План: доказать, что таймауты — в пути/шлюзе Nubes — v4 (ОПУС 4.8)

✅ ПОМЕТКА: план от Claude Opus 4.8 (пользователь передал ответ Опуса, который изучил репозиторий и три предыдущих плана). Сохранено 2026-08-15. Ниже — план Опуса + ответы основного агента на его уточняющие вопросы.

TL;DR

Доказательство — изоляцией слоёв. «Виновата платформа» = таймауты воспроизводятся БЕЗ нашего кода (port-forward чист, echo/сырой TCP таймаутит)

tcpdump с клиента ловит потерю сегмента, когда nginx/под ответили за миллисекунды.

Два РАЗНЫХ явления — раздельно:

A. Большие POST ~51с — локализовано: MSS=1448 → пакет 1488 > underlay 1450 → дроп при DF, PMTUD мёртв. Осталось зафиксировать порог ping-зондом.
B. Малые тела 512б, ~1 таймаут/37с — MTU не объясняет. Регулярность = таймер (шлюз VIP / ARP-флап kube-vip / conntrack GC). Главная нераскрытая часть.

Ответы Опуса на вопросы

Echo vs сырой TCP. Сырой TCP недостаточен (только SYN/ACK; потери в фазе данных). Самое дешёвое доказательство невиновности приложения — kubectl port-forward мимо шлюза, а не echo. Echo — позже, только если port-forward+логи не закрыли вопрос (он внутри кластера, а подозрение на шлюзе).
Поймать таймаут. tcpdump на клиенте, корреляция по TCP seq/ack: ретрансмиты SYN → потеря на установлении; тишина после ACK → потеря после nginx; ICMP frag-needed → PMTUD; кто и через сколько шлёт RST → чей таймер; интервал между таймаутами → подтвердить ~37с.
Через kubectl. nginx access-log request_time/upstream_response_time: 499+большой request_time = клиент ушёл; 200+малый upstream без ответа клиенту = потеря nginx↔клиент; записи нет = потеря до nginx. cilium monitor --type drop — на cilium-ПОДЕ нужной ноды (не operator). externalTrafficPolicy Cluster/Local.

Шаги (дешевле → дороже)

Фаза 0 (бесплатно): nginx access-log за прошлый тест → логи kube-vip (флапы) → тикет Nubes (A и B раздельно).
Фаза 1 (клиент, ~30 мин): PMTUD-зонд ping -M do (fallback mtr --tcp) → tcpdump + повтор теста через long_compare_local.py с логом timestamp каждого таймаута → контрольный канал YMQ во всех прогонах.
Фаза 2 (kubectl, без деплоя): port-forward ПЕРВЫМ (невиновность приложения) → cilium monitor drop параллельно → проверка externalTrafficPolicy/nodePort.
Фаза 3 (echo, если 0–2 не хватило): Go echo без ingress на NodePort → таймаутит → nginx и код исключены → потом echo через ingress (изоляция nginx).
Фаза 4 (тикет): одновременный tcpdump + nginx-log + cilium monitor, корреляция по seq → pcap+логи+ping в тикет.

Что считается доказательством: echo-NodePort таймаутит тем же паттерном → nginx+код исключены; nginx 200/upstream<100мс без ответа клиенту → потеря nginx↔клиент; pcap показывает недоставленный сегмент; ping-порог → MTU; cilium drop → внутри кластера; port-forward чист + внешний IP таймаутит → приложение невиновно; стабильный интервал ~37с → таймер шлюза.

Уточнения Опуса и ответы основного агента

Второй клиент с другого ISP? НЕТ. В распоряжении только ВМ (5.172.178.213), но она рядом с платформой — с неё таймаутов нет, как «второй клиент из другого сегмента» не подходит. Частичная замена уже есть: контрольный канал YMQ с той же локали — 1 ошибка на 959 при 49 таймаутах на Nubes (виноват локальный интернет → YMQ страдал бы так же). Полагаемся на YMQ-канал; второй ISP — если появится доступ к VPS.
Debug-под с NET_RAW? Не проверяли; платформа managed, ноды недоступны, привилегии урезаны — с высокой вероятностью запрещено. Под — alpine без NET_RAW, серверный tcpdump не получится. Ограничиваемся nginx access-log + cilium monitor + echo А/Б. Возможность kubectl debug проверяется одной попыткой.
Echo сразу? НЕТ — только если фазы 0–2 не дадут однозначного ответа. Доп. риск: новый NodePort для echo на managed может быть недоступен.

Поправка основного агента

port-forward идёт через API-сервер (не тот сетевой путь) — он доказывает только невиновность приложения, а не вину шлюза. Использовать формулировку Опуса из таблицы доказательств (она корректна).

6.3 KiB Raw Blame History Unescape Escape