[LucaLin233]

问题

tests/test-push.sh 在 Debian 13 上约 1/10 偶发失败：

❌ active worker 身份不可验证，停止调度并交由完整 grace 清理: pid=... expected_start=... actual_start=... state=R uid=0
❌ batch lifecycle failure，停止汇总与交互重试
FAIL: partial failure must be ordinary transfer failure, not lifecycle/accounting failure

存活 worker 被父进程 prune_active_workers 误判为身份不可信，BATCH_WORKER_FAILED=true 后整批提前终止。

定位

• 失败样本中 /proc/<pid>/stat 可读、fd 目标正确、位置为 0，但 read_process_stat 连续拿到的是 status 文件的行（Gid: / FDSize: / Groups: / …），格式校验失败，PROC_START 保留上一次读取的值。
• 旧实现用 exec {fd}</proc/...; read -r ... <&fd 逐行读取；read_process_uid 读取 status 时提前 break，未消费的缓冲会在后续 stat 读取中被取出。
• 对照（同 churn 负载）：旧读取模式 3000 轮 2 次 UID-MISS；整文件读取 3000 轮 0 次。
• 触发条件未完全闭合到 Bash 内部状态；本仓库验证环境为 GNU bash 5.2.37。

修改

• read_process_stat / read_process_uid 改为整文件读取，避免逐行 read 的跨读取缓冲路径。
• $(<file) 在 Bash 5.2 下打开失败可能绕过 if/|| 终止 shell，故读取期间按 $- 快照临时关闭 errexit，读完恢复。
• 身份校验（UID、starttime、state、SID/PGID、PID 复用判定）一律未放宽；失败仍然返回非零。

验证

• 原实现基线：tests/test-push.sh 10 次串行 1 次失败；失败样本与插桩日志见 hkhkt /root/workdir/minis/flake-20261024/logs/target-2249/（诊断环境，未入库）。
• 修复后：tests/test-push.sh 连续 20 次 rc=0，每次 342 PASS，77.7–78.9 s（基线 76–77 s）。
• 负控：旧读取模式 3000 轮 2 次 UID-MISS；整文件读取 3000 轮 0 次。
• 新增回归用例：两种 errexit 模式、if ! 与 || 四种失败调用位、前后 $- 状态一致；套件 348 PASS。变异（移除 set +e）会让该用例失败。

已知限制

• 20 次绿灯对 10% 失败率的检出力约 88%，不能单独证明低频故障归零；本次修复针对已观察到的读取路径，未证明 Bash 内部触发条件。
• set +e 是函数级 shell 状态，信号 trap 可能在该窗口看到 errexit 关闭；窗口仅一次读取。
• 最终提交与本地绿跑版本仅差测试侧 PID 绑定修正，最终 HEAD 以本 PR 的 Ubuntu 24.04 / Debian 13 CI 为准。