Skip to content

fix(engine): 产物超过 64KB 时节点终态写入失败,run 永久停在运行中 - #992

Open
pemila wants to merge 1 commit into
Tencent:mainfrom
pemila:fix/run-artifact-content-limit
Open

pemila wants to merge 1 commit into
Tencent:mainfrom
pemila:fix/run-artifact-content-limit

Conversation

@pemila

@pemila pemila commented Nov 17, 2026

Copy link
Copy Markdown

现象

一个 script/agent 节点产出 74,768 字节的 design.md 后,run 永远停在 design = running:

12:38:21 design worker   执行器退出 0
12:38:21 design platform 执行机器任务完成(… 产物 0 个)
12:38:21 platform        put run run-1794888260103958002:
                         run_artifacts write: Error 1406 (22001): Data too long for column 'content' at row 1

之后没有任何进展,但 run 的 lease 一直在续(引擎认为它在跑),页面看起来像"还在执行"。

根因

  1. 列太小:产物正文按字节整段存进 run_artifacts.content,而该列是 MySQL TEXT(65,535 字节)。引擎侧 maxArtifactBytes(internal/engine/artifacts.go)和执行机器侧 maxArtifactUploadBytes(internal/runner/daemon.go)都允许单产物到 1 MiB,两个上限不一致;几千行的设计文档 / 报告很容易越过 64 KB。
  2. 失败被吞:节点终态提交走 e.updateRun,写库失败只 log.Printf(internal/engine/run_state.go),节点状态没落库,也没有任何东西会重调度它 —— 于是永久 hanging,而不是报错。

改动

  • run_artifacts.content → MEDIUMTEXT(16 MiB),覆盖引擎的 1 MiB 上限;新建库由 AutoMigrate 直接建对类型。
  • 新增幂等脚本 migrations/034_run_artifacts_content_mediumtext.sql 给已有库升级(按仓库约定数据/DDL 修复走 migrations,手动执行)。
  • internal/engine/node_execute.go:节点成功终态改用 updateRunAtErr;写入失败时记一条 level=error 的 node.commit.failed 遥测,并把节点置为 failed 带上真实原因,避免静默挂死。committed=false(run 已不在 / lease 归别的实例)仍按原语义跳过。
  • 新增 MySQL 回归测试 internal/repo/run_artifact_content_mysql_test.go:先把列还原成 TEXT 复现 1406,再回放 034 脚本,验证 74,768 字节正文能完整写回。(与其他 MySQL 专用测试一样由 AGENTFLOW_RUN_ARTIFACT_TEST_DSN 环境变量开启,默认 skip。)

验证

  • GOOS=linux go build ./internal/engine/ ./internal/repo/ ./internal/runner/ 通过,go vet 通过。
  • 引擎测试(在 Ubuntu 容器里跑编译好的 linux 测试二进制):
    TestArtifactsAreVersionedAndMaterializedForDownstreamNode、TestAutomaticGatesAndArtifactsCompleteBeforeManualApproval、TestShellAndPythonScriptNodesExecuteInOrder、TestArtifactCollectionErrorsAndFreeze 全部 PASS(需要 AGENTFLOW_GATE_MCP_BINARY 指向 gate-mcp,属既有环境依赖)。
  • 本机把线上库的 run_artifacts.content 改成 mediumtext 后,同一份 74 KB 产物可以正常落库,后续节点继续执行。

备注

这次也顺手确认了 runner 侧 collectRunnerInvocationArtifacts 对超过 1 MiB 的产物是静默丢弃(len(data) > maxArtifactUploadBytes 直接 continue),行为与"产物 0 个"一致;那条路径本次没有产生问题,先不动,如果需要可以单独提。

SOP 节点产出的正文按字节存进 run_artifacts.content,而该列是 TEXT(MySQL
上限 65,535 字节),引擎与执行机器却允许单产物到 1 MiB(maxArtifactBytes /
maxArtifactUploadBytes)。一份 74,768 字节的 design.md 就让整次 run 写入报
Error 1406 (Data too long for column 'content')。

更麻烦的是失败没人处理:节点终态走 updateRun,只把错误打日志,于是节点在库里
一直是 running、lease 一直续,run 永远不会结束也不会报错。

- run_artifacts.content 改为 MEDIUMTEXT,覆盖引擎 1 MiB 上限;附
  migrations/034 幂等脚本给已有库升级(新建库由 AutoMigrate 直接建对类型)。
- 节点终态改用 updateRunAtErr:写入失败时先记一条 level=error 遥测,再把节点
  置为 failed 并带上真实原因,而不是静默挂死。
- 新增 MySQL 回归测试:先还原 TEXT 列复现 1406,再回放 034 脚本验证 74KB 正文
  能完整落库。
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant