Suivi de job robuste pendant les phases CPU (fix Reconnexion au suivi)

- Cause : serveur mono-process — la porte harnais (100 graines sympy)
monopolise le GIL plusieurs minutes, le proxy HF renvoie 502 et l UI
abandonnait le suivi apres ~1 min alors que le job continuait.
- Serveur : yield 1 ms entre les graines du harnais + commutation de threads
a 1 ms (setswitchinterval) — /api/jobs/<id> repond pendant le calcul.
- UI : le suivi n abandonne PLUS JAMAIS avant 45 min — backoff leger puis
mode lent 10 s avec message explicite (le traitement continue) ; recalage
automatique a la premiere reponse.
- UI : reprise du suivi apres rechargement de page (job id persiste en
localStorage, raccrochage automatique au job en cours).

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

app/__init__.py

@@ -35,6 +35,12 @@ def create_app():
     _setup_logging()
     _load_env()
 
+    # Serveur mono-process : le job (thread CPU-bound — harnais sympy) et les
+    # requêtes de suivi partagent le GIL. Commutation à 1 ms (défaut 5 ms) pour
+    # que /api/jobs/<id> réponde pendant les phases de calcul (coût ~négligeable).
+    import sys
+    sys.setswitchinterval(0.001)
+
     from flask import Flask
     from app.config import TEMPLATES_DIR
     from app.server import register_routes

app/validation/harness.py

@@ -23,6 +23,7 @@ import logging
 import random
 import re
 import sys
+import time as _time
 import traceback
 import types
 import warnings as _warnings
@@ -384,6 +385,10 @@ def validate_text(text: str, seeds: int = 100) -> dict:
 
     for s in range(seeds):
         random.seed(s)
+        # Céder la main entre les graines : en contexte serveur (mono-process),
+        # 100 graines de sympy monopolisent le GIL et rendent le suivi de job
+        # injoignable (proxy HF → 502) — 1 ms/graine rétablit la réactivité.
+        _time.sleep(0.001)
         env: dict = {"rd": random, "random": random}
         out: dict = {}
 

app/web/templates/index.html

@@ -477,7 +477,10 @@
 'use strict';
 
 const POLL_MS = 1000;
-const POLL_MAX_FAILURES = 12;   // hoquets transitoires tolérés avant d'abandonner le suivi
+const POLL_SLOW_AFTER = 12;     // au-delà : mode lent (10 s) — on n'abandonne PAS
+const POLL_SLOW_MS = 10000;
+const POLL_GIVEUP_MS = 45 * 60 * 1000;  // plafond absolu de reconnexion (45 min)
+let pollFirstFailureAt = null;
 let currentJobId = null;
 let pollTimer = null;
 let pollFailures = 0;
@@ -486,7 +489,20 @@ let loadedFiles = [];        // [{filename, content}]
 let jobResults = [];         // résultats par fichier
 let activeResultIdx = 0;
 
-document.addEventListener("DOMContentLoaded", () => { fetchModels(); bindTabs(); });
+document.addEventListener("DOMContentLoaded", () => {
+  fetchModels(); bindTabs();
+  // Reprise après rechargement : si un job était en cours, on se raccroche
+  // (le serveur le garde JOB_TTL=30 min après sa fin ; 404 → suivi perdu).
+  const saved = localStorage.getItem("pyxi_job_id");
+  if (saved) {
+    currentJobId = saved;
+    document.getElementById("run-btn").disabled = true;
+    const sb = document.getElementById("stop-btn");
+    sb.hidden = false; sb.disabled = false; sb.textContent = "⏹ Arrêter";
+    setProgress("running", "Reprise du suivi du job en cours…", "…");
+    poll();
+  }
+});
 
 async function fetchModels() {
   try {
@@ -863,6 +879,7 @@ async function run() {
       throw new Error(err.error || `HTTP ${res.status}`);
     }
     currentJobId = (await res.json()).job_id;
+    localStorage.setItem("pyxi_job_id", currentJobId);
     poll();
   } catch (e) {
     setProgress("error", "Échec", "—");
@@ -875,6 +892,7 @@ async function run() {
 function jobFinished() {
   document.getElementById("run-btn").disabled = false;
   document.getElementById("stop-btn").hidden = true;
+  localStorage.removeItem("pyxi_job_id");
 }
 
 /* Arrêt coopératif : le serveur stoppe au prochain point d'étape (l'appel
@@ -920,6 +938,7 @@ async function poll() {
     }
 
     pollFailures = 0;                 // réponse valide → on repart à zéro
+    pollFirstFailureAt = null;
     jobResults = data.results || [];
     if (data.status === "running") {
       setProgress("running", data.step_label || "…", `${data.files_done}/${data.files_total}`);
@@ -950,26 +969,35 @@ async function poll() {
       jobFinished();
     }
   } catch (e) {
-    // Erreur TRANSITOIRE (proxy HF, worker occupé en calcul, réseau) : on
-    // réessaie avec un léger backoff. Le job continue côté serveur.
+    // Erreur TRANSITOIRE : pendant les phases de calcul (harnais 100 graines),
+    // le serveur mono-process peut être injoignable PLUSIEURS MINUTES — le job
+    // continue. On ne renonce donc JAMAIS avant le plafond absolu : backoff
+    // léger, puis mode lent (10 s) ; le suivi se recale à la 1re réponse.
     pollFailures++;
-    if (pollFailures >= POLL_MAX_FAILURES) {
+    if (!pollFirstFailureAt) pollFirstFailureAt = Date.now();
+    if (Date.now() - pollFirstFailureAt > POLL_GIVEUP_MS) {
       setProgress("error", "Connexion interrompue", "—");
       setStatus("error",
-        "Suivi interrompu après plusieurs tentatives (" + e.message + "). "
-        + "Le traitement continue peut-être côté serveur : recharge la page dans ~1 min "
-        + "pour le retrouver, ou relance avec moins de fichiers à la fois.");
+        "Suivi injoignable depuis 45 min (" + e.message + "). "
+        + "Recharge la page ; si le serveur a redémarré, relance le job.");
       jobFinished();
       return;
     }
-    setStatus("warn", `Reconnexion au suivi… (${pollFailures}/${POLL_MAX_FAILURES})`);
-    pollTimer = setTimeout(poll, Math.min(6000, POLL_MS * (1 + pollFailures)));  // backoff léger
+    const slow = pollFailures >= POLL_SLOW_AFTER;
+    setStatus("warn",
+      slow
+        ? "Serveur occupé (phase de calcul) — le traitement CONTINUE côté serveur, "
+          + `reconnexion toutes les 10 s… (${Math.round((Date.now() - pollFirstFailureAt) / 1000)} s)`
+        : `Reconnexion au suivi… (${pollFailures})`);
+    pollTimer = setTimeout(
+      poll, slow ? POLL_SLOW_MS : Math.min(6000, POLL_MS * (1 + pollFailures)));
   }
 }
 
 function clearAll() {
   if (pollTimer) clearTimeout(pollTimer);
   currentJobId = null;
+  localStorage.removeItem("pyxi_job_id");
   document.getElementById("stop-btn").hidden = true;
   document.getElementById("run-btn").disabled = false;
   loadedFiles = []; jobResults = []; activeResultIdx = 0;