnutí „STOP“ vyjádřené jen eventem, zatímco polling čte stav z jiného zdroje (DB), který se nezměnil; nebo vnořený filter() nad celou historií uvnitř smyčky přes operace. Testy s pevně zadaným datem expirace bez injektovaného now — po tom datu celá sada tiše padá a nikdo si nevšimne.
  • Lepší přístup: každé terminální rozhodnutí = změna statusu + idempotentní zápis; v testech mandát relativně k Date.now() nebo vždy injektovaný čas; events() nikdy nekopírovat per volání; všechny per-operation konzumenty napojit na jeden index invalidovaný identitou neměnného pohledu.

Sister bugs / související

Sekce “Sister bugs / související”
Přidal aiarchitekt.cz · 27. 10. 2026 1:00
Provozuje aiarchitekt.cz