[fforres]

Qué cambia

Cuando D1 falla por unos 15 segundos, search e invoke de Executor ya no devuelven Internal tool error [id]: las lecturas se reintentan hasta 20 segundos (antes, cinco intentos en menos de 4 segundos).

Causa (confirmada con logs de producción)

El 2026-10-28 entre 14:50:10Z y 14:50:26Z, D1 respondió D1_ERROR: internal error; reference = ... a casi todas las consultas del worker executor-cloudflare: 86 spans d1_all/d1_run con error y ninguna consulta exitosa entre 14:50:09 y 14:50:27. Eso explica las tres fallas de una misma ejecución de Skywardin (search 14,5 s, invoke 19,4 s, search 3,4 s). search no llama a ningún upstream: lee el catálogo desde D1.

El reintento de D1 ya existía y se activó (avisos D1 transient failure, retrying desde 14:50:13). Pero la mayoría de los intentos fallidos vuelven en milisegundos, así que los cinco intentos con espera de 200 ms a 1,6 s se agotaban en menos de 4 segundos, mucho antes de que D1 se recuperara. Las tres fallas sí dejaron su línea [executor:mcp] execute defect correlation_id=... (ef70a6b1, ce1cc2d7, de660f2d); la lectura anterior de que solo una la dejaba era un error de la consulta de logs.

No es un timeout upstream: la hipótesis de 19 s igual a timeout queda descartada.

Cómo se probó

• Prueba nueva: una lectura que falla durante 16 s virtuales y luego responde debe tener éxito. Falló antes del cambio (agotaba los 5 intentos) y pasa ahora.
• La prueba de "se rinde" ahora comprueba que se rinde al agotar el presupuesto de 20 s, con más de 5 y menos de 25 intentos.
• vitest run src/db en apps/host-cloudflare: 58 pruebas pasan.

Cómo comprobarlo después del despliegue

Servicio executor-cloudflare, ventana de 7 días, sin cambios en la métrica base:

• needle: "execute defect": línea base 3 (todas el 2026-10-28 14:50Z). Debe seguir en 0 ante un cuarto de hora de errores de D1.
• spanName ~ ^d1_ con level = error: línea base 25 a 138 por día (se reintentan y se recuperan solos). Esperable que no baje; lo importante es que no aparezcan defectos.
• needle: "D1 transient failure": si aparece d1.attempt mayor que 5 y luego la consulta tiene éxito, el presupuesto nuevo está actuando.

[fforres]

El CI de Blacksmith no corre en este repositorio (todas sus ejecuciones quedan en cola o canceladas), así que se verificó en local sobre el head 9c14439 (al día con skyward):

• bunx oxfmt --check sobre los archivos tocados: OK
• bunx oxlint -c .oxlintrc.jsonc --deny-warnings apps/host-cloudflare/src/db: 0 advertencias, 0 errores
• bunx vitest run src/db en apps/host-cloudflare: 3 archivos, 58 pruebas, todas OK
• bun run typecheck en apps/host-cloudflare (tsgo): OK