路径锁与崩溃恢复

OpenViking 通过路径锁和持久化队列恢复两个简单原语保护核心写操作（rm、mv、add_resource、session.commit）的一致性，确保 VikingFS、VectorDB、QueueManager 三个子系统在故障时不会出现数据不一致。

设计哲学

OpenViking 是上下文数据库，FS 是源数据，VectorDB 是派生索引。索引丢了可从源数据重建，源数据丢失不可恢复。因此：

宁可搜不到，不要搜到坏结果。

设计原则

写互斥：通过路径锁保证同一路径同一时间只有一个写操作
默认生效：所有数据操作命令自动加锁，用户无需额外配置
锁即保护：进入 LockContext 时加锁，退出时释放，没有 undo/journal/commit 语义
仅 session_memory 需要崩溃恢复：通过持久化 session_commit 队列在进程崩溃后恢复 Phase 2
Queue 操作在锁外执行：SemanticQueue/EmbeddingQueue 的 enqueue 是幂等的，失败可重试

架构

Service Layer (rm / mv / add_resource / session.commit)
    |
    v
+--[LockContext 异步上下文管理器]-------+
|                                       |
|  1. 创建 LockHandle                  |
|  2. 获取路径锁（轮询 + 超时）        |
|  3. 执行操作（FS + VectorDB）        |
|  4. 释放锁                           |
|                                       |
|  异常时：自动释放锁，异常原样传播    |
+---------------------------------------+
    |
    v
Storage Layer (VikingFS, VectorDB, QueueManager)

两个核心组件

组件 1：PathLockEngine + LockManager + LockContext（路径锁系统）

PathLockEngine 实现基于文件的分布式锁，支持 EXACT 和 TREE 两种锁类型，使用 fencing token 防止 TOCTOU 竞争，自动检测并清理过期锁。

LockHandle 是轻量的锁持有者令牌：

@dataclass
class LockHandle:
    id: str          # 唯一标识，用于生成 fencing token
    locks: list[str] # 已获取的锁文件路径
    created_at: float # handle 创建时间
    last_active_at: float # 最近一次成功 acquire/refresh 的时间

LockManager 是全局单例，管理锁生命周期：

创建/释放 LockHandle
后台清理泄漏的锁（进程内安全网）
启动后由 QueueManager 恢复持久化的 session_commit Phase 2 任务

LockContext 是异步上下文管理器，封装加锁/解锁生命周期：

# Conceptual example: production path locks are acquired inside the Rust ragfs layer.
async with LockContext(lock_manager, [path], lock_mode="exact") as handle:
    # 在锁保护下执行操作
    ...
# 退出时自动释放锁（包括异常情况）

组件 2：持久化 `session_commit` 队列（崩溃恢复）

session.commit 的 Phase 2 不再使用独立 RedoLog。Phase 1 会先把 archive 元数据持久化，再把 SessionCommitMsg 写入持久化队列；进程重启后，QueueManager 会继续消费遗留的 session_commit 任务并恢复 Phase 2。

Memory 提取是幂等的，从同一个 archive 重新提取会得到相同结果。

一致性问题与解决方案

rm(uri)

问题	方案
先删文件再删索引 -> 文件已删但索引残留 -> 搜索返回不存在的文件	调换顺序：先删索引再删文件。索引删除失败 -> 源文件仍在，重试可完成可能只执行了一部分的索引清理

加锁策略（根据目标类型区分）：

删除目录：lock_mode="tree"，锁目录自身及其整棵子树
删除文件：lock_mode="exact"，锁文件路径本身

操作流程：

1. 检查目标是目录还是文件，选择锁模式
2. 获取锁
3. 删除 VectorDB 索引 -> 搜索立刻不可见
4. 删除 FS 文件
5. 释放锁

索引 URI 收集或 VectorDB 删除失败 -> 直接抛异常，锁自动释放，源文件仍在。多记录删除在部分后端可能已经执行了一部分，但重试可以安全补完清理。FS 删除失败 -> VectorDB 已删但文件还在，重试同样安全。

mv(old_uri, new_uri)

问题	方案
文件移到新路径但索引指向旧路径 -> 搜索返回旧路径（不存在）	先 copy 再更新索引，失败时清理副本

加锁策略（通过 lock_mode="mv" 自动处理）：

移动目录：源路径加 TreeLock，目标路径加 ExactPathLock
移动文件：源路径和目标路径各加 EXACT 锁

操作流程：

1. 检查源是目录还是文件，确定 src_is_dir
2. 获取 mv 锁（内部根据 src_is_dir 选择 TreeLock 或 ExactPathLock）
3. Copy 到新位置（源还在，安全）
4. 如果是目录，删除副本中被 cp 带过去的锁文件
5. 更新 VectorDB 中的 URI
   - 失败 -> 清理副本，源和旧索引都在，一致状态
6. 删除源
7. 释放锁

add_resource

问题	方案
文件从临时目录移到正式目录后崩溃 -> 文件存在但永远搜不到	首次添加与增量更新分离为两条独立路径
资源已落盘但语义处理/向量化还在跑时被 rm 删除 -> 处理白跑	生命周期 TreeLock，从落盘持续到处理完成

首次添加（target 不存在）— 在 ResourceProcessor.process_resource Phase 3.5 中处理：

1. 获取 TreeLock，锁 final_uri
   - 如果 final_uri 目录不存在，先检查祖先/后代/同路径锁冲突
   - 无冲突则创建 final_uri 目录，并在 final_uri/.path.ovlock 写 T 锁
2. 保留 temp 作为源目录，入队 SemanticMsg(uri=temp, target_uri=final_uri, lifecycle_lock_handle_id=...)
3. DAG 在 temp 上跑，完成后把 temp 内容同步到 final_uri
   - final_uri 已经用于放锁文件，所以不做裸 agfs.mv(temp -> final_uri)
4. 清理临时目录
5. DAG 启动锁刷新循环（每 lock_expire/2 秒刷新锁 token 并更新 handle 活跃时间）
6. DAG 完成 + 所有 embedding 完成 -> 释放 TreeLock

如果本次调用关闭了摘要和索引（没有下游 DAG 接管），则在同一把 TreeLock 里把 temp 目录内容复制到 final_uri，清理 temp，然后释放锁。这里不调用 VikingFS.mv(temp, final_uri, lock_handle=handle)，避免移动逻辑清理目录锁文件。

此期间 rm 尝试获取同路径 TreeLock 会失败，抛出 ResourceBusyError。

增量更新（target 已存在）— temp 保持不动：

1. 获取 TreeLock，锁 target_uri（保护已有资源）
2. 入队 SemanticMsg(uri=temp, target_uri=final, lifecycle_lock_handle_id=...)
3. DAG 在 temp 上跑，启动锁刷新循环
4. DAG 完成后触发 sync_diff_callback 或 move_temp_to_target_callback
5. callback 执行完毕 -> 释放 TreeLock

注意：DAG callback 不在外层加锁。每个 VikingFS.rm 和 VikingFS.mv 内部各自有独立锁保护。外层锁会与内部锁冲突导致死锁。

首次添加和增量更新都只持有 TreeLock(resource_dir)。这里不再做 ExactPathLock(resource_dir) -> TreeLock(resource_dir) 的锁转交，避免两种锁复用同一个 .path.ovlock 时出现释放顺序错误。

自动命名由资源层处理，不属于锁服务：ResourceProcessor 先用 exists(candidate_uri) 判断候选目录是否已占用；已存在则尝试 _1、_2 后缀。候选目录不存在时才尝试获取该目录的 TreeLock，且不等待；如果同名正在被并发请求处理，就直接尝试下一个后缀。

服务重启恢复：SemanticMsg 持久化在 QueueFS 中。重启后 SemanticProcessor 发现 lifecycle_lock_handle_id 对应的 handle 不在内存中，会重新获取 TreeLock。

派生语义文件（.abstract.md / .overview.md）

.abstract.md 和 .overview.md 是后台生成的派生文件，不作为普通用户源文件写入。它们的并发保护分两层：

问题	方案
多个后台任务同时刷新同一个目录摘要，旧结果覆盖新结果	相同 dirty key 使用 `coalesce_version`，只有最新版本允许写回
最新任务写回派生文件时与另一个写回交错	写 `.abstract.md`、`.overview.md` 前获取各自的 ExactPathLock

例子：同一目录下并发写入 a.md、b.md、c.md 时，前台写入分别持有 ExactPathLock(a.md)、ExactPathLock(b.md)、ExactPathLock(c.md)，互不阻塞。后台可能产生多个 docs/ 摘要刷新任务，但只有最新 version 能写回 docs/.overview.md 和 docs/.abstract.md；旧任务在写回前发现自己过期后直接丢弃结果。

memory 目录摘要使用同一规则。比如并发更新：

viking://user/default/memories/preferences/theme.md
viking://user/default/memories/preferences/editor.md

两个文件写入各自持有 ExactPathLock；preferences/.overview.md 和 preferences/.abstract.md 的后台刷新不再持有长时间 TreeLock，而是通过 coalesce_version 淘汰旧任务，并在最终写派生文件时短暂获取 ExactPathLock。

session.commit()

问题	方案
消息已清空但 archive 未写入 -> 对话数据丢失	Phase 1 无锁（archive 不完整无副作用）+ Phase 2 持久化 `session_commit` 队列

LLM 调用耗时不可控（5s~60s+），不能放在持锁操作内。设计拆为两个阶段：

Phase 1 — 归档（无锁）：
  1. 生成归档摘要（LLM）
  2. 写 archive（history/archive_N/messages.jsonl + 摘要）
  3. 清空 messages.jsonl
  4. 清空内存中的消息列表

Phase 2 — 记忆提取 + 写入（持久化 `session_commit` 队列）：
  1. 持久化 archive 元数据并 enqueue `SessionCommitMsg`
  2. 从归档消息提取 memories（LLM）
  3. 写当前消息状态
  4. 直接 enqueue SemanticQueue

崩溃恢复分析：

崩溃时间点	状态	恢复动作
Phase 1 写 archive 中途	队列未发布	archive 不完整，下次 commit 从 history/ 扫描 index，不受影响
Phase 1 archive 完成但 messages 未清空	队列未发布	archive 完整 + messages 仍在 = 数据冗余但安全
Phase 2 记忆提取/写入中途	`session_commit` 任务仍在持久化队列中	重启后继续消费该任务，从 archive 恢复 Phase 2
Phase 2 完成	archive 标记为完成	无需恢复

LockContext

LockContext 是异步上下文管理器，封装锁的获取和释放：

# Conceptual example: production path locks are acquired inside the Rust ragfs layer.

# Exact 锁（写操作、语义处理）
async with LockContext(lock_manager, [path], lock_mode="exact"):
    # 执行操作...
    pass

# Tree 锁（删除目录、目录生命周期保护）
async with LockContext(lock_manager, [path], lock_mode="tree"):
    # 执行操作...
    pass

# MV 锁（移动操作）
async with LockContext(lock_manager, [src], lock_mode="mv", mv_dst_path=dst):
    # 执行操作...
    pass

锁模式：

lock_mode	用途	行为
`exact`	文件写入、单文件删除、派生文件写回	锁定指定路径；与同路径锁和祖先目录 TreeLock 冲突
`tree`	删除目录、资源生命周期、目录级保护	锁定子树根节点；与同路径锁、后代锁和祖先 TreeLock 冲突
`mv`	移动操作	目录移动：源路径 TreeLock + 目标路径 ExactPathLock；文件移动：源路径和目标路径均 ExactPathLock（通过 `src_is_dir` 控制）

异常处理：__aexit__ 总是释放锁，不吞异常。获取锁失败时抛出 LockAcquisitionError。

锁类型（EXACT vs TREE）

锁机制使用两种锁类型来处理不同的冲突场景：

	同路径 EXACT	同路径 TREE	后代 EXACT	祖先 TREE
EXACT	冲突	冲突	—	冲突
TREE	冲突	冲突	冲突	冲突

EXACT (E)：锁定一个具体路径本身。文件、目录名、尚未创建的目标路径都可以使用；若祖先目录持有 TreeLock 则阻塞。
TREE (T)：用于删除目录、移动目录、资源生命周期保护等。逻辑上覆盖整棵子树，但只在根目录写一个锁文件。获取前扫描所有后代和祖先目录确认无冲突锁。目标目录不存在时，先做冲突检查；无冲突才创建目录并写锁。若创建后又发现并发冲突，本次加锁失败，但不回滚刚创建出来的空目录。

锁机制

锁协议

锁文件路径：

TreeLock(path)                 -> {path}/.path.ovlock
ExactPathLock(已存在目录 path) -> {path}/.path.ovlock
ExactPathLock(文件或未创建路径) -> {parent}/.exact.ovlock.<name>.<hash>

锁文件内容（Fencing Token）：

{handle_id}:{time_ns}:{lock_type}

其中 lock_type 为 E（EXACT）或 T（TREE）。

获取锁流程（EXACT 模式）

循环直到超时（轮询间隔：200ms）：
    1. 检查目标路径是否被其他操作锁定
       - 陈旧锁？ -> 移除后重试
       - 活跃锁？ -> 等待
    2. 检查所有祖先目录是否有 TREE 锁
       - 陈旧锁？ -> 移除后重试
       - 活跃锁？ -> 等待
    3. 确保锁文件所在父目录存在；如果不存在则创建目录
    4. 写入 EXACT (E) 锁文件
    5. TOCTOU 双重检查：重新扫描目标路径和祖先目录的 TREE 锁
       - 发现冲突：比较 (timestamp, handle_id)
       - 后到者（更大的 timestamp/handle_id）主动让步（删除自己的锁），防止活锁
       - 等待后重试
    6. 验证锁文件归属（fencing token 匹配）
    7. 成功

超时（默认 0 = 不等待）抛出 LockAcquisitionError

获取锁流程（TREE 模式）

循环直到超时（轮询间隔：200ms）：
    1. 检查目标路径是否被其他操作锁定
       - 陈旧锁？ -> 移除后重试
       - 活跃锁？ -> 等待
    2. 检查所有祖先目录是否有 TREE 锁
       - 陈旧锁？ -> 移除后重试
       - 活跃锁？ -> 等待
    3. 扫描所有后代目录，检查是否有其他操作持有的锁
       - 目标目录不存在？ -> 视为无后代锁
       - 陈旧锁？ -> 移除后重试
       - 活跃锁？ -> 等待
    4. 确保目标目录存在；如果不存在则创建目录
    5. 写入 TREE (T) 锁文件（只写一个文件，在根路径）
    6. TOCTOU 双重检查：重新扫描后代目录和祖先目录
       - 发现冲突：比较 (timestamp, handle_id)
       - 后到者（更大的 timestamp/handle_id）主动让步（删除自己的锁），防止活锁
       - 等待后重试
    7. 验证锁文件归属（fencing token 匹配）
    8. 成功

超时（默认 0 = 不等待）抛出 LockAcquisitionError

缺失目录创建规则

锁系统允许为了放置锁文件而创建目录，但创建前必须先检查冲突：

1. 发现祖先 TreeLock / 同路径锁 / 后代锁冲突 -> 不创建目录，直接失败或等待
2. 当前无冲突 -> 可以创建目录并写锁
3. 写锁后再次检查时发现新冲突 -> 删除自己的锁并失败或重试
4. 第 3 步不会回滚刚创建的空目录

例子：

请求 A 正在删除 viking://resources/books
=> A 持有 TreeLock(/resources/books)

请求 B 想添加 viking://resources/books/java-guide
=> B 在创建 java-guide 目录前发现祖先 TreeLock
=> B 不创建目录，返回 busy

如果两个请求同时创建 java-guide，两边都可能先看到“当前无冲突”，但最终只有 fencing token 校验通过的一方成功持有 TreeLock(java-guide)；失败方会删除自己的锁，已创建出来的空目录可以保留。

锁过期清理

陈旧锁检测：PathLockEngine 检查 fencing token 中的时间戳。超过 lock_expire（默认 30s）的锁被视为陈旧锁，在加锁过程中自动移除。

进程内清理：LockManager 每 60 秒检查活跃的 LockHandle。仍持有锁文件且失活时间超过 lock_expire 的 handle 会被强制释放。

孤儿锁：进程崩溃后遗留的锁文件，在下次任何操作尝试获取同一路径锁时，通过 stale lock 检测自动移除。

崩溃恢复

服务启动后，QueueManager 会继续消费持久化的 session_commit 任务：

场景	恢复方式
session_memory 提取中途崩溃	从 archive 恢复 Phase 2 并继续消费 `session_commit` 任务
锁持有期间崩溃	锁文件留在 AGFS，下次获取时 stale 检测自动清理（默认 30s 过期）
enqueue 后 worker 处理前崩溃	QueueFS SQLite 持久化，worker 重启后自动拉取
孤儿索引	L2 按需加载时清理

防线总结

异常场景	防线	恢复时机
操作中途崩溃	锁自动过期 + stale 检测	下次获取同路径锁时
add_resource 语义处理中途崩溃	生命周期锁过期 + SemanticProcessor 重启时重新获取	worker 重启后
session.commit Phase 2 崩溃	持久化 `session_commit` 队列 + 重试消费	重启时
enqueue 后 worker 处理前崩溃	QueueFS SQLite 持久化	worker 重启后
孤儿索引	L2 按需加载时清理	用户访问时

配置

路径锁默认启用，无需额外配置。推荐通过 storage.agfs.pathlock 配置过期时间。运行时等待超时固定为 0.0 秒，不再接受外部配置。storage.transaction 仅保留为兼容旧配置：lock_timeout 已废弃且会被忽略，lock_expire 会在未显式配置新字段时自动映射，redo_recovery_enabled 已废弃且会被忽略。

推荐写法：

{
  "storage": {
    "agfs": {
      "pathlock": {
        "lock_expire_secs": 30.0
      }
    }
  }
}

兼容旧写法：

{
  "storage": {
    "transaction": {
      "lock_expire": 30.0
    }
  }
}

参数	类型	说明	默认值
`lock_timeout`	float	已废弃且忽略。运行时等待超时固定为 `0.0`。	`0.0`
`lock_expire`	float	已废弃。改用 `storage.agfs.pathlock.lock_expire_secs`。	`30.0`

QueueFS 持久化

路径锁机制依赖 QueueFS 使用 SQLite 后端，确保 enqueue 的任务在进程重启后可恢复。这是默认配置，无需手动设置。