港鐵四線冧檔 (下集)
IT9你走唔甩㗎喇
上次講到，可能係Realtime System再加Loading導致，可能開機要Sync嘅State太多所以Boot唔起，今日有新聞開估啦。
港鐵調查稱前線不懂重置信號系統 按機制罰$800萬
…當計數器達到上限數值時，便須重置。……Siemens的計數器則須人手重置。當日事故主因，是2個聯繫信號系統的軟件計數器，因重置安排不同，令區間電腦重複執行重置動作，令電腦不穩定，最終維修人員要隔離並重置各站的區間電腦，才能修復信號系統。…
…Siemens信號系統的計數器，每隔約20年，便達到上限數值，須手動重置…
乜嘢係計數器？
報導冇講計數器係指乜，首先應該係指Counter，等我又估下 :D，基於：
- 每隔約20年要重置
- 重置時要隔離
20年×365.25日×86400秒 — 大概是2³¹~2³²之間，可能唔係咁啱每秒遞增？但咁樣講都肯定係一個不斷自增長(Auto-increment)嘅數字Counter。
重置時要隔離，即係指呢一個Counter同其他區間電腦互通信息時會用到。好可能係當收到一個Message，個Counter值比自己嘅大，就會將自己提到跟Message Counter一樣？所以如果唔係同一刻reboot，就會不斷爆返上去個極限值。
西門子套SACEM係1996年引入嘅，啱啱廿年鬆啲第一次爆，如果早一年換咗新系統都可以避開。
係唔係抵死？
至於爆Counter，爆Integer呢啲嘢，做IT都應該唔會覺得奇，個個System或大或小都可能有啲類似嘅嘢。
POSIX Time
例如UNIX以及Linux等符合POSIX嘅電腦內部時鐘，其實裏面係一個數字，個數字代表由1970–01–01 00:00:00Z (即Unix Epoch)至今有多少秒，而家呢一刻係1545222627左右。呢個數字到咗2038年1月，就會超出2³¹亦係Signed 32-bit Integer表示極限，2038問題將會同千年蟲差唔多。
我哋呢十幾年新增嘅電腦系統應該多過2000年之前，有幾多個係兼容到2038年？自x86有咗64-bit，其實各x86-64嘅OS Kernel都已經用64-bit Integer去儲存呢個秒數，但今日新寫嘅軟件都未必會好特別注意呢個問題，到時世界末唔末日？馬會真係可以開個盤口。
Idempotent API
通訊嘅嘢，講到底即係API，而眾所周知API應該要設計到幂等(idempotent)。實作上即係如果Call緊API中途斷線，若API係幂等嘅，caller用可以同一組Input再call一次而唔使擔心有副作用。
最簡單嘅做法，就係每個Message跟一個自增Counter數值，而接收方檢查一下每個Message嘅Counter係唔係最新，就可以避免到重覆執行。
港鐵呢單嘢，可能同呢樣有關？
Database
SQL DB Primary key用Auto increment/Sequence/Identity好常見㗎啦，Integer爆咗嘅話……咪會爆囉。
除此之外，有名Open Source RDBMS之一嘅PostgreSQL，喺7.2版或之前，即係2005年左右，Transaction ID (XID)都有極限問題 — 每2³²個Transactions就要dump+restore DB一次先可以解決。7.3或之後版本先變咗自動重置。但如果有人手多多熄咗auto-vacuum，一樣會爆鑊。
噉係唔係抵死？
廿年唔一遇嘅嘢，話「前線不懂重置信號系統」我覺得又過份咗少少。問題唔只係Reboot就解決到，前線亦唔係唔識Reboot，而要隔離哂區間電腦加埋Reboot先解決到。
我9估啦又，隔離咗就一定有Trade off嘅。可能係某啲列車狀態、路軌狀態，某啲指令過唔到去？至於係會導致行車班次唔可以咁密，定對安全性有影響，就要問港鐵啦。
即係抵唔抵死？
20年前嘅系統用32-bit Integer都幾情有可願嘅，1993年Unicode委員會以為16-bit就可以裝哂所有字添。
衰就衰作為一個Safety-critical system，西門子冇喺說明書提過呢個問題，都幾澤使。但願個系統都真係fail safe啦，唔好好似高鐵噉single fault就炒車。
