feat: server watchdog 子命令，崩溃自动重启加信号优雅停栈

Cargo.lock

@@ -1160,7 +1160,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_builtins"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "chrono",
  "fast-float",
@@ -1185,7 +1185,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_bytecode"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "num-bigint",
  "oxide_log",
@@ -1193,7 +1193,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_cfg"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxide_bytecode",
  "oxide_emit",
@@ -1204,7 +1204,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_cli"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "ansi_term",
  "bumpalo",
@@ -1225,7 +1225,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_code_cache"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "lru",
  "oxide_bytecode",
@@ -1234,7 +1234,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_compiler"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxide_bytecode",
  "oxide_cfg",
@@ -1253,7 +1253,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_dce"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxide_bytecode",
  "oxide_cfg",
@@ -1267,7 +1267,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_emit"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "num-bigint",
  "oxc_allocator",
@@ -1282,7 +1282,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_ir"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxide_bytecode",
  "oxide_log",
@@ -1291,7 +1291,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_kernel"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "bumpalo",
  "dashmap",
@@ -1306,7 +1306,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_liveness"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxide_bytecode",
  "oxide_cfg",
@@ -1318,7 +1318,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_log"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "tracing",
  "tracing-appender",
@@ -1327,7 +1327,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_parser"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxc_allocator",
  "oxc_ast",
@@ -1342,7 +1342,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_regalloc"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxide_bytecode",
  "oxide_cfg",
@@ -1358,7 +1358,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_runtime_api"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "num-bigint",
  "num-traits",
@@ -1370,7 +1370,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_test262"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "oxide_bytecode",
  "oxide_compiler",
@@ -1387,7 +1387,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_types"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "bumpalo",
  "hashbrown 0.14.5",
@@ -1399,7 +1399,7 @@ dependencies = [
 
 [[package]]
 name = "oxide_vm"
-version = "0.8.41"
+version = "0.8.42"
 dependencies = [
  "bumpalo",
  "chrono",

Cargo.toml

@@ -22,7 +22,7 @@ members = [
 ]
 
 [workspace.package]
-version = "0.8.41"
+version = "0.8.42"
 edition = "2021"
 license = "MIT"
 rust-version = "1.80"

crates/oxide_cli/src/main.rs

@@ -2,7 +2,7 @@
 #![allow(dead_code)]
 
 use std::fs;
-use std::process::{Command, ExitCode, Stdio};
+use std::process::ExitCode;
 use std::sync::Arc;
 use std::time::{Duration, Instant};
 
@@ -15,6 +15,8 @@ use oxide_cli::server::log as server_log;
 use oxide_cli::server::protocol::{ForgeTarget, LookupResult, ServerRequest, ServerResponse};
 use oxide_cli::server::server::{run_server, run_server_rm, RmServerConfig, ServerConfig};
 use oxide_cli::server::sidecar;
+use oxide_cli::server::spawn;
+use oxide_cli::server::watchdog;
 use oxide_compiler::compiler::{compiled_module_hash, Compiler};
 use oxide_compiler::compiler_error;
 use oxide_kernel::kernel::{KernelConfig, KernelCore};
@@ -169,6 +171,12 @@ enum ServerCommands {
         #[arg(long)]
         lookup: Option<String>,
     },
+    /// 监控 server 存活并在崩溃后自动重启（前台进程，60 秒窗口 5 次崩溃即停）。
+    Watchdog {
+        /// 常驻 worker 线程数；缺省取宿主核数。
+        #[arg(long)]
+        workers: Option<u32>,
+    },
 }
 
 /// forge 查询目标（CLI 侧，映射到协议侧 `ForgeTarget`）。
@@ -281,10 +289,8 @@ fn main() -> ExitCode {
     }
 }
 
-/// server 子命令分派：start（两形态）与 cleanup 为最小实现，
+/// server 子命令分派：全部十一臂为真实实现（start 两形态、cleanup、
-/// version/status/health/info/stop/restart 六臂为真实实现，
+/// 五个控制臂、restart、log、forge、watchdog）。
-/// log 为真实实现（读 well-known 日志文件，支持 --follow/--level/--lines），
-/// forge 为真实实现（查询四张共享 forge 状态，加三行动旗标）。
 ///
 /// # 步骤
 /// 1. Start：rm 为真调独立模式入口（进程唯一路径）；foreground 为真当前进程
@@ -301,6 +307,8 @@ fn main() -> ExitCode {
 ///    `--follow` 时进入阻塞跟踪循环（详见 log_command）。
 /// 6. Forge：发 forge 查询请求（目标加三行动旗标），成功打印渲染文本退 0，
 ///    失败打印错误消息退 1。
+/// 7. Watchdog：前台监控进程，拉起 server、三态裁决、崩溃后自动重启
+///    （详见 run_watchdog）。
 ///
 /// # 边界与前提
 /// - `--idle-timeout` 不带 --rm 时静默忽略（语义门控归后续任务）。
@@ -311,6 +319,7 @@ fn main() -> ExitCode {
 ///   收领继续运行）。
 /// - cleanup 可能向 sidecar 记录的进程发 SIGTERM 并删除残留文件。
 /// - 控制臂向 server 建立并关闭一条 Unix socket 连接。
+/// - watchdog spawn 脱离的 server 子进程，崩溃后经同一入口重启。
 fn server_command(command: ServerCommands) -> ExitCode {
     match command {
         ServerCommands::Start { rm, idle_timeout, workers, foreground } => {
@@ -411,6 +420,7 @@ fn server_command(command: ServerCommands) -> ExitCode {
                 _ => None,
             })
         }
+        ServerCommands::Watchdog { workers } => watchdog::run_watchdog(workers),
     }
 }
 
@@ -484,13 +494,13 @@ fn control_arm(request: &ServerRequest, render: fn(&ServerResponse) -> Option<St
 /// - server 为脱离进程，CLI 退出后由 init 收领继续运行。
 fn start_daemon(workers: Option<u32>) -> ExitCode {
     // spawn：脱离子进程，标准流全空，不等待。
-    if let Err(err) = spawn_detached_server(workers) {
+    if let Err(err) = spawn::spawn_detached_server(workers) {
         eprintln!("{}", Red.paint(format!("spawn server 进程失败：{err}")));
         return ExitCode::FAILURE;
     }
 
     // 就绪探测：单循环全覆盖「sidecar 出现 + 健康请求通过」。
-    if let Err(msg) = wait_server_ready(Duration::from_secs(10)) {
+    if let Err(msg) = spawn::wait_server_ready(Duration::from_secs(10)) {
         eprintln!("{}", Red.paint(format!("{msg}（可用 `oxide server cleanup` 人工检查）")));
         return ExitCode::FAILURE;
     }
@@ -499,60 +509,6 @@ fn start_daemon(workers: Option<u32>) -> ExitCode {
     ExitCode::SUCCESS
 }
 
-/// spawn 脱离的前台 server 子进程（`server start --foreground`）：标准流全空，不等待。
-///
-/// # 步骤
-/// 1. 取当前可执行文件路径。
-/// 2. 构造命令 `server start --foreground` 加可选 `--workers N`。
-/// 3. 三个标准流置空并 spawn。
-///
-/// # 边界与前提
-/// - 必须带 `--foreground`：守护形态 spawn 的是前台 server 入口，不带该旗标会
-///   再次进入守护形态形成递归 spawn。
-///
-/// # 副作用
-/// - 创建脱离的子进程，调用方退出后由 init 收领继续运行。
-fn spawn_detached_server(workers: Option<u32>) -> std::io::Result<std::process::Child> {
-    let exe = std::env::current_exe()?;
-    let mut cmd = Command::new(exe);
-    cmd.args(["server", "start", "--foreground"]);
-    if let Some(n) = workers {
-        cmd.args(["--workers", &n.to_string()]);
-    }
-    cmd.stdin(Stdio::null())
-        .stdout(Stdio::null())
-        .stderr(Stdio::null())
-        .spawn()
-}
-
-/// 就绪探测：轮询健康请求直至得 healthy。
-///
-/// # 步骤
-/// 1. 循环发健康请求，得 healthy 即返回成功。
-/// 2. 超过截止返回含超时秒数的消息。
-///
-/// # 边界与前提
-/// - 控制客户端发请求前先读 sidecar 取 socket 路径，sidecar 缺失时自然走
-///   连接失败分支，「sidecar 出现」与「健康请求通过」一个循环全覆盖
-///   （socket 文件出现蕴含监听器已绑定，健康请求通过蕴含 accept 循环在运行）。
-///
-/// # 副作用
-/// - 每轮建立并关闭一条 Unix socket 连接。
-fn wait_server_ready(deadline: Duration) -> Result<(), String> {
-    let end = Instant::now() + deadline;
-    loop {
-        let ready =
-            matches!(send_control_request(&ServerRequest::Health), Ok(ServerResponse::Health { healthy: true }));
-        if ready {
-            return Ok(());
-        }
-        if Instant::now() >= end {
-            return Err(format!("server 未在 {} 秒内就绪", deadline.as_secs()));
-        }
-        std::thread::sleep(Duration::from_millis(100));
-    }
-}
-
 /// restart 子命令：向存活 server 发关闭请求，等其退出后拉起新 server 进程。
 ///
 /// # 步骤
@@ -591,13 +547,13 @@ fn restart_command() -> ExitCode {
     }
 
     // 拉起新 server：脱离进程，标准流全空，不等待。
-    if let Err(err) = spawn_detached_server(None) {
+    if let Err(err) = spawn::spawn_detached_server(None) {
         eprintln!("{}", Red.paint(format!("拉起新 server 失败：{err}")));
         return ExitCode::FAILURE;
     }
 
     // 就绪探测：健康请求通过即新 server 的监听与 accept 循环在运行。
-    if let Err(msg) = wait_server_ready(Duration::from_secs(10)) {
+    if let Err(msg) = spawn::wait_server_ready(Duration::from_secs(10)) {
         eprintln!("{}", Red.paint(format!("新 {msg}")));
         return ExitCode::FAILURE;
     }

crates/oxide_cli/src/server/mod.rs

@@ -2,14 +2,16 @@
 //!
 //! 持久 server 是常驻进程，复用预热池、近零 spawn 成本；
 //! 通信走 Unix socket + NDJSON（换行分隔 JSON）。
-//! 模块分八层：协议数据面（帧格式与 serde 结构体）、身份注册（sidecar 文件
+//! 模块分十层：协议数据面（帧格式与 serde 结构体）、身份注册（sidecar 文件
 //! 与 liveness 检查原语）、控制客户端（读 sidecar、连接 server、发控制请求
 //! 帧、读回响应帧、三分支错误）、执行请求路径（parse → compile → spawn →
 //! run → format → drop 六段纯函数）、worker 池（固定 N 常驻 worker、各持
 //! 自有 VM 池、mpsc 轮询路由）、server 进程主体（accept 循环、控制请求直接
 //! 处理、执行请求路由、优雅退出）、日志读取（行级别解析、阈值加最后 N 行
 //! 过滤、阻塞式跟踪）、forge 状态查询（读四张共享 forge 条目数与容量、执行
-//! gc / clear-cache / lookup 三旗标）。
+//! gc / clear-cache / lookup 三旗标）、spawn 与就绪探测（start、restart、
+//! watchdog 三条路径共用的唯一共享入口）、watchdog（前台监控进程、三态裁决
+//! 加崩溃预算、崩溃后自动重启）。
 
 /// 人工兜底清理命令：扫 sidecar、探活、杀 PID、删孤儿文件。
 pub mod cleanup;
@@ -34,5 +36,9 @@ pub mod protocol;
 pub mod server;
 /// 身份注册：sidecar 文件、liveness 检查与陈旧清理。
 pub mod sidecar;
+/// spawn 与就绪探测：start、restart、watchdog 三条路径共用的唯一共享入口。
+pub mod spawn;
 /// worker 池：固定 N 常驻 worker、各持自有 VM 池、mpsc 轮询路由。
 pub mod workers;
+/// watchdog：前台监控进程，三态裁决加崩溃预算，崩溃后自动重启。
+pub mod watchdog;

crates/oxide_cli/src/server/spawn.rs

@@ -0,0 +1,65 @@
+//! spawn 与就绪探测：拉起脱离 server 与就绪探测的唯一共享入口。
+//!
+//! start、restart、watchdog 三条路径共用本模块的同一对函数，不另起第二套
+//! spawn 逻辑。`current_exe()` 在 lib 上下文与二进制目标返回同一路径（lib
+//! 链接进同一个 oxide 二进制），spawn 行为逐字节不变。
+
+use std::process::{Command, Stdio};
+use std::time::{Duration, Instant};
+
+use super::client::send_control_request;
+use super::protocol::{ServerRequest, ServerResponse};
+
+/// spawn 脱离的前台 server 子进程（`server start --foreground`）：标准流全空，不等待。
+///
+/// # 步骤
+/// 1. 取当前可执行文件路径。
+/// 2. 构造命令 `server start --foreground` 加可选 `--workers N`。
+/// 3. 三个标准流置空并 spawn。
+///
+/// # 边界与前提
+/// - 必须带 `--foreground`：守护形态 spawn 的是前台 server 入口，不带该旗标会
+///   再次进入守护形态形成递归 spawn。
+///
+/// # 副作用
+/// - 创建脱离的子进程，调用方退出后由 init 收领继续运行。
+pub fn spawn_detached_server(workers: Option<u32>) -> std::io::Result<std::process::Child> {
+    let exe = std::env::current_exe()?;
+    let mut cmd = Command::new(exe);
+    cmd.args(["server", "start", "--foreground"]);
+    if let Some(n) = workers {
+        cmd.args(["--workers", &n.to_string()]);
+    }
+    cmd.stdin(Stdio::null())
+        .stdout(Stdio::null())
+        .stderr(Stdio::null())
+        .spawn()
+}
+
+/// 就绪探测：轮询健康请求直至得 healthy。
+///
+/// # 步骤
+/// 1. 循环发健康请求，得 healthy 即返回成功。
+/// 2. 超过截止返回含超时秒数的消息。
+///
+/// # 边界与前提
+/// - 控制客户端发请求前先读 sidecar 取 socket 路径，sidecar 缺失时自然走
+///   连接失败分支，「sidecar 出现」与「健康请求通过」一个循环全覆盖
+///   （socket 文件出现蕴含监听器已绑定，健康请求通过蕴含 accept 循环在运行）。
+///
+/// # 副作用
+/// - 每轮建立并关闭一条 Unix socket 连接。
+pub fn wait_server_ready(deadline: Duration) -> Result<(), String> {
+    let end = Instant::now() + deadline;
+    loop {
+        let ready =
+            matches!(send_control_request(&ServerRequest::Health), Ok(ServerResponse::Health { healthy: true }));
+        if ready {
+            return Ok(());
+        }
+        if Instant::now() >= end {
+            return Err(format!("server 未在 {} 秒内就绪", deadline.as_secs()));
+        }
+        std::thread::sleep(Duration::from_millis(100));
+    }
+}

crates/oxide_cli/src/server/watchdog.rs

@@ -0,0 +1,374 @@
+//! watchdog：持久 server 的前台监控进程，崩溃后自动重启。
+//!
+//! 关键约定：
+//! - release 模式 `panic=abort` 使 `catch_unwind` 失效，server 崩溃后进程直接
+//!   消亡、文件残留，watchdog 是崩溃后恢复的唯一自动手段。
+//! - 裁决信号取自既有工件加子进程收领：子进程是监控对象时，其退出状态是
+//!   死亡的权威信号（被杀的子进程是僵尸，PID 探活对僵尸误判活）；子进程在
+//!   认领阶段被拒时监控对象是既有 server，按 sidecar 存在性、PID 与启动时
+//!   刻度（liveness 原语，排 PID 复用误判）三信号裁决；日志文件（跨重启的
+//!   诊断工件）供崩溃诊断打印。
+//! - watchdog 自身不注册身份、不写任何文件；watchdog 消亡后无人自动恢复
+//!   （纯标准库轮询进程，不建内核、不建池、不执行引擎代码，崩溃风险极低；
+//!   server 是脱离进程，watchdog 退出或消亡都不影响 server 运行），人工重跑
+//!   `oxide server watchdog` 即接管（就绪探测看到存活 server 即接管监控）。
+//! - SIGINT/SIGTERM 时先尽力向 server 发关闭请求（优雅退出、删文件）再退 0
+//!   ——停 watchdog 的语义是「停掉整个监控栈」，不留下无人监控的 server。
+
+use std::path::Path;
+use std::process::{ExitCode, ExitStatus};
+use std::sync::atomic::{AtomicBool, Ordering};
+use std::sync::Arc;
+use std::time::{Duration, Instant};
+
+use super::client::send_control_request;
+use super::log as server_log;
+use super::protocol::ServerRequest;
+use super::sidecar::{self, ServerIdentity};
+use super::spawn::{spawn_detached_server, wait_server_ready};
+
+/// 监控循环轮询间隔：500 毫秒（与日志跟踪的轮询间隔同值）。
+const POLL_INTERVAL: Duration = Duration::from_millis(500);
+
+/// 崩溃重启退避时长：1 秒。
+const CRASH_BACKOFF: Duration = Duration::from_secs(1);
+
+/// 崩溃预算窗口：60 秒。
+const CRASH_WINDOW: Duration = Duration::from_secs(60);
+
+/// 崩溃预算上限：窗口内 5 次崩溃。
+const CRASH_LIMIT: usize = 5;
+
+/// 崩溃诊断打印的日志尾部行数：20 行。
+const CRASH_LOG_LINES: usize = 20;
+
+/// 就绪探测截止：10 秒（与 start / restart 路径同值）。
+const READY_DEADLINE: Duration = Duration::from_secs(10);
+
+/// server 状态三态：存活、崩溃、已退出。
+#[derive(Debug, Clone, Copy, PartialEq, Eq)]
+pub enum WatchState {
+    /// 存活：PID 活且启动时刻刻度与 sidecar 记录匹配。
+    Alive,
+    /// 崩溃：sidecar 残留且 PID 死，或 PID 活但刻度失配（PID 已被复用）。
+    Crash,
+    /// 已退出：sidecar 消失（优雅退出序列的最后删除项，或外部清理）。
+    Exited,
+}
+
+/// 裁决表：sidecar 可读性、PID 存活、刻度匹配三信号映射三态。
+///
+/// # 边界与前提
+/// - 纯函数无 I/O，信号由调用方采集（与 cleanup 的 decide 同型）。
+pub fn decide(identity: Option<&ServerIdentity>, pid_alive: bool, starttime_match: bool) -> WatchState {
+    match identity {
+        None => WatchState::Exited,
+        Some(_) if !pid_alive => WatchState::Crash,
+        Some(_) if starttime_match => WatchState::Alive,
+        Some(_) => WatchState::Crash,
+    }
+}
+
+/// 崩溃预算：`window` 滑动窗口内至多 `limit` 次崩溃，超出即放弃自动重启。
+///
+/// 窗口语义：窗口内崩溃次数超过上限即判 server 不稳定，继续重启只会空转
+/// （典型场景：二进制损坏导致每次启动即崩溃，但每次都通过了就绪探测）。
+#[derive(Debug)]
+pub struct CrashBudget {
+    window: Duration,
+    limit: usize,
+    times: Vec<Instant>,
+}
+
+impl CrashBudget {
+    /// 默认预算：60 秒窗口、5 次崩溃。
+    pub fn new() -> Self {
+        Self::with(CRASH_WINDOW, CRASH_LIMIT)
+    }
+
+    /// 指定窗口与上限构造预算（生产取默认值，测试注入短窗口）。
+    pub fn with(window: Duration, limit: usize) -> Self {
+        CrashBudget {
+            window,
+            limit,
+            times: Vec::new(),
+        }
+    }
+
+    /// 记录一次崩溃：清掉窗口外条目后追加，返回预算是否耗尽。
+    ///
+    /// # 边界与前提
+    /// - 耗尽是幂等的：耗尽后继续记录仍返回耗尽。
+    pub fn record(&mut self, now: Instant) -> bool {
+        self.times.retain(|t| now.duration_since(*t) <= self.window);
+        self.times.push(now);
+        self.times.len() > self.limit
+    }
+}
+
+impl Default for CrashBudget {
+    fn default() -> Self {
+        Self::new()
+    }
+}
+
+/// watchdog 主循环：拉起 server、就绪探测、监控循环、崩溃重启、信号退出。
+///
+/// # 步骤
+/// 1. 注册 ctrlc 处理器置位停止标志（SIGINT/SIGTERM，termination 特性）。
+///    须在初始 spawn 之前注册：sidecar 出现早于 socket 绑定，外部信号可能
+///    在就绪探测期间到达，处理器未就位时走默认终止行为。
+/// 2. 初始 spawn（共享入口）加就绪探测（10 秒），失败打印退 1；成功打印
+///    监控开始标记行（外部崩溃模拟与信号在此之后才安全）。
+/// 3. 监控循环（500 毫秒间隔）：停止标志置位即转优雅关闭；收领子进程
+///    （被杀的子进程是僵尸，PID 探活对僵尸误判活，子进程退出状态是死亡的
+///    权威信号）；子进程即监控对象时按其存活判 Alive、已退出按 sidecar
+///    残留判 Crash；子进程在认领阶段被拒时监控对象是既有 server，按 decide
+///    三信号裁决；sidecar 连续两次（1 秒）判缺失即 server 已正常退出、退 0。
+/// 4. 崩溃处理：打印崩溃提示（含进程号）、读日志文件最后 20 行打印、记预算
+///    （耗尽则打印放弃提示退 1）、退避 1 秒、经同一 spawn 入口重启加就绪
+///    探测（失败打印退 1）、继续循环。
+/// 5. 优雅关闭：尽力发关闭请求（忽略错误，server 可能已死），打印退 0。
+///
+/// # 边界与前提
+/// - sidecar 缺失须连续两次轮询（1 秒）确认才判 Exited：新 server 的认领
+///   路径先删旧 sidecar 再重写，删除与重写之间是微秒级窗口，单次轮询落入
+///   窗口会误判「server 已正常退出」而静默退出、留下无人监控的 server；
+///   两次确认把该窗口压到实际不可达。
+/// - 已有存活 server 时再跑 watchdog：spawn 的子进程在认领阶段被拒（同版本
+///   判 `AlreadyRunning`，退 1、不触碰文件），就绪探测看到第一个 server 即
+///   通过，watchdog 监控的是第一个 server（与双启动幂等同一语义，天然安全）。
+/// - 新 server 启动即崩溃（绑定前消亡、sidecar 从未出现）：就绪探测 10 秒
+///   超时后 watchdog 退 1（自限，不形成无限循环），消息带 `oxide server
+///   cleanup` 人工检查提示。
+///
+/// # 副作用
+/// - spawn 脱离的 server 子进程；崩溃后经同一入口重启。
+/// - SIGINT/SIGTERM 时尽力向 server 发关闭请求。
+pub fn run_watchdog(workers: Option<u32>) -> ExitCode {
+    // 先注册信号处理器：信号到达时置位停止标志（处理器体只做一次原子写）。
+    // 须在初始 spawn 之前注册：sidecar 出现早于 socket 绑定，外部信号可能
+    // 在就绪探测期间到达，处理器未就位时 SIGINT 走默认终止行为。
+    let stop = Arc::new(AtomicBool::new(false));
+    let flag = Arc::clone(&stop);
+    if let Err(err) = ctrlc::set_handler(move || {
+        flag.store(true, Ordering::SeqCst);
+    }) {
+        eprintln!("注册信号处理器失败：{err}");
+        return ExitCode::FAILURE;
+    }
+
+    // 初始 spawn 与就绪探测：失败即退 1，不进入监控循环。
+    let mut child = match spawn_detached_server(workers) {
+        Ok(child) => child,
+        Err(err) => {
+            eprintln!("spawn server 进程失败：{err}");
+            return ExitCode::FAILURE;
+        }
+    };
+    if let Err(msg) = wait_server_ready(READY_DEADLINE) {
+        eprintln!("{msg}（可用 `oxide server cleanup` 人工检查）");
+        return ExitCode::FAILURE;
+    }
+    // 初始就绪探测通过：外部信号（崩溃模拟、SIGINT）在此之后才安全，
+    // 该行同时是监控循环开始的标记。
+    println!("server 已就绪，watchdog 开始监控");
+
+    let mut budget = CrashBudget::new();
+    let sidecar_path = sidecar::well_known_sidecar_path();
+    let log_path = sidecar::well_known_log_path();
+    let mut missing_streak = 0usize;
+    // 子进程退出状态：收领后只记一次（try_wait 收领后不再重复出状态）。
+    let mut child_exited: Option<ExitStatus> = None;
+
+    loop {
+        // 停止标志置位：转优雅关闭（尽力停 server，退 0）。
+        if stop.load(Ordering::SeqCst) {
+            return graceful_stop();
+        }
+        std::thread::sleep(POLL_INTERVAL);
+
+        // 收领子进程：子进程是监控对象时，其退出状态是死亡的权威信号
+        // （被杀的子进程是僵尸，kill -0 对僵尸返回活，PID 探活会误判）。
+        if child_exited.is_none() {
+            if let Some(status) = child.try_wait().ok().flatten() {
+                child_exited = Some(status);
+            }
+        }
+
+        // 读 sidecar 采集信号：缺失要连续两次确认（认领路径的删旧写新窗口
+        // 是微秒级，单次轮询落入窗口会误判正常退出）。
+        let identity = sidecar::read_identity(&sidecar_path);
+        let state = match &identity {
+            None => {
+                missing_streak += 1;
+                if missing_streak >= 2 {
+                    println!("server 已正常退出，watchdog 退出");
+                    return ExitCode::SUCCESS;
+                }
+                continue;
+            }
+            Some(id) => {
+                missing_streak = 0;
+                if id.pid == child.id() {
+                    // 子进程即监控对象：存活判 Alive，已退出按 sidecar 残留
+                    // 区分崩溃与正常退出。
+                    match child_exited {
+                        Some(_) => WatchState::Crash,
+                        None => WatchState::Alive,
+                    }
+                } else {
+                    // 子进程在认领阶段被拒（已有存活 server）：监控对象是
+                    // 既有 server，按三信号裁决。
+                    let pid_alive = sidecar::pid_alive(id.pid);
+                    let starttime_match = sidecar::process_starttime(id.pid) == Some(id.starttime);
+                    decide(Some(id), pid_alive, starttime_match)
+                }
+            }
+        };
+
+        match state {
+            WatchState::Alive => {}
+            WatchState::Crash => {
+                // 崩溃处理：诊断打印、记预算、退避、经同一入口重启。
+                // 崩溃态下 sidecar 必可读（Crash 只从 Some 分支产生），进程号
+                // 取 sidecar 记录；读不到时以 0 占位（防御性兜底，不 panic）。
+                let pid = identity.as_ref().map(|id| id.pid).unwrap_or(0);
+                println!("server 已崩溃（进程号 {pid}），准备重启");
+                print_crash_log_tail(&log_path);
+                if budget.record(Instant::now()) {
+                    eprintln!(
+                        "崩溃预算耗尽（{} 秒窗口内 {} 次崩溃），放弃自动重启，可用 `oxide server cleanup` 检查",
+                        CRASH_WINDOW.as_secs(),
+                        CRASH_LIMIT
+                    );
+                    return ExitCode::FAILURE;
+                }
+                std::thread::sleep(CRASH_BACKOFF);
+                match spawn_detached_server(workers) {
+                    Ok(new_child) => {
+                        child = new_child;
+                        child_exited = None;
+                    }
+                    Err(err) => {
+                        eprintln!("重启 server 失败：{err}");
+                        return ExitCode::FAILURE;
+                    }
+                }
+                if let Err(msg) = wait_server_ready(READY_DEADLINE) {
+                    eprintln!("新 {msg}（可用 `oxide server cleanup` 人工检查）");
+                    return ExitCode::FAILURE;
+                }
+                // 重启就绪探测通过：新 server 已可服务，外部操作（关闭请求）
+                // 在此之后才安全；该行与初始标记同文，是监控循环恢复的标记。
+                println!("server 已就绪，watchdog 开始监控");
+            }
+            WatchState::Exited => {
+                // 防御性兜底：sidecar 缺失分支已两次确认后返回，到达此处即
+                // 信号采集与裁决不一致。
+                println!("server 已正常退出，watchdog 退出");
+                return ExitCode::SUCCESS;
+            }
+        }
+    }
+}
+
+/// 打印日志文件最后 20 行（崩溃诊断）；文件缺失或为空不视为错误。
+///
+/// # 边界与前提
+/// - server 可能在写日志前就崩了，空日志与缺失文件都只跳过打印。
+fn print_crash_log_tail(log_path: &Path) {
+    let lines = server_log::read_log(log_path, None, Some(CRASH_LOG_LINES)).unwrap_or_default();
+    if lines.is_empty() {
+        return;
+    }
+    println!("日志尾部（最后 {CRASH_LOG_LINES} 行）：");
+    for line in lines {
+        println!("{line}");
+    }
+}
+
+/// 优雅关闭：尽力向 server 发关闭请求（忽略错误，server 可能已死），打印退 0。
+fn graceful_stop() -> ExitCode {
+    let _ = send_control_request(&ServerRequest::Shutdown);
+    println!("server 已停止，watchdog 退出");
+    ExitCode::SUCCESS
+}
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    /// 测试身份：字段为占位值（decide 只看 Option 与两个布尔信号）。
+    fn test_identity() -> ServerIdentity {
+        ServerIdentity {
+            pid: 1,
+            socket_path: "/tmp/oxide-test.sock".into(),
+            version: "0.0.0".into(),
+            started_at: 0,
+            starttime: 0,
+        }
+    }
+
+    /// decide 四行裁决表：sidecar 缺失判 Exited、PID 死判 Crash、PID 活刻度
+    /// 匹配判 Alive、PID 活刻度失配判 Crash。
+    #[test]
+    fn decide_four_row_table() {
+        let id = test_identity();
+        assert_eq!(decide(None, false, false), WatchState::Exited, "sidecar 缺失应判 Exited");
+        assert_eq!(decide(Some(&id), false, false), WatchState::Crash, "PID 死应判 Crash");
+        assert_eq!(decide(Some(&id), true, true), WatchState::Alive, "PID 活刻度匹配应判 Alive");
+        assert_eq!(decide(Some(&id), true, false), WatchState::Crash, "PID 活刻度失配应判 Crash");
+    }
+
+    /// 预算窗口语义：上限内未耗尽，窗口外条目被清后不再算入。
+    #[test]
+    fn budget_window_expiry() {
+        let mut budget = CrashBudget::with(Duration::from_millis(100), 2);
+        let t0 = Instant::now();
+        assert!(!budget.record(t0), "首次记录不应耗尽");
+        assert!(!budget.record(t0), "窗口内未超上限不应耗尽");
+        // 窗口过期后旧条目被清：新记录不再与旧条目叠加。
+        std::thread::sleep(Duration::from_millis(150));
+        let t1 = t0 + Duration::from_millis(150);
+        assert!(!budget.record(t1), "窗口外条目应被清，不应耗尽");
+    }
+
+    /// 第 6 次崩溃判耗尽（默认窗口 5 次上限）。
+    #[test]
+    fn budget_exhausted_on_sixth() {
+        let mut budget = CrashBudget::new();
+        let start = Instant::now();
+        for _ in 0..CRASH_LIMIT {
+            assert!(!budget.record(start), "上限内不应耗尽");
+        }
+        assert!(budget.record(start), "第 6 次应判耗尽");
+    }
+
+    /// 预算耗尽后的 record 仍返回耗尽（幂等）。
+    #[test]
+    fn budget_exhausted_is_idempotent() {
+        let mut budget = CrashBudget::with(Duration::from_secs(60), 2);
+        let start = Instant::now();
+        budget.record(start);
+        budget.record(start);
+        assert!(budget.record(start), "第 3 次应判耗尽");
+        assert!(budget.record(start), "耗尽后 record 应仍返回耗尽");
+    }
+
+    /// 记录时刻单调推进时窗口滑动：仅窗口内条目计入。
+    #[test]
+    fn budget_sliding_window_counts_only_in_window() {
+        let mut budget = CrashBudget::with(Duration::from_millis(100), 3);
+        let t0 = Instant::now();
+        budget.record(t0);
+        budget.record(t0);
+        std::thread::sleep(Duration::from_millis(150));
+        let t1 = t0 + Duration::from_millis(150);
+        // 窗口外旧条目被清：窗口内 3 条恰达上限不耗尽，第 4 条耗尽。
+        for _ in 0..3 {
+            assert!(!budget.record(t1), "窗口内未超上限不应耗尽");
+        }
+        assert!(budget.record(t1), "窗口内第 4 条应判耗尽");
+    }
+}

crates/oxide_cli/tests/server_cli.rs

@@ -1,16 +1,18 @@
 //! server CLI 集成测试：真实二进制的分派面（help 列子命令、无 server 时
-//! 控制臂与 forge 退 1、cleanup 幂等、start 与 restart 端到端、forge 端到端）。
+//! 控制臂与 forge 退 1、cleanup 幂等、start 与 restart 端到端、forge 端到端、
+//! watchdog 崩溃自动重启与 SIGINT 优雅停 server）。
 //!
-//! start / restart 端到端与 cleanup 走 well-known 全局路径（每用户单例）：
+//! start / restart / watchdog 端到端与 cleanup 走 well-known 全局路径
-//! 测试先探活，socket 存活即 panic 不抢占存活 server；三枚触碰全局路径的
+//! （每用户单例）：测试先探活，socket 存活即 panic 不抢占存活 server；
-//! 测试经同一把锁串行，避免相互干扰。
+//! 触碰全局路径的测试经同一把锁串行，避免相互干扰。
 
-use std::io::{BufReader, Write};
+use std::io::{BufRead, BufReader, Write};
 use std::os::unix::net::UnixStream;
 use std::process::{Command, Output};
 use std::sync::Mutex;
 use std::time::{Duration, Instant};
 
+use oxide_cli::server::client::send_control_request;
 use oxide_cli::server::protocol::{self, FrameReader, ServerRequest, ServerResponse};
 use oxide_cli::server::sidecar;
 
@@ -25,6 +27,31 @@ fn oxide(args: &[&str]) -> Output {
         .expect("failed to run oxide")
 }
 
+/// 向进程发信号（与 sidecar liveness 探活同一 `kill` 二进制路径）。
+fn kill_process(pid: u32, signal: &str) {
+    Command::new("kill")
+        .args([signal, &pid.to_string()])
+        .status()
+        .expect("发送信号应成功");
+}
+
+/// 轮询健康请求直至得 healthy（100 毫秒间隔、给定截止）。
+///
+/// sidecar 出现早于 socket 绑定与池预热，不能直接作为就绪信号；watchdog
+/// 的初始就绪探测与测试的崩溃模拟都以健康请求通过为界。
+fn wait_for_healthy(deadline: Duration) {
+    let end = Instant::now() + deadline;
+    loop {
+        let ready =
+            matches!(send_control_request(&ServerRequest::Health), Ok(ServerResponse::Health { healthy: true }));
+        if ready {
+            return;
+        }
+        assert!(Instant::now() < end, "server 应在有界时间内就绪");
+        std::thread::sleep(Duration::from_millis(100));
+    }
+}
+
 /// 发送请求帧并读回一帧响应。
 fn send_and_recv(stream: &mut UnixStream, request: &ServerRequest) -> ServerResponse {
     stream
@@ -35,7 +62,7 @@ fn send_and_recv(stream: &mut UnixStream, request: &ServerRequest) -> ServerResp
     protocol::parse_response(&frame).expect("响应帧解析应成功")
 }
 
-/// help 列全部十个子命令。
+/// help 列全部十一个子命令。
 #[test]
 fn server_help_lists_subcommands() {
     let output = oxide(&["server", "--help"]);
@@ -43,6 +70,7 @@ fn server_help_lists_subcommands() {
     let stdout = String::from_utf8_lossy(&output.stdout);
     for name in [
         "start", "stop", "status", "health", "info", "version", "cleanup", "restart", "log", "forge",
+        "watchdog",
     ] {
         assert!(stdout.contains(name), "help 应列出 {name}：{stdout}");
     }
@@ -432,3 +460,152 @@ fn server_forge_e2e() {
     assert!(!socket.exists(), "socket 文件应被删除");
     assert!(!sidecar_path.exists(), "sidecar 文件应被删除");
 }
+
+/// watchdog 端到端：拉起 watchdog 前台进程（其拉起 server），`kill -9` 模拟
+/// 崩溃，断言 watchdog 自动重启（新 sidecar 进程号不同、新 server 健康），
+/// 关闭后 watchdog 退 0 且 stdout 含崩溃提示与日志尾部。
+#[test]
+fn server_watchdog_e2e() {
+    let _guard = WELL_KNOWN_LOCK.lock().expect("全局路径锁不应中毒");
+    let socket = sidecar::well_known_socket_path();
+    let sidecar_path = sidecar::well_known_sidecar_path();
+
+    // 探活先行：存活 server 占用全局路径时 panic，不抢占。
+    assert!(!sidecar::is_server_alive(&socket), "存活 server 占用 well-known 路径，测试不抢占");
+
+    // 拉起 watchdog 前台进程（stdout 管道捕获崩溃诊断输出）。
+    let mut child = Command::new(env!("CARGO_BIN_EXE_oxide"))
+        .args(["server", "watchdog", "--workers", "2"])
+        .stdout(std::process::Stdio::piped())
+        .spawn()
+        .expect("oxide server watchdog 应可启动");
+
+    // 后台线程消费 stdout 收集全部行，见到「开始监控」标记行即通知：
+    // 该标记行蕴含 watchdog 已越过初始就绪探测，崩溃模拟在此之后进行
+    // 才不与初始探测窗口竞争（预热期间杀 server 会让探测超时退 1、不重启）。
+    let stdout_pipe = child.stdout.take().expect("stdout 管道应可取");
+    let (monitoring_tx, monitoring_rx) = std::sync::mpsc::channel::<()>();
+    let out_handle = std::thread::spawn(move || {
+        let mut reader = BufReader::new(stdout_pipe);
+        let mut lines = Vec::new();
+        let mut line = String::new();
+        loop {
+            line.clear();
+            if reader.read_line(&mut line).unwrap_or(0) == 0 {
+                break;
+            }
+            lines.push(line.clone());
+            if line.contains("watchdog 开始监控") {
+                let _ = monitoring_tx.send(());
+            }
+        }
+        lines
+    });
+
+    // 轮询 sidecar 出现（10 秒截止）判 server 已启动。
+    let deadline = Instant::now() + Duration::from_secs(10);
+    while sidecar::read_identity(&sidecar_path).is_none() {
+        assert!(Instant::now() < deadline, "sidecar 未出现");
+        std::thread::sleep(Duration::from_millis(50));
+    }
+    let first_id = sidecar::read_identity(&sidecar_path).expect("读 sidecar 应成功");
+
+    // 等 watchdog 越过初始就绪探测进入监控循环（30 秒截止）。
+    monitoring_rx
+        .recv_timeout(Duration::from_secs(30))
+        .expect("watchdog 应在有界时间内进入监控循环");
+
+    // 模拟崩溃：kill -9（文件残留、无退出序列，与 panic=abort 消亡等价）。
+    kill_process(first_id.pid, "-9");
+
+    // 轮询新 sidecar 出现且进程号不同（30 秒截止、50 毫秒间隔）判 watchdog
+    // 已重启。
+    let deadline = Instant::now() + Duration::from_secs(30);
+    let second_id = loop {
+        if let Some(id) = sidecar::read_identity(&sidecar_path) {
+            if id.pid != first_id.pid {
+                break id;
+            }
+        }
+        assert!(Instant::now() < deadline, "watchdog 应在有界时间内重启 server");
+        std::thread::sleep(Duration::from_millis(50));
+    };
+
+    // 等 watchdog 越过重启就绪探测（30 秒截止）：关闭请求发给探测完成前的
+    // 新 server 会让它优雅退出、删 sidecar，与 watchdog 的重启探测竞争
+    // （探测超时退 1、不重启）。
+    monitoring_rx
+        .recv_timeout(Duration::from_secs(30))
+        .expect("watchdog 应在有界时间内完成重启探测");
+
+    // 连接新 server：健康请求得 healthy。
+    let mut stream = UnixStream::connect(&socket).expect("连接新 server 应成功");
+    match send_and_recv(&mut stream, &ServerRequest::Health) {
+        ServerResponse::Health { healthy } => assert!(healthy, "新 server 应健康"),
+        other => panic!("应得 Health 帧，实得 {other:?}"),
+    }
+
+    // 发关闭请求得确认帧，轮询 sidecar 消失（watchdog 判 Exited 退 0）。
+    let response = send_and_recv(&mut stream, &ServerRequest::Shutdown);
+    assert!(matches!(response, ServerResponse::Shutdown), "应得关闭确认帧：{response:?}");
+    drop(stream);
+    let deadline = Instant::now() + Duration::from_secs(30);
+    while sidecar_path.exists() {
+        assert!(Instant::now() < deadline, "server 应在有界时间内退出");
+        std::thread::sleep(Duration::from_millis(50));
+    }
+
+    // 等 watchdog 子进程退出断言退出码 0，收集 stdout 断言含崩溃提示与日志尾部。
+    let status = child.wait().expect("等待 watchdog 应成功");
+    assert_eq!(status.code(), Some(0), "watchdog 应以退出码 0 退出：{status:?}");
+    let lines = out_handle.join().expect("stdout 读取线程应可汇合");
+    let stdout = lines.join("");
+    assert!(stdout.contains("server 已崩溃"), "watchdog 应打印崩溃提示：{stdout}");
+    assert!(stdout.contains("日志尾部"), "watchdog 应打印日志尾部：{stdout}");
+    assert_ne!(second_id.pid, first_id.pid, "重启后的 server 进程号应不同");
+}
+
+/// watchdog SIGINT：拉起 watchdog 前台进程后向其发 SIGINT，断言 watchdog 退 0、
+/// sidecar 消失、server 进程已退出（停 watchdog 即优雅停 server）。
+#[test]
+fn server_watchdog_sigint_stops_server() {
+    let _guard = WELL_KNOWN_LOCK.lock().expect("全局路径锁不应中毒");
+    let socket = sidecar::well_known_socket_path();
+    let sidecar_path = sidecar::well_known_sidecar_path();
+
+    // 探活先行：存活 server 占用全局路径时 panic，不抢占。
+    assert!(!sidecar::is_server_alive(&socket), "存活 server 占用 well-known 路径，测试不抢占");
+
+    // 拉起 watchdog 前台进程。
+    let mut child = Command::new(env!("CARGO_BIN_EXE_oxide"))
+        .args(["server", "watchdog", "--workers", "2"])
+        .spawn()
+        .expect("oxide server watchdog 应可启动");
+
+    // 轮询 sidecar 出现（10 秒截止）判 server 已启动。
+    let deadline = Instant::now() + Duration::from_secs(10);
+    while sidecar::read_identity(&sidecar_path).is_none() {
+        assert!(Instant::now() < deadline, "sidecar 未出现");
+        std::thread::sleep(Duration::from_millis(50));
+    }
+    let id = sidecar::read_identity(&sidecar_path).expect("读 sidecar 应成功");
+
+    // 等健康请求通过判 server 就绪：watchdog 已越过初始就绪探测进入监控
+    // 循环，SIGINT 的优雅关闭请求发给已就绪的 server 即被处理。
+    wait_for_healthy(Duration::from_secs(60));
+
+    // 向 watchdog 发 SIGINT。
+    kill_process(child.id(), "-INT");
+
+    // 等 watchdog 退出断言退出码 0。
+    let status = child.wait().expect("等待 watchdog 应成功");
+    assert_eq!(status.code(), Some(0), "watchdog 应以退出码 0 退出：{status:?}");
+
+    // server 被优雅停止：sidecar 消失、进程已退出。
+    let deadline = Instant::now() + Duration::from_secs(30);
+    while sidecar_path.exists() {
+        assert!(Instant::now() < deadline, "server 应在有界时间内退出");
+        std::thread::sleep(Duration::from_millis(50));
+    }
+    assert!(!sidecar::pid_alive(id.pid), "server 进程应已退出");
+}