环境信息

• 产品版本: openUBMC storage 组件（涉及 src/lualib/sml/init.lua、sml_callbacks.lua、include/hwproxy/plugins/sml/cmds.lua）
• 操作系统: openEuler (BMC ARM64)
• 硬件平台: 双 SP686C RAID 卡场景
• 复现概率: 必现（200 次 AC 上下电必现）

问题详细描述

https://discuss.openubmc.cn/t/topic/6643

预置条件

1. BMC 系统接入双 SP686C RAID 卡
2. storage 组件通过 SML 库与 RAID 卡进行 MCTP 通信
3. worker 线程通过 worker.new(1) 创建，加载 sml_callbacks.lua 模块

操作步骤

1. BMC 上电启动，storage 服务初始化
2. init.lua 调用 worker.new(1) 创建独立 OS 线程（拥有独立的 lua_State，记为 L_worker）
3. sml.callback:start_module('sml.sml_callbacks') 在 worker 线程中加载 sml_callbacks.lua
4. 当首次访问 RAID 卡时，init.lua 通过 sml.callback:send('install_mctp_writeread_cb_X', true) 向 worker 线程发送消息
5. worker 线程收到消息后调用 cbs:set_mctp_writeread_cb(ctrl_id, mctp_writeread)，底层执行 luaL_ref(L_worker) 将回调注册到 L_worker 的 registry
6. ref_value 机制捕获 m_L = main_thread(L_worker)（即 L_worker 的主线程引用）
7. smld 线程处理命令（如 register_controller）时，C++ sml_core 库通过 lua_rawgeti(m_L, ref) + lua_pcall(m_L, ...) 调用回调
8. 上述 lua_pcall 从 smld OS 线程执行，但操作的 lua_State 是 L_worker → 跨线程竞态

结果描述

实际结果: 双 SP686C RAID 卡场景下，MCTP 通信间歇性失败，200 次 AC 上下电必现。worker 线程与 smld 线程同时操作同一个 lua_State（L_worker），导致 Lua 栈/registry 损坏，MCTP 读写回调执行异常。

预期结果: MCTP 通信稳定可靠，多 RAID 卡场景下无间歇性失败。

问题影响

• 功能不可用: 双 RAID 卡场景下 MCTP 通信失败，RAID 卡管理功能（信息查询、配置等）不可用
• 严重程度: 阻断（必现，影响核心存储管理功能）

问题定位情况

根因分析

问题根因是 worker 线程与 smld 线程跨 lua_State 竞态：

1. worker.new(1) 创建独立 OS 线程，拥有独立的 lua_State（L_worker）
2. sml_callbacks.lua 在 worker 线程中执行 cbs:set_mctp_writeread_cb(ctrl_id, mctp_writeread)，底层调用 luaL_ref(L_worker) 将回调注册到 L_worker 的 registry
3. ref_value 机制捕获 m_L = main_thread(L_worker)（L_worker 的主线程）
4. 当 smld 线程处理命令时，C++ sml_core 库通过 lua_rawgeti(m_L, ref) + lua_pcall(m_L, ...) 调用回调
5. 这是从 smld OS 线程操作 L_worker 的 lua_State → 两个线程同时操作同一个 lua_State 的栈和 registry → 栈损坏/崩溃/MCTP 通信失败

关键代码路径：

• src/lualib/sml/init.lua line 37: local sml = setmetatable({ callback = worker.new(1) }, sml_mt) — 创建 worker 线程
• src/lualib/sml/init.lua line 53-55: sml.callback:send(mctp_ctrl_map[ctrl_idx], true) — 发送注册消息到 worker 线程
• src/lualib/sml/sml_callbacks.lua line 67-68: cbs:set_mctp_writeread_cb(tonumber(...), mctp_writeread) — 在 L_worker 上执行 luaL_ref
• C++ sml_core 库: ref_value 构造时 luaL_ref(L_worker) + 捕获 m_L = main_thread(L_worker)，执行时 lua_rawgeti(m_L) + lua_pcall(m_L) — 从 smld 线程操作 L_worker

建议解决方案

将 MCTP 读写回调的注册和执行统一到 smld 线程的 lua_State（L_smld），消除跨线程竞态：

1. 移除 worker 线程：init.lua 中删除 worker.new(1)、__gc、start_module('sml.sml_callbacks')
2. 迁移回调代码到 cmds.lua：将 do_mctp_writeread / mctp_writeread 函数从 sml_callbacks.lua 迁移到 include/hwproxy/plugins/sml/cmds.lua（smld 线程代码）
3. 新增 CMD 命令：在 cmds.lua 中新增 CMD.set_mctp_writeread_cb(ctrl_id)，调用 cbs:set_mctp_writeread_cb(ctrl_id, mctp_writeread)
4. 改用 skynet.call 注册：init.lua 中将 sml.callback:send(...) 改为 skynet.call('.smld', 'lua', 'set_mctp_writeread_cb', ctrl_idx)

修复后效果：

• luaL_ref 和 lua_pcall 都在 smld 线程的 L_smld 上执行，彻底消除跨线程竞态
• skynet.call 保证回调注册完成后再执行后续命令（旧代码 worker:send 与 smld 命令处理无顺序保证）
• 阻塞 I/O（ep:Request）始终在 smld 线程执行（旧设计中也是如此），移除 worker 不改变阻塞行为

关联 PR: https://gitcode.com/openUBMC/storage/pull/507

临时规避方案

无临时规避方案，需通过代码修复消除跨线程竞态。

附件

• 论坛帖子: https://discuss.openubmc.cn/t/topic/6643
• 关联 PR: https://gitcode.com/openUBMC/storage/pulls/507
• 涉及文件:
  • src/lualib/sml/init.lua
  • src/lualib/sml/sml_callbacks.lua
  • include/hwproxy/plugins/sml/cmds.lua