docs: failover-adoption — worker+apiserver done (2165b1a), scheduler blocked by lib race

docs/left_scheduler_work.md

@@ -86,13 +86,18 @@ spec 声称 36/36 任务完成，但 re-audit（research.md）发现缺陷。来
 
 ## 四、故障转移 / 重连
 
-### component-failover-adoption（14 任务全未勾选）
+### component-failover-adoption（14 任务：部分完成，2026-08-14）
 - **来源**：`.kiro/specs/component-failover-adoption/`
 - **关键结论**：requirements.md Background 明确 "**scheduler 没有任何运行时重连/rejoin 逻辑**——连的 controller 死后，scheduler 无法切换到其他候选"。
-- 任务 3.1：把 scheduler 的 per-candidate 循环换成单一 library 驱动的 connect/join + rejoin 回调。
-- 任务 3.2：scheduler 多 controller join E2E 测试。
-- Req 3：重连重试/backoff 不能阻塞 picker 线程（保持现有线程拆分）。
-- Req 5：per-candidate 重连诊断日志（成功/不可达/standby 重定向）。
+- **✅ 已完成并集群验证（commit 2165b1a）**：
+  - **worker 无限重试**（controller_connector.c `checking_connection`）：去掉 5 次上限，无限重试直到重连（连接器线程专用，不阻塞硬件/进程监控线程）。实测：杀 controller 后 3 worker 全部存活并持续重试，controller 回来后自动 rejoin。
+  - **apiserver rejoin**（clib.go `StartHeartbeat` + `xce_backend_rejoin`）：心跳从失败转成功时显式 rejoin（HostRole_apiserver），恢复 push 通知。实测：controller 重启后日志 `backend re-joined controller after reconnect`。
+- **❌ scheduler reconnect 被 lib 竞态阻塞（未合入，已回退）**：
+  - scheduler 的 rejoin（`xcecli_set_reconnect_handler` flag + 主循环 `xcecli_join`）**功能上能重连并 rejoin**（实测收到 config push），但 rejoin 后 ~8s 崩溃。
+  - **根因**：libxce `xce_ctx_reconnect`（client_failover.c→xcectx.c）里的 `endpoint_fini` 拆除旧 endpoint，而 lib 的 vtask/io 线程（T5）仍在处理旧 endpoint → 确定性 double-free（ASAN bad-free，两次崩溃释放地址偏移相同 `...66b8`）。这是 lib 既有竞态，被 reconnect 首次触发。netio.c 注释自认 endpoint 生命周期与 in-flight vtask 的 teardown 复杂。
+  - **修法**：需在 libxce netio/endpoint 生命周期里同步 endpoint 拆除与 in-flight vtask 处理（涉及 ref-counting/teardown 顺序），独立较深任务。
+  - 为保持 scheduler 稳定已回退 reconnect 改动（否则 controller 一重启 scheduler 就崩）。
+- 剩余任务（scheduler reconnect + 多 controller E2E + apiserver 电路熔断等）见 spec。
 
 ### P2.5
 - **来源**：`product.md:35`、`docs/superpowers/plans/2026-05-07-p25-discovery.md`