docs(N34)+test: E13 僵尸会话根因坐实;Phase 11 判据修正+一次性报告

E13(实验方案.md 新增 + E8/E11/E12 口径修正):
- 风暴态根因=僵尸会话,非芯片残渣:PC 网卡禁用/链路断开时
  Windows 直接丢弃 socket 不发 FIN/RST → 芯片侧 ESTABLISHED 僵尸
  → 单连接监听被占(:21 拒连)→ 下一 PASV 重监听与僵尸竞态
  (accept 为垂死僵尸开枪 20ms 后 DISCONNECT)→ lftpd 5s 窗空转
  → 425;每失败轮再生僵尸 → 自续数分钟
- "残渣跨烧录存活/需断电冷启动"口径作废:板上 CH395F RSTI 接
  MCU NRST(V0.0 网表 :174),每次烧录即芯片硬件复位;"存活"是
  锤击再生错觉。正确控制=下一臂前静置 ≥90s 清僵尸窗
- 自愈链端到端验证:TIMEOUT(在途 TX ≈30s)/keepalive(空闲 60/5/3)
  → pump → relisten → 端口恢复;E11 产品路径验证 17s 判死 PASS
- 4 元组复用假设被否(pasv_probe.py:PASV 端口递增、PC 源端口随机)
- e02_probe listener=FAIL 重解读:探针挂起 socket 未关(PC 内核
  代 ACK keepalive)→ 拒连是单连接正确行为;真缺口=应用无法主动
  拆会话 → 阶段 2 sock_reset 职责

Phase 11 测试修复(net_test_task.c,实跑暴露):
- 判据 >=60000ms 是按手册公式写的,实测判死 18~31s 会在正确固件
  上假 FAIL → 改有界窗 10s~120s(下限防误杀存活空闲会话,上限
  防判死缺位)
- 报告后不释放 phase_active → 对已死连接 10ms 节奏刷 594 条假
  FAIL → phase11_run 返回完成态,主循环释放等新连接再测
- 复跑两轮验证:30137ms 单次 PASS → 自动等新连接 → 二轮 accept 正常
- Test_Guide TC-NET-1101 判据/耗时同步;ch395f_test.h Phase 14
  共存安全性注释(有整体超时不永久挡 accept)

工具:test/host/pasv_probe.py(每轮打印 PASV 端口+PC 源端口+结果)
This commit is contained in:
2026-10-13 11:23:40 +08:00
parent d346e4ee84
commit 33405a57b5
5 changed files with 228 additions and 19 deletions
+3 -3
View File
@@ -1081,7 +1081,7 @@ IDLE → ACCEPT → [SEND: 分块发 → DONE] / [RECV: 分块收+校验 → DON
| 阶段 ID | TM-PHY-11 |
|---------|-----------|
| **类型** | PC 配合,netTask 运行 |
| **耗时** | ~65–80 秒(60s idle + 探测窗;芯片定时语义以实测为准,见 E11) |
| **耗时** | ~1.5–2 分钟(连接+网卡禁用后实测判死 18~31s,加恢复重连;芯片定时语义以实测为准,见 E11/E13) |
| **入口** | `ENABLE_PHASE11_TESTS`(2026-10-13 起默认开启;服务器侧开关由 net 层在 CONNECT 后自动置位,`docs/芯片手册/CH395F.md` §5.56) |
| **配置** | KeepAlive 空闲 60s,探测间隔 5s,3 次(`net_config.h`) |
@@ -1094,8 +1094,8 @@ IDLE → ACCEPT → [SEND: 分块发 → DONE] / [RECV: 分块收+校验 → DON
| **类型** | 功能测试 |
| **标题** | TCP 连接空闲超过 KeepAlive 阈值后自动断开 |
| **前置条件** | 1. `NET_KEEPALIVE_IDLE_MS=60000` / `INTVL=5000` / `CNT=3`(`net_config.h`)<br>2. 对端须为**死对端**:PC 连接 8080 后**禁用网卡**制造"链路在、对端静默"(存活对端会 ACK 探测 → 永不 TIMEOUT;Windows 防火墙规则对已建立连接无效,E11 实证)<br>3. 勿与 Phase 6/9/10/13 混选(recv 互抢数据) |
| **测试步骤** | 1. PC 连接 8080,不发数据<br>2. 立即禁用 PC 网卡(中间有交换机 → 设备侧 PHY 链路保持)<br>3. 等待芯片报 TIM_OUT(从连接起 ≥60s;实测对端失联后判死 ≈30s)<br>4. 本层 QUARANTINE → pump 重建 → s0 回 LISTEN<br>5. 恢复网卡,重连 8080 验证端口已恢复 |
| **通过标准** | recv 返回 0 且耗时 ≥ 60s;s0 回 LISTEN 且可接受新连接 |
| **测试步骤** | 1. PC 连接 8080,不发数据<br>2. 立即禁用 PC 网卡(中间有交换机 → 设备侧 PHY 链路保持)<br>3. 等待芯片报 TIM_OUT(实测判死窗:连接起 **18~31s**,芯片定时语义与手册公式 75s 不符,见实验方案 E11/E13)<br>4. 本层 QUARANTINE → pump 重建 → s0 回 LISTEN<br>5. 恢复网卡,重连 8080 验证端口已恢复 |
| **通过标准** | recv 返回 0 且耗时落在 **10s~120s 有界窗**(下限防"存活空闲会话被误杀"——T2 实测存活对端静默 90s 不触发;上限防"判死缺位");s0 回 LISTEN 且可接受新连接。报告后测试自动释放 socket 等新连接再测(一次性,防对已死连接 10ms 节奏刷假 FAIL) |
---
+75 -6
View File
@@ -436,8 +436,12 @@ CNT 次无 ACK"后产生 SINT_STAT_TIM_OUT / DISCONNECT。怀疑本仓没有利
- **已采纳转正(2026-10-13,用户批准)**:在 `handle_connect_event` 的 LISTENING
分支加回一行 `ch395f_set_keepalive_enable(sock, 1)`(手册规定位置),并重新打开
Phase 11 测试纳入回归;参数是否调优(如缩短 IDLE)由实测判死窗口需求决定。
- ⚠ 台架副作用:本轮反复实验后设备落入 E8 残渣风暴态(详见 E12),需**冷启动
(断电重上电)**恢复,MCU 复位/RESET_ALL 不足以清除。
- ⚠ 台架副作用:本轮反复实验后设备落入当时称为"残渣风暴"的状态(详见 E12)。
**该状态已由 E13 重新定性为僵尸会话,30~90s 自动清除,无需冷启动。**
- **产品路径验证(2026-10-13 10:32,转正提交后产品固件)**::7003 连接 →
禁用 PC 网卡 51s → `[ERR] sock3 TIMEOUT`(**禁用后 17s**)→ QUARANTINE →
pump → `auto-relisten ok` → 网卡恢复后新连接 PASS(KEEPLIVE 回显正常)
→ 转正的一行在**产品固件**上闭环生效 ✓
### E12 结果(2026-10-13 07:18–08:05,SPI 缓存区 TSL 时序 A/B,临时实验固件)
@@ -481,6 +485,10 @@ memcpy;**吞吐无回退**(A 40×128KB 51.8s vs B 47.9s)。
TIMEOUT → 即 E8 记录的**残渣风暴态**,且**跨烧录存活**(重烧 + @test PASS 后依旧)
→ 与 E8"普通复位后仍 12%"一致。A 39/50 与 B 47/50 **两臂都出现**灾难轮
→ 该差异**不能归因于 TSL**,E12 的连接级对比**被此状态噪声吞没,无结论**。
> ⚠ **"跨烧录存活"口径已被 E13(2026-10-13 10:55)推翻**:板上 CH395F 的
> RSTI 脚接 MCU NRST(`docs/硬件平台/V0.0_网表详细分析报告.md` :174
> "RSTI←NRST")→ 每次 ST-LINK 烧录/复位都会**硬件复位芯片**;该状态实为
> **僵尸会话**(E13),锤击几分钟内即再生,"跨烧录存活"是再生造成的错觉。
**结论(诚实口径)**:
@@ -489,7 +497,68 @@ TIMEOUT → 即 E8 记录的**残渣风暴态**,且**跨烧录存活**(重
2. 依 Trap 25 铁律「不留未证明的复杂度」:**当前不建议改产品路径**,而是
**登记该偏离 + 本轮证据**;B 变体作为**待用补丁**保留(若将来出现芯片批次
差异、提高 SCK、或不明数据错位,可直接采用——它已证明无吞吐/正确性回退)。
3. **方法学教训(后续 SPI 时序实验必读)**:本台架的**芯片残渣风暴态**必须在
实验前后受控(冷启动断电重上电,或专用的"残渣清理协议");**MCU 覆写烧录
(复位 + RESET_ALL)不足以清除**——实测同一镜像在重烧后仍可 0/50..47/50 摆动,
跨臂污染使 A/B 失效。E8 起就存在的这条口径,本轮再次被独立复现。
3. **方法学教训(E13 修正版,后续时序/连接类实验必读)**:本台架的**僵尸会话
态**(曾称"芯片残渣风暴")必须在实验前后受控:由"对端静默死亡"(网卡禁用/
拔线/PC 崩溃)触发,芯片 TIMEOUT(有在途 TX ≈30s)/ keepalive(纯空闲
≈75-90s)自动清除;锤击会在几分钟内再生僵尸 → 同一镜像重烧后仍可
0/50..47/50 摆动、跨臂污染使 A/B 失效。**正确控制 = 下一臂开跑前静置
≥90s 让僵尸清窗**,不是断电冷启动(RSTI←NRST,烧录本身就是芯片硬件复位)。
### E13 结果(2026-10-13 10:24–10:59,风暴态根因=僵尸会话:确定性复现,产品固件+网卡抖动注入)
**假设**:E8/E12 记录的"残渣风暴态"不是跨烧录存活的芯片内部残渣,而是
**僵尸会话**(对端静默死亡 → 芯片侧 ESTABLISHED 未清)+ 单连接监听被僵尸占用 +
PASV 重监听被垂死僵尸 accept 的竞态——且可由网卡抖动**确定性复现**。
**推翻"跨烧录存活"的硬件事实**:板上 CH395F 的 **RSTI 脚接 MCU NRST**
(`docs/硬件平台/V0.0_网表详细分析报告.md` :174 "RSTI←NRST";手册
`docs/芯片手册/CH395F.md` :935 亦载"通过 RSTI 引脚拉低控制复位")
→ 每次 ST-LINK 烧录/复位(`-Rst -Run`)都会**硬件复位芯片**。
"风暴态跨烧录存活"与接线事实矛盾——存活的不是芯片内部状态。
**排除 4 元组复用假设**(`test/host/pasv_probe.py`,本轮新增):5 轮干净 STOR
打印每轮 PASV 端口 + PC 源端口 → PASV 端口**递增**(49157→49161)、PC 源端口
随机变化 → "芯片复用 PASV 端口 + TIME_WAIT 4 元组冲突"假设**被否**。
**确定性复现(100%,产品固件,零插桩)**:
`ftp_integrity_test.py --rounds 40 --size 131072` 正常跑到第 21 轮(前 20 轮
全 OK)→ **禁用 PC 网卡 8s**(10:55:01,打断传输中会话)→ 恢复网卡 →
`n30_repro.py` 首连 :21 **ConnectionRefused**。
**因果链全程(串口日志)**:
| 时刻 | 事件 | 解读 |
|---|---|---|
| 10:55:01 | 网卡禁用:PC 内核直接丢弃全部 socket,**不发任何 FIN/RST** | 芯片毫不知情 → sock2/sock4 成 **ESTABLISHED 僵尸**;设备侧 30s 内零网络事件 |
| 10:55:30 | `[ERR][NET] sock2 TIMEOUT` | 芯片**重传耗尽**(设备有未 ACK 的在途 TX)→ 僵尸清除,**+30s** |
| 10:55:31 | `sock2 pump: chip not listening (0x05/0x00) -> relisten` → `auto-relisten ok` | 本层 pump 接住 → 监听复活 |
| 10:55:43 | 新连接 accept → PASV → `sock4 standalone accept` → **20ms** 后 `suspect DISCONNECT on live conn (chip 0x05/0x00), defer to reconcile` | **PASV 竞态**:sock4 的僵尸(被打断轮遗留)未清,新监听器的 accept 为垂死僵尸开枪 → lftpd 5s accept 窗空转 → 425 |
| ~10:58 | n30 ×3 全 OK | sock4 僵尸被 TIMEOUT/reconcile 清除 → 自愈完成 |
**结论**:
1. **风暴态根因 = 僵尸会话**,不是芯片残渣:对端静默死亡(网卡禁用/拔线/PC
崩溃/进程被杀)是注入源;上午 E11 反复网卡抖动 + E12 460 轮锤击
= 完美风暴生成器。失败率随时间摆动(E8 的 2%~54%)= 僵尸生成/清除的节奏。
2. **"跨烧录存活"是错觉**:重烧后芯片干净,但锤击几分钟内再生半死会话。
E8/E12 的"需断电冷启动"口径作废(见上方修正标记)。
3. **现有自愈链端到端有效**(② keepalive 转正 + pump + 对账① 的合力,
本轮首次在同一场景全链验证):
- 有在途 TX 的僵尸:芯片 TIMEOUT(重传耗尽)≈30s;
- 纯空闲僵尸:keepalive 60/5/3(E11 T5 实测 30s、产品验证 17s);
- 本层 pump/对账接住事件 → relisten → 端口恢复。
4. **剩余缺口(阶段 2 收口)**:PASV 重监听**不预清**数据 Socket——僵尸未清
就在同一 Socket 上开新监听 → accept 为垂死僵尸开枪 → 5s 窗。阶段 2
`sock_reset`(open 前 close+等 CLOSED)直接消除该竞态。
5. **e02_probe listener=FAIL 重解读**(非阶段 1.5 回归):探针的挂起客户端
socket 在 PC 侧仍打开(脚本在第二次连接尝试之后才 close),PC **内核**会对
芯片 keepalive 探测自动 ACK → 僵尸会话"活着" → 单连接监听被占、拒新连接是
**正确行为**;探针预期("预算耗尽 → 设备拆连接")与阶段 1-5"EOF 不 close"
设计冲突。真实缺口 = **应用层无法主动拆掉自己放弃的会话** → 也是阶段 2
`sock_reset` 的职责(应用侧形态)。
6. 顺带登记(显示层,低):`[FTP] connection received from 100.1.168.192:21`
——对端地址显示为设备自身 IP 的字节序反转 + 端口 21,疑似 lftpd 日志把
local 地址当 peer 地址打印(不影响功能,未立项)。
**工具与留痕**:`test/host/pasv_probe.py`(新增);pktmon 抓包留存
`%TEMP%\n30_cap.etl`(3.9MB,含网卡抖动窗口,设备 IP 过滤)。
+3 -1
View File
@@ -69,7 +69,9 @@ extern "C" {
//#define ENABLE_PHASE12_TESTS /* [硬] SPI 字节命令 / DMA 时延基线(L1/L2,无需 PC)—— M1 已完成,基线见说明文档 §6.1 */
/* ---- 链路时延(M2/M3;分段/阈值见 docs/测试说明/链路延迟测试说明.md)---- */
//#define ENABLE_PHASE13_TESTS /* [网] 芯片 + 队列时延(L3~L7/L10,需 PC peer)—— M2 已完成,基线见说明文档 §6.2 */
#define ENABLE_PHASE14_TESTS /* [网] 生产路径时延(L8~L11 + 模拟器 Δ)—— M3,需 peer --mode remo(:7003) */
#define ENABLE_PHASE14_TESTS /* [网] 生产路径时延(L8~L11 + 模拟器 Δ)—— M3,需 peer --mode remo(:7003);
* 与 Phase 11 共存安全:peer 缺席时有 LAT_P14_TIMEOUT_MS 整体超时
* 自动 done,不永久挡 accept */
#if defined(ENABLE_PHASE1_TESTS) || defined(ENABLE_PHASE2_TESTS) || \
defined(ENABLE_PHASE3_TESTS) || defined(ENABLE_PHASE4_TESTS) || \
+24 -9
View File
@@ -801,9 +801,9 @@ static void phase10_run(int32_t sockfd) {
* 入口条件:Socket 处于 ESTABLISHED 且对端为**死对端**——PC 连 8080 后
* 禁用网卡(存活对端会 ACK 探测、TIMEOUT 永不触发,本测试将
* 一直等待;防火墙规则对已建立连接无效,E11 实证)。
* 通过:从连接建立到 recv 返回 0 的间隔 ≥ 60s(IDLE 阈值)。
* 注:芯片定时语义与手册公式(75s)不完全一致,实测判死窗口见
* 实验方案 E11(对端失联后 ≈30s)。
* 通过:从连接建立到 recv 返回 0 的间隔落在 10s~120s 有界窗
* (芯片定时语义与手册公式 75s 不符,实测判死 18~31s——
* 见实验方案 E11 与 phase11_run 内判据注释)。
* =================================================================== */
#ifdef ENABLE_PHASE11_TESTS
@@ -811,27 +811,40 @@ static int32_t s_phase11_armed = 0;
static uint32_t s_phase11_start = 0;
static uint8_t s_phase11_buf[64]; /* 专用小缓冲:不占 32KB s_rx_buf(RAM 余量) */
static void phase11_run(int32_t sockfd) {
/* 返回值:0 = 测试进行中;1 = 已报告完成(主循环据此释放 phase_active,
* 等待**新连接**再测。勿删本机制——报告后连接已死,recv 恒返 0,
* 继续 arm 会以 10ms 节奏刷出数百条假 FAIL(2026-10-13 实跑实证) */
static int phase11_run(int32_t sockfd) {
/*
* 第一次调用:记录开始时间并 arm。
* 后续调用:非阻塞 recv,若返回 0 表示连接已断开(KeepAlive 触发)。
* 计算耗时与 60s idle 阈值比较。
* 计算耗时与有界窗判据比较。
*/
if (!s_phase11_armed) {
s_phase11_armed = 1;
s_phase11_start = HAL_GetTick();
DBG_INFO("Phase11: idle wait for KeepAlive timeout (60s)");
return;
return 0;
}
int32_t n = net_recv(sockfd, s_phase11_buf, 64, NET_MSG_DONTWAIT);
if (n == 0) {
uint32_t elapsed = HAL_GetTick() - s_phase11_start;
TEST_CHECK(elapsed >= 60000,
"Phase11: KeepAlive triggered after %lums (expect >=60000ms)", elapsed);
/* 判据(E11 实测修正版):芯片定时语义与手册公式(75s)不符——
* 生产参数实测判死窗口 18~31s(产品验证 连接+30.5s、E11 T5
* 对端失联+30s、T4 短参数 连接+~10s)。本 socket 无在途 TX、
* 对端静默且已失联 → 唯一开枪源是 keepalive,故判据为
* **有界窗**:>=10s(存活空闲会话 T2 实测 90s 不被杀,10s 下限
* 区分"误杀"与"keepalive 判死")且 <=120s(判死必须发生)。
* 勿改回 >=60000——那是对着手册公式写的,会在正确固件上假 FAIL */
TEST_CHECK(elapsed >= 10000U && elapsed <= 120000U,
"Phase11: KeepAlive triggered after %lums (expect 10000..120000ms)",
elapsed);
TEST_REPORT("Phase 11");
s_phase11_armed = 0;
return 1;
}
return 0;
}
#endif
@@ -920,7 +933,9 @@ void net_layer_test_main(void)
phase10_run(sockfd);
#endif
#ifdef ENABLE_PHASE11_TESTS
phase11_run(sockfd);
if (phase11_run(sockfd)) {
phase_active = 0; /* 已报告:释放主循环去 accept 新连接(net 层已 auto_relisten) */
}
#endif
#ifdef ENABLE_PHASE13_TESTS
/* Phase 13(链路时延 L3~L7/L10,M2):独立运行,勿与其他 Phase 混选;
+123
View File
@@ -0,0 +1,123 @@
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
pasv_probe.py — decisive probe for the "storm" signature (N34).
Per FTP round prints: device PASV port, PC data-socket SOURCE port, round
result, and timing. Hypothesis under test: the CH395F reuses the same
ephemeral PASV port for the next data listener while the previous data
connection is still in chip-side TIME_WAIT with the same 4-tuple
(PC source port reused too) -> chip reports CONNECT then RSTs ~10ms later
(serial: "sock4 standalone accept" + "DISCONNECTED chip st=0x00/0x00").
Usage:
python pasv_probe.py --rounds 5 --delay 2 # reproduce (fast rounds)
python pasv_probe.py --rounds 3 --delay 35 # TIME_WAIT window test
"""
import argparse
import re
import socket
import sys
import time
IP_DEFAULT = "192.168.1.100"
def ftp_stor_round(ip, user, pwd, fname, payload):
"""One login -> PASV -> STOR -> verify transfer. Returns (ok, pasv_port,
pc_src_port, detail)."""
c = socket.create_connection((ip, 21), timeout=10)
c.settimeout(10)
pc_src = None
pasv_port = None
try:
def readline():
buf = b""
while not buf.endswith(b"\n"):
ch = c.recv(1)
if not ch:
break
buf += ch
return buf.decode(errors="replace").strip()
def cmd(line):
c.sendall((line + "\r\n").encode())
return readline()
greet = readline()
if not greet.startswith("220"):
return False, None, None, "no greeting: " + greet
r = cmd("USER " + user)
if not r.startswith("331"):
return False, None, None, "USER: " + r
r = cmd("PASS " + pwd)
if not r.startswith("230"):
return False, None, None, "PASS: " + r
r = cmd("PASV")
m = re.search(r"\((\d+),(\d+),(\d+),(\d+),(\d+),(\d+)\)", r)
if not r.startswith("227") or not m:
return False, None, None, "PASV: " + r
g = [int(x) for x in m.groups()]
pasv_port = g[4] * 256 + g[5]
d = socket.create_connection((ip, pasv_port), timeout=8)
pc_src = d.getsockname()[1]
r = cmd("STOR " + fname)
if not r.startswith(("125", "150")):
d.close()
return False, pasv_port, pc_src, "STOR: " + r
d.sendall(payload)
d.close()
# drain until final 2xx (multi-line or single)
final = ""
t0 = time.time()
while time.time() - t0 < 10:
r = readline()
if not r:
break
final = r
if r[:1] in ("2", "4", "5"):
break
ok = final.startswith("2")
cmd("QUIT")
return ok, pasv_port, pc_src, ("OK" if ok else "final: " + final)
finally:
c.close()
def main():
ap = argparse.ArgumentParser()
ap.add_argument("--ip", default=IP_DEFAULT)
ap.add_argument("--rounds", type=int, default=5)
ap.add_argument("--delay", type=float, default=2.0,
help="seconds between rounds")
ap.add_argument("--user", default="admin")
ap.add_argument("--pwd", default="admin")
ap.add_argument("--size", type=int, default=1024)
args = ap.parse_args()
payload = bytes((i * 7 + 3) & 0xFF for i in range(args.size))
ports, srcs, oks = [], [], []
for i in range(args.rounds):
t = time.strftime("%H:%M:%S")
ok, port, src, detail = ftp_stor_round(args.ip, args.user, args.pwd,
"PP%d.BIN" % i, payload)
ports.append(port)
srcs.append(src)
oks.append(ok)
print("[%s] round %d: ok=%-5s pasv_port=%-6s pc_src=%-6s %s"
% (t, i + 1, ok, port, src, detail))
if i + 1 < args.rounds:
time.sleep(args.delay)
print("\nports :", ports)
print("pc_src:", srcs)
print("ok :", oks)
same_port = len(set(p for p in ports if p)) == 1
same_src = len(set(s for s in srcs if s)) == 1
print("PASV port constant: %s | PC source port constant: %s"
% (same_port, same_src))
return 0 if all(oks) else 1
if __name__ == "__main__":
sys.exit(main())