进程暂停、恢复与故障恢复

Rnix 通过一等暂停/恢复原语和"Dead 即冻结"的恢复哲学重新定义了进程生命周期。进程可以在执行中途被挂起、跨 daemon 重启持久化、以及从磁盘恢复——包括历史（Dead/Zombie）进程。

设计哲学

传统 Unix 将"死亡"视为终态——进程一旦退出就不复存在。Rnix 将 Dead 视为冻结状态：进程数据持久化存储在磁盘上，直到垃圾回收清理为止。任何 Dead、Zombie 或 Suspended 状态的进程都可以通过 rnix resume 复活。

这一设计解决了一个反复出现的痛点：daemon 崩溃、手动 kill 或自然完成都会在磁盘上留下完整的观测轨迹（步骤、事件、上下文画像、检查点数据），但却无法继续运行。

核心原则：恢复不是状态转移——它是"基于历史构建一个新进程"。状态机（Created → Running → Zombie → Dead）保持不变。恢复操作会衍生出一个以先前执行数据为种子的新进程。

进程状态

状态	含义	可恢复？	是否持久化？
Created	已分配，尚未启动	—	否
Running	推理循环执行中	—	存活于 procTable
Suspended	SIGPAUSE 生效，循环阻塞	`rnix resume`	`.rnix/data/steps/<uuid>/`
Zombie	推理结束，等待 reaper	`rnix resume`	`.rnix/data/steps/<uuid>/`
Dead	已回收，从 procTable 移除	`rnix resume`	`.rnix/data/steps/<uuid>/`

SIGPAUSE / SIGRESUME

用于进程暂停和恢复的信号：

bash

# 挂起运行中的进程
rnix suspend <pid>            # 单进程（SIGPAUSE）

# 恢复已挂起或历史进程
rnix resume <pid|uuid>        # 从持久化状态恢复
rnix resume --fork <pid|uuid> # 新 UUID，链接到原进程

子树挂起

没有顶层 rnix pause --subtree CLI 命令。挂起整个进程子树仅在 Dashboard 内可用（由其通过 IPC 驱动）。顶层 CLI 只暴露单进程的 rnix suspend <pid>。

暂停时，推理循环在下一个 I/O 边界处阻塞——进程保持 Running 状态且 IsPaused = true。耗时计时器冻结。心跳监控跳过已暂停的进程（它们有意停止发送心跳）。

子树操作

SubtreeManager 提供跨进程树的统一挂起/恢复。该能力仅通过 Dashboard 暴露（由其通过 IPC 驱动）——没有对应的顶层 CLI 标志：

PID 1 orchestrator (Running)
├── PID 2 coder (Running)
├── PID 3 reviewer (Running)
└── PID 4 researcher (Suspended)

# （Dashboard 对 PID 1 执行子树挂起）
# 挂起 PID 1、2、3。PID 4 已经处于挂起状态。
# 树状态：所有成员已挂起，祖先节点知晓挂起原因。

恢复向上传播：恢复一个后代进程会唤醒其祖先链，以便 orchestrator 可以继续管理其子树。

恢复模式

模式	命令	UUID	使用场景
接续	`rnix resume <pid\|uuid>`	保持不变	daemon 崩溃后的恢复
分叉	`rnix resume --fork <pid\|uuid>`	新 UUID + `origin_uuid`	Git 式探索
截断分叉	`rnix resume --fork --from-step N <pid\|uuid>`	新 UUID	从历史中途重试
Compose 节点	`rnix compose resume --node <name>`	复用上述模式	DAG 节点恢复

接续模式

保留原始 UUID。最适合透明恢复场景：

bash

# Daemon 在第 12/20 步时崩溃
$ rnix daemon status
# ... daemon 已重启 ...

$ rnix resume abc123-def456
[kernel] 正在从检查点恢复 UUID abc123（第 10/20 步）...
[kernel] PID 5 已启动 (deepseek/deepseek-v4-flash) | 从 abc123 恢复

对于 Suspended 进程：使用 checkpoint.json 进行完整上下文恢复（最快路径）。
对于 Dead/Zombie 进程：回放 steps.jsonl 历史。无检查点时会退回到此方式。

分叉模式

创建新 UUID，并通过 origin_uuid 链接回原进程。原始进程数据永远不被修改：

bash

$ rnix resume --fork abc123-def456
[kernel] 正在从 abc123 分叉 → 新 UUID xyz789...
[kernel] PID 6 已启动 (deepseek/deepseek-v4-flash) | 从 abc123 分叉

Dashboard 显示其谱系：xyz789（forked from abc123）。

截断分叉

跳转到特定步骤，适用于修正执行中途的错误：

bash

$ rnix resume --fork --from-step 5 abc123
# 回放历史至第 5 步，然后从第 6 步开始推理

注意：--from-step 需要历史路径。与检查点存在冲突时——ErrInvalid 如果两者同时适用。

检查点系统

周期性最大努力检查点防止长时间运行的任务从零重启：

频率：每 5 个推理步骤或每 30 秒（以先到者为准）
格式：.rnix/data/steps/<uuid>/ 目录下的 checkpoint.json
内容：完整上下文快照、工具状态、进度标记
失败语义：检查点写入失败不会阻塞推理循环

.rnix/data/steps/<uuid>/
├── steps.jsonl          # 推理步骤（LLM 请求/响应）
├── events.jsonl         # Syscall 事件（实时 EventWriter）
├── ctx-profile.json     # 上下文热力图快照（reap 时保存）
├── process-meta.json    # 系统提示词 + 工具定义
├── proc-info.json       # 进程元数据快照
└── checkpoint.json      # 周期性检查点（每 5 步 / 30 秒）

Daemon 重启持久化

已暂停的进程及其数据在 daemon 重启后仍然存在：

关闭时：已暂停进程通过 LoadSuspendedFromDisk 序列化到磁盘
启动时：daemon 扫描 .rnix/data/steps/ 并还原已暂停进程
PID 种子值：PID 计数器从磁盘种子值开始（max(已有 PID)），防止 PID 复用
占位运行时状态：已暂停进程获得一个还原后的占位对象，在显式恢复前持有状态

bash

# 重启前
$ rnix ps
PID  STATE       AGENT
1    Running     orchestrator
2    Suspended   coder

# Daemon 重启后
$ rnix ps
PID  STATE       AGENT
3    Suspended   coder          # 从磁盘还原，PID 重新种子化

$ rnix resume <pid|uuid>
# 从检查点恢复，继承还原后的 PID

垃圾回收

长期存留的数据需要清理。在 ~/.config/rnix/config.yaml 中配置：

yaml

gc:
  retention_days: 30      # 示例值，非默认值。删除超过 N 天的条目
  max_entries: 500        # 示例值，非默认值。最多保留 N 条历史记录
  interval_seconds: 3600  # 后台扫描间隔（最小 60，默认 1 小时）

默认值

retention_days 和 max_entries 均默认为 0（GC 关闭）——见 kernel/gc_config.go。上面的 30 / 500 仅为示例，必须显式设置才能启用垃圾回收。

GC 规则

retention_days 和 max_entries 组合生效——满足任一条件即触发清理
将两者都设为 0 可完全禁用 GC daemon
Running 和 Suspended 进程永久豁免
损坏的 proc-info.json 或缺失 dead_at → 跳过并记录警告日志

CLI

bash

rnix gc --dry-run          # 预览候选条目（表格）
rnix gc --dry-run --json   # 预览候选条目（JSON，适合脚本）
rnix gc                    # 执行清理；超过 100 条时提示 [y/N]
rnix gc --force            # 跳过确认
rnix gc --json             # JSON 输出（隐含 --force）

IPC 命令

命令	说明
`rnix suspend <pid>`	挂起进程（SIGPAUSE）
`rnix resume <pid\|uuid>`	从持久化状态恢复
`rnix resume --fork <pid\|uuid>`	以新 UUID 恢复
`rnix resume --fork --from-step N <pid\|uuid>`	从第 N 步恢复
`rnix compose resume --node <name>`	恢复 Compose DAG 节点
`rnix ps -a`	列出所有进程，包括可恢复的 Dead/Suspended 进程
`rnix gc`	垃圾回收旧进程数据

进程暂停、恢复与故障恢复 ​

设计哲学 ​

进程状态 ​

SIGPAUSE / SIGRESUME ​

子树操作 ​

恢复模式 ​

接续模式 ​

分叉模式 ​

截断分叉 ​

检查点系统 ​

Daemon 重启持久化 ​

垃圾回收 ​

GC 规则 ​

CLI ​

IPC 命令 ​

相关文档 ​

进程暂停、恢复与故障恢复

设计哲学

进程状态

SIGPAUSE / SIGRESUME

子树操作

恢复模式

接续模式

分叉模式

截断分叉

检查点系统

Daemon 重启持久化

垃圾回收

GC 规则

CLI

IPC 命令

相关文档