5  落とし穴 2:無限ループ

元のプロジェクトでは、前章の対策の途中で、照明に赤外線を送り続ける 事故を起こしました。照明は点いたり消えたりを繰り返し、最後は ESP32 の USB ケーブルを抜いて止めました。 この章では、同じ事故を仮想デバイスで安全に再現し、原因と防ぎ方を学びます。

警告再現の前に

仮想デバイスには 安全装置(--max-exec、既定 10 回)があり、送信がその回数に達すると自分で止まります。それでも、止まった後は必ず 緊急停止(send.py stop)を実行してください。

5.1 原因はひとつの規則

第 1 章の規則 5 を思い出してください。

更新を受け付けた後、delta が空でなければ、delta 全体をデバイスに配信 する。これは reported の更新でも、関係ないフィールドの更新でも 起こる

つまり、デバイスが書き戻した後も desired と reported が食い違っていると、その書き戻し自体がきっかけになって、同じ delta がもう一度届きます。 デバイスがそれをまた実行し、また書き戻し、また届く ―― これが無限ループです。

sequenceDiagram
  participant S as Shadow
  participant D as デバイス
  S-->>D: delta {sendSlot: "5-100"}
  Note over D: 照明に送信(点灯)
  D->>S: reported {sendSlot: null}
  Note over S: reported から sendSlot が消える<br>→ まだ食い違っている
  S-->>D: delta {sendSlot: "5-100"}(再配信)
  Note over D: 照明に送信(消灯)
  D->>S: reported {sendSlot: null}
  S-->>D: delta {sendSlot: "5-100"}(再配信)
  Note over D: …… 続く

5.2 4 つの書き戻し方を試す

仮想デバイスの --bug で、元のプロジェクトで実際に試して失敗した書き戻し方を再現できます(バグ再現モードでは、当時と同じく重複チェックも外れます)。

5.2.1 null で書き戻す(--bug null)

「処理したら sendSlot は要らないので消そう」という発想です。

python device/virtual_device.py --bug null    # ターミナル A
python device/send.py slot 5                  # ターミナル C
[   5.3s] delta 受信(push): {"sendSlot": "5-1791382600466"}
[   5.3s]   >>> 赤外線送信 #1: スロット 5「照明 トグル」
[   5.3s]   <<< reported 更新: {"sendSlot": null}
[   5.4s] delta 受信(push): {"sendSlot": "5-1791382600466"}
[   5.4s]   >>> 赤外線送信 #2: スロット 5「照明 トグル」
[   5.4s]   <<< reported 更新: {"sendSlot": null}
  …(中略)…
[   5.7s]   >>> 赤外線送信 #8: スロット 5「照明 トグル」
[   5.7s] !!! 安全装置: 送信が 8 回に達したので停止します。

0.4 秒で 8 回 送信しました(--max-exec 8 で実行)。null は「フィールドの削除」なので、reported から sendSlot が消え、desired との食い違いがかえって確定します。

5.2.2 型を変えて書き戻す(--bug number)

Lambda は cmdId を 文字列("1791382616543")で送るのに、デバイスが 数値(1791382616543)で書き戻した場合です。

python device/virtual_device.py --bug number
python device/send.py ac --power on
[   5.3s] delta 受信(push): {"power": true, "cmdId": "1791382616543"}
[   5.3s]   >>> 赤外線送信 #1: エアコン {...}
[   5.3s]   <<< reported 更新: {"power": true, ..., "cmdId": 1791382616543}
[   5.3s] delta 受信(push): {"cmdId": "1791382616543"}
[   5.3s]   >>> 赤外線送信 #2: エアコン {...}
  …(0.4 秒で 8 回)…

見た目は同じ数字ですが、型が違うと別の値 です。C++ で JSON を文字列連結で組み立てると、ダブルクォートを付け忘れるだけでこれが起こります。

5.2.3 書き戻さない(--bug nowrite)

[   5.2s] delta 受信(push): {"sendSlot": "5-1791382638632"}
[   5.2s]   >>> 赤外線送信 #1: スロット 5「照明 トグル」
[  10.1s] delta 受信(get): {"sendSlot": "5-1791382638632"}
[  10.1s]   >>> 赤外線送信 #2: スロット 5「照明 トグル」
[  15.1s] delta 受信(get): {"sendSlot": "5-1791382638632"}
[  15.1s]   >>> 赤外線送信 #3: スロット 5「照明 トグル」
  …(5 秒ごとに続く)…

push は 1 回だけですが、delta が残り続けるので、5 秒ごとのポーリング(get)のたびに 再実行されます。ループの速さが、ポーリングの間隔になります。

5.2.4 2 回に分けて書き戻す(--bug split)

エアコンの状態を書き戻してから、別の publish で cmdId を書き戻す場合です。

[   5.3s] delta 受信(push): {"temp": 25, "cmdId": "1791382664665"}
[   5.3s]   >>> 赤外線送信 #1: エアコン {...}
[   5.3s]   <<< reported 更新: {"power": false, "mode": "cool", "temp": 25, "fan": "auto"}
[   5.3s]   <<< reported 更新: {"cmdId": "1791382664665"}
[   5.3s] delta 受信(push): {"cmdId": "1791382664665"}
[   5.3s]   >>> 赤外線送信 #2: エアコン {...}

1 回目の書き戻しの直後は、cmdId だけがまだ古い中間の状態 です。AWS はその時点で「cmdId がまだ違う」delta を配信するので、デバイスはもう一度送信します。 この実験では 2 回目の書き戻しで一致して 2 回で止まりました が、元のプロジェクトではこれが ループとして 観測されました(ほかの要因と重なったと考えられます)。 いずれにしても、1 回の操作で赤外線が 2 回以上出る のは事故です。トグル式の照明なら、点いてすぐ消えます。

5.3 正しい書き戻し方

規則 理由
処理した値を そのまま reported に書き戻す desired と reported を一致させ、delta を消す
同じ型 で書き戻す(文字列は文字列のまま) 型が違うと一致しない
null で消さない null は削除。食い違いが確定する
複数のフィールドは 1 回の publish にまとめる 1 回の更新は AWS 側で一度に反映され、中間の状態が外から見えない

正しい実装(--bug none)では、1 回の操作で 1 回だけ送信し、delta が消えます(第 3 章)。

5.4 シミュレータで再現する

「デバイスの実装」を切り替えて、照明ボタンやエアコンを押してみてください。version と送信回数 の増え方に注目します。送信が 20 回に達すると安全装置で止まります。 シミュレータは見やすいように、メッセージの 1 往復を 0.35 秒に遅くしています(実際の AWS では 0.4 秒で 8 回でした)。

5.5 本番機で試す前の安全確認

元のプロジェクトでは、変更のたびに「Alexa に話しかけて試す」ことを繰り返し、ループのたびに実機の照明が誤動作しました。事故の後に決めた手順がこれです。

  1. デバイスを起動したら、別のターミナルで send.py watch を動かす
  2. 実機の操作(Alexa への発話など)を頼む 前に、自分で 1 回だけ コマンドを送る
  3. 15〜20 秒待って、次の 2 つを確かめる
    • デバイスの送信が ちょうど 1 回 か
    • version が増え続けていないか(正常なら、1 回の操作で 2 増えて止まる:desired の更新と reported の書き戻し)
  4. version が増え続けていたら、すぐに緊急停止 してから原因を直す
  5. 1 回の確認が通るまで、実機の操作を人に頼まない

5.5.1 緊急停止:desired を消す

python device/send.py stop        # {"state": {"desired": null}} を書く

desired が空になれば delta は出なくなり、ループは止まります(第 1 章の規則 2)。デバイスのコードがどれだけ壊れていても、クラウド側だけで止められる のがこの方法の利点です。 デバイスの電源を抜くのは最後の手段です(再起動すると、接続直後の get でまた同じ delta を受け取ってしまうことがあります)。

ヒントデバイスが「その状態にできない」とき

desired の温度が 35℃ でも、エアコンが 30℃ までしか設定できなければ、reported は 30 になり、食い違いが永遠に残ります。 重複チェックがあれば送信は繰り返しませんが、delta は残り続け、ほかの reported 更新のたびに配信されます。 クラウド側で範囲を検証してから desired に書く、デバイスが実現できなかったフィールドの desired を消す({"desired": {"temp": null}})、などで食い違いを残さないようにします。

重要この章のまとめ
  • 食い違いが残っていると、デバイス自身の書き戻しがきっかけで delta が再配信 され、無限ループになる
  • 書き戻しは 同じ値・同じ型・null にしない・1 回の publish にまとめる
  • 本番機の前に 1 回だけ送って version を監視 する。止めるときは desired を null に