【严重问题】多次快照重载导致模拟器GPU状态污染，KVM锁无法释放，评测跑至64任务后必崩溃

[CthulhuAIFrenzy]

环境信息

• 部署方式：MobileWorld 容器化部署
• 核心依赖：Android Emulator（QEMU/KVM 虚拟化）
• 场景：批量任务评测，每个任务前均通过 load_snapshot 重置模拟器状态

问题描述

在容器中批量运行评测任务时，模拟器会在跑至约64个任务后崩溃，后续所有任务初始化均失败，报错如下：
RuntimeError: Failed to initialize task SearchItemAndCheckoutTask: 500 Server Error: Internal Server Error for url: shturl.cc/CuqQvCr4WTEUUZeiKc6cU8s

关键现象与根因分析

1. 状态污染触发崩溃

   • 多次调用 load_snapshot 后，模拟器 GPU colorbuffer 状态出现不一致
   • 触发 KVM slot File exists 错误，直接导致 emulator 进程意外终止
   • 触发频率：跑数十个任务后必然出现

2. 崩溃后无法自愈，锁资源泄漏

   • 调用 start_shturl.cc/K 重启时，固定卡 600s 超时失败
   • 已退出的 QEMU 僵尸进程仍持有 KVM/AVD 锁，新模拟器无法抢占资源
   • 后端 worker 因同步逻辑阻塞，所有 /task/init 请求返回 500 错误

复现步骤

1. 启动 MobileWorld 容器环境
2. 批量执行评测任务，每个任务均通过 load_snapshot 重置模拟器
3. 运行至约60-70个任务时，模拟器必崩溃
4. 后续所有任务初始化请求返回 500 错误，环境彻底无法恢复

影响与尝试过的临时方案

• 影响：无法完成大规模批量评测，每次崩溃都需手动清理锁、重启容器
• 临时方案尝试：
  • 延长启动超时时间：无效（锁资源未释放）
  • 手动 kill -9 僵尸进程：可临时恢复，但需人工介入，无法自动化
  • 减少单次任务数量：规避问题，但无法满足完整评测需求

求助与问题

1. 请问是否有其他用户遇到过类似「多次快照重载导致 GPU 状态污染 + KVM 锁泄漏」的问题？
2. 目前是否有已知的规避方案或修复补丁？

[qykong]

您好，目前我这边没有碰到过类似的问题，但可以尝试销毁容器再重开。