vrsub/docs/operations.md

运维

孤儿数据清理

应用内置后台清理器（src/wov_app/maintenance.py），按周期自动清理死数据：

• 自动删除：无任务记录的上传/步骤残留目录；COMPLETED 且产物文件全部丢失、 超过宽限期（默认 1 小时）的任务记录（下载已全部 404）。
• 绝不自动删除：FAILED 任务（可重试）、QUEUED/RUNNING 任务、宽限期内的任务、 仍有产物文件的任务。
• 手动删除任务仅通过删除接口（DELETE /api/runs/{run_id}）或管理界面进行。

任务暂停/继续（2026-08）

• 状态机：QUEUED / RUNNING / PAUSED / COMPLETED / FAILED。排队中或运行中的 任务可暂停（POST /api/runs/{run_id}/pause），PAUSED 可继续 （POST /api/runs/{run_id}/resume → 恢复 QUEUED）。
• 调度器语义：next_queued_run 只取 QUEUED——PAUSED 任务不会被调度器 自动拾起（修复回归：此前 PAUSED 被拾起后 execute_run 先置 RUNNING 再检查， 节点循环读到的是刚改的 RUNNING，"暂停检查"永远不成立 → 任务被复活继续跑， 表现为"点击暂停反而开始任务"）。execute_run 以 PAUSED 进入时直接返回保持暂停， 必须用户显式 resume（PAUSED → QUEUED）后才真正执行；运行中被暂停的任务在每个 节点边界检查状态停下保持 PAUSED（当前节点执行完后才停）；继续时从产物表 （restore_run_outputs，剥去"节点ID."前缀还原输出名）重建已完成节点的输出， 跳过已完成节点断点续跑，最后补做 final_outputs 收尾。
• 重启恢复：进程被杀/重启时遗留的 RUNNING 任务在启动时被 recover_interrupted_runs 恢复为 QUEUED（保留产物），调度器自动断点续跑； PAUSED 任务保持不变，等待显式 resume。
• 节点级断点（subtitle-ocr）：OCR 每帧完成后立即把 {frame, text} 追加到 steps/ocr/ocr_partial.jsonl（多线程下加锁串行化）。invoke 启动时读取存档， 只对未处理帧调用 vlm-ocr，存档文本与新增结果合并后组装 SRT——2 小时视频级 OCR 任务中断/重启后不重复已处理帧，产物与一次跑完逐字节一致。
• 节点内暂停响应（subtitle-ocr）：暂停接口（POST /api/runs/{run_id}/pause） 除置 PAUSED 外还向 run 根目录写入 paused.flag；OCR 工作线程逐帧检查该 信号，存在即立即中止（不 OCR、不入存档，恢复时重跑该帧），invoke 返回 failed；调度器捕获节点异常时若任务已是 PAUSED 则保持 PAUSED 不标 FAILED， resume 时清除信号并从断点存档继续——点击暂停后 OCR 秒级停下，不再等整个 节点跑完。继续/重试接口与调度器执行前都会清理残留信号。
• 前端：任务管理页为 QUEUED/RUNNING 提供"暂停"、PAUSED 提供"继续"按钮。

进度日志（数据处理速度）

• 调度器：每节点完成打印"任务 X 进度 i/N 节点: Y 耗时 Zs, 运行累计 Ws"；
• subtitle-ocr：OCR 进度 X/Y 帧 (Z 帧/s, 平均 Ws/帧, 线程 N/M)； llm-filter：字幕判定进度 X/Y 条 (Z 条/s, 平均 Ws/条, 线程 N/M) ——W 为最近窗口平均单任务耗时（窗口未满时回退累计平均），N 为当前目标 线程数、M 为 pool_max_workers 上限，用于判断多线程是否因单次处理过慢 （窗口平均 ≥ pool_fast_threshold）而未扩容（线程池 on_progress 回调， 每任务完成触发）；
• whisper：分块转写打印"分块 X/Y 完成 offset=... 耗时 Zs (Nx 实时, 累计 ...s)"；
• frame-extract：ffmpeg -progress 输出解析 frame=N，打印"抽帧进度 X/Y 帧 (Z 帧/s)"。

文件夹批量处理

本地版核心能力：不把视频上传到工作目录，直接读取用户所选文件夹下的全部 视频，逐个执行所选流水线。入口为批量处理页（web/batch.html，导航"批量处理"）， 后端为 src/wov_app/batch.py 的 BatchWorker（单线程轮询线程，处理 source=batch 的运行，与主调度器互不抢占）与 routers/batch.py。

• 路径选择：批量页点击"选择文件夹…"按钮弹出目录树选择器（懒加载），选完 回填只读路径框。浏览器拿不到所选文件夹的绝对路径，因此由本地后端提供目录 浏览：GET /api/batch/roots（Windows 盘符 / POSIX 根 + 家目录）、 GET /api/batch/dirs?path=（列直接子目录，隐藏目录过滤；不存在/不可读返回 空列表不报 500）。只暴露目录名，不返回文件内容。
• 创建任务时一次性定位（2026-09 起）：POST /api/batch/jobs {folder, workflow_id, recursive} 只扫描一次文件夹并把每个视频登记为 batch_videos 明细（PENDING/RUNNING/PAUSED/COMPLETED/FAILED/SKIPPED）。任务行先以 CREATING 入库、明细全部登记完才置 QUEUED：否则引擎会在明细写一半时拾起 任务、收尾把任务误标 COMPLETED（理由见 decisions.md）。视频所在目录 （视频旁）若已存在文件名含视频名的字幕文件（.srt/.ass/.ssa/.vtt， list_sidecar_subtitles 判定，如 movie.CN.srt、movie.CN_dual_eye.ass）， 说明该视频已有字幕，创建即记 SKIPPED——不为它触发任何流水线。运行时 BatchWorker 只消费这批已定位的明细，不再重新扫描文件夹（运行期间新增/ 删除的视频不会改变本次任务的范围）。校验失败（文件夹不存在/未发布工作流/ 无版本/一个视频都没有）返回 422。
• 产物放在视频旁：每个视频处理完成后，把工作流 final_outputs 对应的最终 产物文件（字幕流水线即中文 .srt 与双目 .ass）复制一份到视频所在目录， 与 .mp4 放在一起（_place_products）。文件名对齐媒体库既有约定：日语转写 存为 <视频名>.JA.srt、中文字幕存为 <视频名>.CN.srt、双目字幕存为 <视频名>.CN_dual_eye.ass（稳定无时间戳， _sidecar_product_name 映射，其余扩展名产物保留原文件名；同名目标直接覆盖）。 文件名含视频主名，下次批量扫描会命中"已有字幕"规则直接跳过该视频。
• 成品放置校验（审查 R03）：先预检全部 final_outputs 对应的记录与文件， 缺任一项即失败，不开始覆盖视频旁成品；全部齐备后逐文件原子替换。复制失败时 视频记 FAILED，保留 run、工作空间和已放置的完整成品，供修复后幂等重试。 原子替换保证单文件完整，不代表多个成品的跨文件事务或断电持久性。详见 代码审查问题跟踪.md。
• 过程文件清理（2026-09 起）：视频收尾完成后删除该视频的整个工作空间与 run 记录（音频/分块/帧图/节点产物不留残），防止媒体库把切片数据当视频入库。 工作空间位于应用私有目录 data/storage/batch/<job_id>/<bv_id>/ （不再放视频同名文件夹），与用户视频库天然隔离；暂停/失败的视频保留工作空间 以便断点续跑。per-video 的 WorkflowScheduler 实例以该目录为 storage—— 完整复用 DAG 拓扑执行、产物表登记与断点续跑逻辑。
• 任务级工作空间清理：任务全部完成且无失败视频时，连任务级目录 storage/batch/<job_id>/ 一并删除（每个视频的工作空间已在收尾时各自删完， 任务级目录只剩空壳）；有失败视频时保留（它们的中间产物供断点重试）。 paused.flag/keep_model.flag 在每个阶段开始前清理，避免进程被强杀后的 残留影响后续阶段。
• 任务管理与批量页的分工：批量 run（source=batch）默认不出现在任务管理页 （GET /api/runs 默认排除，排查时用 ?include_batch=1）——一个批量任务会产生 N 条单视频 run，混进 20 条窗口会把用户自己提交的任务挤出去，且任务管理页的 暂停/继续/重试/删除对批量 run 语义不成立（暂停会被引擎下一次断点续跑静默复位， 删除被 422 拒绝）。作为补偿，批量页详情表补阶段列：阶段 2/4 · 转写，由该视频 run 的 current_node_id 在 DAG 拓扑序中的位置推导、节点类型映射中文标签。 粒度限制：progress 只有节点边界粒度，句级进度（转写分块、翻译批次、OCR 帧） 不落库、只在控制台日志里。
• 分块流水线执行（本地模型只加载一次）：批量引擎把待处理视频按 WOV_BATCH_STAGE_GROUP_SIZE（默认 8）分组，组内按节点顺序跑完全部视频 （先全部 extract、再全部 ASR、再全部 LLM 翻译、最后 ASS）再进入下一组。每个 视频的 run 在阶段边界保持 RUNNING（execute_run(stop_after=节点)），下一阶段 从产物表跳过已完成节点继续，因此本地模型每组只加载一次、卸载一次，而不是每个 视频来回加载卸载；产物仍按组增量落地。LLM 阶段执行时引擎在 run 根目录写 keep_model.flag，节点据此不在每次调用后卸载模型（nodes/llm.py），阶段 结束由引擎调 release_local_model() 统一释放显存，让下一组的 ASR 拿到 GPU （否则本地模型常驻显存会让 whisper 直接 CUDA OOM）。设为 1 即回到「每个视频 跑完整链路」的旧行为。
• 失败视频不跨阶段推进：某阶段失败的视频只在它失败节点的那个阶段重试 （下一次引擎循环从断点续跑），不会在后续阶段里重跑前序节点——避免本地 LLM 已 常驻时重跑 ASR 抢显存；视频仍按既有语义记 FAILED，任务在没有其他待处理视频时 以 failed>0 收尾。
• 暂停/继续：POST /api/batch/jobs/{id}/pause 把任务置 PAUSED 并暂停当前 run（写 paused.flag；whisper 分块间检查、OCR 逐帧检查、llm-translate **按批（20 行）**检查后中止，当前节点执行完才停）；resume 恢复 QUEUED，引擎 从断点继续——PAUSED 视频的 run 显式 resume 后从产物表续跑，未开始的视频接着 处理。重启进程后 RUNNING 残留 run 由 recover_interrupted_runs 恢复，暂停的 继续处理。
• 失败容错：单个视频失败（节点失败/文件缺失）记为 FAILED，批量任务继续 处理后续视频，结束后统计 done/failed；DAG 解析/任务级异常把任务置 FAILED。 重跑保留产物（2026-08，修复 run_e2b74e89e232 实测）：FAILED 视频重新处理 时不再 reset_run 清空产物记录，而是保留已完成节点的 artifacts 恢复 QUEUED， execute_run 从产物表跳过已完成节点、只重跑失败节点——extract/ocr 等长耗时 成果不浪费；配合 llm-filter/OCR 的节点级断点存档，失败节点自身也只重判未完成 条目。前端对"部分失败"（COMPLETED 且 failed>0）用红色徽章醒目标示。
• 完成任务判定：_run_job 置 COMPLETED 前校验全部非 SKIPPED 视频都已 结束（无 PENDING/PAUSED 残留），否则把任务置回 QUEUED 交引擎下一轮续跑： 留 RUNNING 是错的——next_queued_batch_job 只拾取 QUEUED，任务会停在“运行中 但没人推进”。这条路径主要出现在任务创建与明细写入的竞态：任务行先于视频 明细写入（create_job 逐条插入），引擎可能在登记完成前就拾起任务，本轮只看到 已写入的那部分视频（实测 batch_959e510259f6：524 条明细中只看到最初 4 个非 SKIPPED 视频），剩下的留到下一轮；已登记明细全部尚未写入时（一条明细都没有） 同样保持 QUEUED，不能按空任务收尾。旧行为留下“N 个 PENDING 待处理却已完成” 的假完成（batch_969fabe74b83 等 3 个任务实测），或停在运行中无人推进。 崩溃恢复：重启时除 recover_interrupted_runs 外， recover_interrupted_batch_jobs 把 RUNNING 的批量任务恢复为 QUEUED （否则停在 RUNNING 的批量任务永远不会被 next_queued_batch_job 再次拾起， 未处理完的 PENDING 永久残留）；同一恢复也会把被提前标记 COMPLETED 但仍有 未结束视频的僵尸任务置回 QUEUED（完成标记先于视频收尾写出的旧数据， batch_351833b7d446 实测：COMPLETED/done=0 却仍有 1 个 PENDING）， 否则只靠 fix_zombie_batch_jobs.py 手动修数据，重启也不会自动诊好。
• 产物下载：GET /api/batch/jobs/{id}/videos/{vid}/download?alias=<文件名> 解析并返回视频旁的字幕文件；旧版 batch.done.json 完成标记里的语义别名 （位于旧 work_dir）仍兼容可下载。详情/创建响应里每个视频的 finals 合并上述 两处来源。
• 详情明细展示：任务列表的“详情”只列出本批实际处理过的视频行，SKIPPED （视频旁已有字幕、创建时即被跳过）不出现在明细表里；整批都已被跳过时提示 “无待处理视频”。
• 孤儿清理保护：source=batch 的运行跳过自动清理——其 run 位于私有 storage/batch/... 下，普通孤儿逻辑会误判删除，且 _remove_run 还会删除 input_uri 的父目录（用户的整个视频文件夹）。详见 代码审查问题跟踪.md。
• 删除任务：DELETE /api/batch/jobs/{id} 清理数据库记录（含关联 run）与 应用私有工作空间残留；视频旁已放置的产物属于用户数据，保留不删。
• 环境变量：WOV_BATCH_ENABLED（默认 1）、WOV_BATCH_INTERVAL_SECONDS （默认 1.0），完整列表见 configuration.md。

媒体库历史字幕重建（统计 → 备份 → 批量重跑）

模型或管线切换后，媒体库里由旧管线生成的字幕需要整批重跑。批量引擎按 “视频旁已有字幕即 SKIPPED”判定，所以重跑前必须先统计范围、再把旧字幕改名 备份，否则建出来的任务会把所有视频全部跳过。工具是 scripts/plan_regenerate_subtitles.py （不依赖仓库，可拷到媒体库主机直接跑：CIFS 挂载下逐文件 ffprobe 与 目录扫描都慢得多，在 NAS 本地跑 524 个视频只要几秒）。

生成时间的判定口径：只看本流水线产出的 CN 产物（<视频名>.CN.srt、 <视频名>.CN_dual_eye.ass），取它们最早的 mtime——双目 .ass 可能被样式 统一脚本原地改写而“变新”，中文字幕的 mtime 才是真实生成时间。

# 1) 统计：数量 / 时长 / 体积 / 按月分布，并写出逐条明细 JSON
python3 scripts/plan_regenerate_subtitles.py /vol1/1000/123 \
    --before 2026-09-01 --out data/experiments/regen_plan/plan_2026-09-01.json

# 2) 备份旧字幕（默认预览，--apply 才落盘）：改名 <原名>.old-<当天日期>
python3 scripts/plan_regenerate_subtitles.py /vol1/1000/123 --backup-old
python3 scripts/plan_regenerate_subtitles.py /vol1/1000/123 --backup-old --apply \
    --select sample10.txt          # 只处理清单里的视频，支持 # 注释

# 3) 建批量任务（批量页或 POST /api/batch/jobs）

• 备份文件名带 .old-<日期> 后缀，扩展名不再是字幕后缀，批量引擎不会再把它当 旁挂字幕；确认新字幕无误后删除备份，需要回退则去掉后缀改回原名。
• 未备份的视频仍有旁挂字幕 → 创建任务时记 SKIPPED，因此“整库建一个任务”即可， 实际只会处理被备份的那批；已重跑的视频产出新 CN 字幕（mtime 变新），全量重建 时自动归入“已是最新”，不会重复处理。
• 实测数据（380 个待重生成 / 207.88 小时；10 个样本 6.54 小时素材跑 77.7 分钟、 GPU 平均 289.6 W、约 0.375 kWh，全量推算约 41 小时 / 整机 15 kWh）见 data/experiments/regen_plan/REPORT.md。

相关文档

• 环境变量全表：configuration.md
• 产物命名与 finalization 规则：workflows.md
• 历史缺陷与修复记录：代码审查问题跟踪.md