systemd RandomizedDelaySec dělá z matematické časové brány falešně bezpečnou
Prostředí
Sekce “Prostředí”- systemd timer s
OnCalendara nenulovýmRandomizedDelaySec - dlouhoběžící údržbová operace, která drží stejný
flockjako služba spouštěná timerem
Příznak
Sekce “Příznak”Skript před dlouhou operací ověřoval, že do dalšího spuštění timeru zbývá dost času. Brána hlásila
zhruba dvě hodiny volna, ale systemd měl běh naplánovaný za sedm minut. Operace by držela zámek přes
plánovaný běh, ten by narazil na flock -n, skončil nenulovým rc a spadl do failed — včetně alertu.
Problém se projeví pouze tehdy, když nominální hranice už minula a běh čeká na randomizované zpoždění. Většinu času brána odpovídá správně, takže chyba je latentní a testy s pevným časem ji neodhalí.
Příčina
Sekce “Příčina”Brána počítala pouze nominální hranici z OnCalendar:
# ŠPATNĚ: nominální hranice, ignoruje RandomizedDelaySecb=$(( (local_epoch / 7200) * 7200 + 1800 )) # každé 2 h v :30[ $b -gt $local_epoch ] || b=$((b + 7200))left=$((b - local_epoch))Jenže RandomizedDelaySec posouvá skutečný start až o zadaný interval za nominální hranici. Po jejím
minutí matematika přeskočí na hranici následující (o dvě hodiny dál), zatímco systemd stále čeká na
randomizovaný start té právě minulé. Rozdíl byl v konkrétním případě 118 minut proti 7 minutám.
Autoritativní hodnota je NextElapseUSecRealtime z systemctl show.
Řešení
Sekce “Řešení”Brát minimum z matematické hranice a skutečného termínu ze systemd, a to rc-safe:
next_elapse(){ # tiskne epochu příštího běhu; rc 1 = nepoužitelný údaj local ne nee now lines ne=$(systemctl show -p NextElapseUSecRealtime --value "$TIMER" 2>/dev/null) || return 1 lines=$(printf '%s\n' "$ne" | grep -c .); [ "$lines" = 1 ] || return 1 # jen jeden řádek [ -n "$ne" ] || return 1 case "$ne" in n/a|infinity) return 1 ;; esac nee=$(date -d "$ne" +%s 2>/dev/null) || return 1 # převod s kontrolou rc now=$(date +%s); [ "$nee" -gt "$now" ] || return 1 # minulý termín = chyba, ne "0 s" printf '%s' "$nee"}
left_math=$(( boundary - now ))nee=$(next_elapse) || die "NextElapse nečitelný/prázdný/víceřádkový/minulý → STOP"left_sys=$(( nee - now ))LEFT=$(( left_sys < left_math ? left_sys : left_math ))Doplňkové brány, které se vyplatily:
- ověřit, že timer je vůbec
enabledaactive— stav čti se stdout a rc odděleně a přijímej jen explicitní dvojice (enabled/0,linked/1,disabled/1;active/0,inactive/3,failed/3); cokoli jiného je neznámý stav, ne „v pořádku”; - před zahájením operace vyžadovat, aby cílová služba byla
inactivea sdílený zámek volný; - neúspěch kterékoli kontroly = STOP před první mutací a před získáním zámku.
Regrese, které to hlídají
Sekce “Regrese, které to hlídají”- nominální hranice už minula, matematicky zbývá ~118 min, ale
NextElapseje za 7 min → STOP; NextElapse≥ požadovaná rezerva → operace pokračuje;- prázdný i syntakticky vadný
NextElapse→ STOP; - věrohodný stdout, ale
systemctlskončí nenulovým rc → STOP; - timer
disabled/inactivenebo službaactive→ STOP; - důkaz, že se použilo minimum — deadline odpovídá hodnotě ze systemd, ne matematické.
Pro testovatelnost se hodí seam (např. proměnná s epochou), povolený výhradně v izolovaném test-mode adresáři, aby se nedal omylem použít v ostrém běhu.
Poučení
Sekce “Poučení”Výraz v OnCalendar není plán spuštění, jen jeho základ. Jakmile je v jednotce RandomizedDelaySec
(nebo AccuracySec s hrubou granularitou), musí každá časová brána číst skutečný termín ze systemd.
Ruční počkání „až doběhne aktuální běh” chybu neopraví — jen ji obejde do příště.