把「掉登录」当成一级故障来设计:一个每日自动化系统的可用性改造
【摘要】 会话级 cookie 一断就全盘失效。本文拆解掉登录的三层判据、恢复优先级、证据链与幂等设计,以及哪些环节必须交回给人。
把「掉登录」当成一级故障来设计:一个每日自动化系统的可用性改造
## 一、一个很普通的早晨
凌晨一点三十二分,一个跑了几十天的每日任务脚本突然输出了一行字:登录态失效,需要重新登录一次。
这条消息本身并不稀奇,稀奇的是它前面那一行——`积分 None`。一个已经连续工作了很久的自动化流程,在没有任何代码改动、没有任何依赖升级、没有任何平台公告的情况下,能力从「能读积分、能点按钮」退化成了「什么都读不到」。如果这是一个人,他会在群里问一句「是不是网络挂了」;但这是一个没人看着的定时任务,它只能对着日志沉默。
更麻烦的是,这种情况有一个很坏的伪装:它看起来像成功。脚本照常启动、浏览器照常连上、页面照常加载、每一步都没有抛异常,只是所有断言都变成了空值。如果你只校验「有没有报错」,这类故障可以隐藏好几天。
所以这件事值得写下来:在自动化系统里,登录态不是前置条件,它是一条随时会断的运行时依赖,必须被当成一级故障来设计。
## 二、为什么登录态是最脆弱的那一环
登录态脆弱的根源在于它的存储语义。多数大型站点的关键凭证是会话级 cookie,也就是带 `expiry=0` 的那一批:它们只存在于浏览器进程的内存与它自己的会话存储里,不写过期时间,浏览器一退出就作废。服务端对应的会话也有空闲超时和绝对超时两条线在走。
这就意味着两件残酷的事实:
第一,任何让浏览器进程结束的动作,都会等价于「登出」。机器重启、内存吃紧被内核杀掉、桌面会话被注销、甚至一次异常退出,都会让你第二天早上收获一个干净的、未登录的浏览器。
第二,这件事没有恢复手段。它不是网络抖动,重试三次就好;也不是磁盘满,清理一下就好。凭证本身已经不存在了,唯一能让它重新存在的方式,是有人再走一次认证流程。
理解了这一点,架构上就该有一条明确的分工:自动化能负责「在校验失效时尽早发现并尝试可自动化的恢复路径」,不能负责「凭证永不失效」。前者是工程,后者是幻觉。
## 三、判据设计:先区分「慢」和「掉」
最贵的错误不是没检测到故障,而是把健康的系统判成故障,然后去做一堆破坏性的「修复」。在这个系统上,踩过的第一个坑就是判据太急。
早期版本的逻辑是:打开页面,等八秒,读不到积分数就判定未登录。结果有一次,同一个浏览器里的社区、学堂、实践中心三个站点全都带着昵称和权限,只有成长中心读不到积分。八秒之后它确实还是空的——因为单点登录的静默回调还没跑完,页面懒渲染也没触发。再等十秒,积分出现了,一切正常。那一次如果按旧判据处理,就会去重启浏览器、重建会话,把一个完全健康的登录态亲手弄丢。
所以判据必须写成合取式,三条同时成立才允许下结论:
第一条,地址栏停在登录页并且持续不跳转。这里的关键词是「持续」——给足三十秒,而不是采样一次就下判断。
第二条,页面正文里读不到任何形如「数字 + 我的积分」的片段,按钮区也没有签到类的可交互元素。
第三条,换一到两个会话独立的兄弟站点交叉验证。这条最有价值:如果社区侧还显示昵称、实践中心还显示已绑定账号,说明整体会话是活的,只是某个前端渲染慢了,此时正确的动作是继续等,而不是动手。
反过来,真实的掉线长什么样?三站全部退化成游客、成长中心三十秒后仍停在登录页的路由片段上。这种情况下任何等待都是浪费,应该立刻转向恢复。
一条判据写完,要问自己一句:它误报的代价大,还是漏报的代价大?在这个场景里,误报的代价是「弄丢一个还活着的会话」,比漏报大得多。于是判据整体向保守倾斜。
## 四、恢复路径要有优先级,而不是一次全试
确认掉线之后,恢复路径也不该是「把所有手段一起上」。经验上它有一个清晰的成本阶梯。
第一级,重走一次入口。这一步几乎零成本:访问统一的认证入口,带着目标页面的地址,让服务端判断会话是否还有效。如果有效,它会 302 回来并附一张一次性票据;如果无效,它会停在登录页。这一级值得先做,因为它同时具备「恢复」和「确认」两个作用。
第二级,脚本化密码登录。这一步在页面改版之后往往是最脆的环节,需要专门拆开说。现在很多站点的登录页默认只渲染二维码,账号密码表单在 DOM 里存在但尺寸为零,父容器还挂着隐藏类。直接按旧选择器去填写,会得到一串「元素不可交互」的异常,让人误以为自动化失效了。实测下来能走通的顺序是:先找到「其他登录方式」这个文本节点并点一下,让表单真正展开;再用「可见性」而不是「存在性」去挑输入框,条件是宽高都大于两个像素;最后提交那个文案精确等于「登录」的元素。
这一步还有一个典型的假失败:提交之后,地址栏跳到错误码 408,正文出现「异常」字样。第一次看到会以为账号或密码有问题,于是去改密码、去检查风控,白折腾半小时。实际上紧接着重走一次入口,就能拿到票据,积分立刻读出来了。把「错误码」当成事实、把「重新导航一次的结果」当成判据,这两者的区别值一个模块。
第三级,交给人。扫码、短信验证码、滑块、人脸,这四类验证出现的共同前提是「服务端不认为这是原来的环境」。自动化在这里强行推进没有任何意义:任何绕过验证的技术手段,都与这套系统要解决的问题无关,而且会把风险记在账号主身上。正确的做法是把窗口停在登录页,把三个登录方式都渲染出来,然后写一句人话:「请在桌面这个窗口扫码,三十秒」。
这里有个容易忽略的细节:停车也要停对页面。认证域名写错一个字母,页面会直接变成 DNS 找不到;正确的入口才有三个标签页。停车之后不要再为了「确认」反复导航,每次导航都在消耗一次新的会话判断,反而可能把刚建立的会话又打散。
## 五、为什么「抢救 cookie」基本是死路
每次掉线,总会有人(包括我自己)想去翻浏览器的会话恢复文件,把里面的 cookie 导出来重新注入。这条路看起来极其合理:文件里确实保存着全部凭证,几十上百条,域名、名字、值、httponly 标记一应俱全。
但这条路基本走不通,原因有两个层次。
表层原因是注入约束:多数 WebDriver 实现只允许给当前域写入 cookie,跨域注入会直接抛「非法域」异常。所以必须先逐域导航,再逐域注入,写成循环。这一步能做,也确实做过,几百条全部注入成功、零失败。
深层原因才是致命的:这些 cookie 指向的服务端会话已经不存在了。凭证是一把钥匙,服务端会话是那把锁;锁都换了,钥匙做得再精致也打不开门。实测的结果很一致——注入完成后,页面的登录标志依然是假,带票据参数的入口也依然停在登录页,不发行新票据。三次不同时间点的复验结论完全相同。
所以这条路径的定位应该被钉死:允许做一次取证,不允许投入第二次小时。把它当成「理解系统怎么存状态」的实验,而不是「恢复生产」的方案。
## 六、证据链:让「做过」和「到账」分开记录
这类每日任务系统还有一类特有故障:动作执行成功,但平台侧的记账没有发生。
它有两种完全不同的原因。一种是延迟:行为触发不立即写账本,而是由定时批次合并落库,可能是几分钟,也可能是几个小时,甚至跨到第二天凌晨的批次里。另一种是静默丢弃:动作确实发生了,账本里永远不会有这一笔。
这两种原因在外部看起来一模一样,但处理方式完全相反:前者必须等,后者必须重做。如果分不清,就会陷入两种错误循环——要么等一整天白等,要么把同一个动作重复做十几次,在用户能看见的地方留下重复痕迹。
能解决这个问题的不是更聪明的判断,而是更笨的记录:每个动作完成时,立刻把证据落成一份结构化文件,包含动作名、时间戳、页面地址、以及页面上的关键状态片段(剩余时长、提交成功提示、停留秒数)。回查时先读账本接口,再对照这批证据,就能把「做过但没记账」和「没做过」区分开。
在这个系统里,这套记录还救过一次更隐蔽的坑:页面缓存。已经打开的列表页会持续展示旧的积分和旧的卡片状态,重新导航才会刷新。于是「卡片还是待完成」这件事,根本不能作为「没到账」的证据;唯一权威的口径是账本接口里有没有那一笔。把判据从「页面显示」换成「账本存在」,误判率立刻降下来。
## 七、幂等与重复执行
每日任务天然要求幂等,但幂等的实现方式决定了系统能不能在故障中自愈。
最省事的设计是「先查状态,再决定动作」:签到按钮的文案从「立即签到」变成「已签到」,就是最直接的状态位。找不到「立即签到」这个元素时,正确结论是「今天已经做过了」,而不是「页面结构变了,失败了」。把这条写进代码,重复执行就变成安全的:多跑一次只多一次请求,不会产生第二次入账,也不会倒扣。
反面例子是那些没有状态位的动作,比如提交内容、上传作品。这类操作只能靠「落盘证据 + 时间窗口」来控制:同一份输入文件在同一个自然日内只允许提交一次,跨日才允许重跑,并且重跑时明确换用新的输入文件名。写死输入文件名的脚本是定时任务里的定时炸弹——它会在某天被顺手复跑,然后把昨天那篇内容再发一遍,而这件事在用户侧是完全可见的。
## 八、把「不可自动化的部分」写进设计
最后是一个经常被回避的问题:系统里总有一部分事情,自动化做不了,而且不是技术难度问题。
在这个每日任务系统里,那一部分是生物身份核验。进考前要拍脸、要和证件比对、考试过程中会不定时抽查,切屏次数超限直接交卷。这类环节的正确态度不是「想办法绕过」,而是承认它是流程的一部分,然后把自动化的价值集中在它前后两端:前面把课程、实验环境、入口状态全部铺好,后面把考点、时长、题量、及格线、注意事项整理成一张能照着做的清单。
这不是妥协,而是清晰:一个自动化系统的成熟度,体现在它知道自己能力的边界在哪,并且能在边界处交出干净的、可执行的东西,而不是把用户卡在那里。
回到开头那个早晨。最终的处置很平淡:重走入口一次,密码登录一次,拿到票据,积分读出来,四个每日任务按顺序跑完,账本里多出四笔入账。但这个平淡的结果,是靠一整套判据、优先级、证据文件和幂等设计支撑起来的。
登录态会一直脆弱下去,这一点改变不了。能改变的是:当它断掉的时候,系统是沉默地假装成功,还是准确地告诉你「我掉了、我试过这三条路、现在需要你三十秒」。
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)