docs: scheduler reconnect — confirmed real heap corruption (ASAN + debug both crash)

Deep-dive: the rejoin works but crashes ~3-8s later with a REAL heap corruption
(ASAN bad-free freeing a pointer 56B into a 60B region, all-loader frames;
non-ASAN debug build aborts with free(): invalid pointer, gdb stack corrupted).
The endpoint-unmonitor fix (correct, matches xce_ctx_stop) did not help.
Candidate roots: config re-push re-running sched_init_config non-idempotently
(sharedInst MOVE_PTR/zarray_put), lib reconnect vs in-flight vtask, or
state-resync merge. All scheduler reconnect changes reverted to keep the
scheduler stable; this is a dedicated deep-debugging task.

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

docs/left_scheduler_work.md

@@ -92,11 +92,12 @@ spec 声称 36/36 任务完成，但 re-audit（research.md）发现缺陷。来
 - **✅ 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）。
+- **❌ scheduler reconnect 被真实 heap corruption 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 ~3-8s **崩溃**。
+  - **诊断（2026-08-14 深入）**：ASAN 报 `bad-free`（释放 60 字节区域偏移 56 处的指针，`...66b8`，分配线程 T4/释放线程 T5，**全栈在 loader**）；**debug 非 ASAN 构建同样崩**（`free(): invalid pointer` + core，gdb 显示 malloc_printerr 后栈被破坏）——**真实堆损坏，非 ASAN 假象**。
+  - 尝试的修复（均无效）：`xce_ctx_reconnect` 先 `iomgr_unmonitor` 再 `endpoint_fini`（对齐 xce_ctx_stop 的安全拆除，正确但不充分）。
+  - **候选根因**：(a) rejoin 触发 config 重推 → `sched_init_config` 非幂等重跑（sharedInst 的 MOVE_PTR/zarray_put killer 覆盖、queues/resources 重加）；(b) lib reconnect 与 vtask 并发处理旧 endpoint；(c) 重新同步时 scheduler 本地状态与重推的 merge 缺陷。栈被破坏无法干净回溯，需 valgrind/隔离测试定位。
+  - **修法**：独立深层调试任务（scheduler 状态重同步幂等性 + lib reconnect/vtask 生命周期）。为保持 scheduler 稳定已回退全部 reconnect 改动。
 - 剩余任务（scheduler reconnect + 多 controller E2E + apiserver 电路熔断等）见 spec。
 
 ### P2.5