medical-mall/server/消息推送文档/DELIVERY_E2E_TROUBLESHOOTING_20260310.md

物流 Webhook → 通知入库 → 推送到手机：联调问题记录（2026-03-10）

本文记录本次将链路跑通时遇到的阻塞点、根因与修复方式，便于后续环境复现与排障。

目标链路：

1. webhook-receiver 接收物流回调并落库
2. DB/服务侧写入 notify_queue
3. server/notify-worker.js 消费 notify_queue，生成 express_notifications
4. server/push-server.js 的 consumer 轮询 express_notifications，调用 CLOUD_FUNC_URL 推送到设备 cid

---

1. 症状：notify-worker 报 order not found for waybill

现象

• notify_queue.process_status=skipped 或 failed
• last_error=order not found for waybill

根因

• public.ml_orders 启用了 RLS。
• 后端通过 PostgREST 仅使用 apikey（或无法解码的 Bearer）访问时，auth.uid() 为空，RLS policy 不成立，导致对 ml_orders 的查询返回 200 []（看起来像“无数据”，实为被行级安全过滤）。

验证方法

• 对比：SQL Editor 里能查到订单，但经 /rest/v1/ml_orders 查不到。

临时修复（用于快速跑通链路）

ALTER TABLE public.ml_orders DISABLE ROW LEVEL SECURITY;

备注：你当前观察到“把安全策略关上就可以进行推送”，就是因为 notify-worker 能重新读到 ml_orders.user_id/merchant_id 以解析收件人。

恢复建议（生产化方向）

• 不建议长期关闭 RLS。
• 推荐做法（本仓库已支持）：
  • 保持全局 SUPA_USE_BEARER=false（避免影响其它服务/自托管网关 JWT 配置不一致带来的 PGRST301）
  • 仅对 notify-worker 开启 Bearer：在 server/config.json 设置 NOTIFY_WORKER_SUPA_USE_BEARER=true
  • 确保 SUPA_KEY/SERVICE_ROLE_KEY 是可用的 service_role key（JWT）
• 备选（慎用/止血）：通过 RPC（SECURITY DEFINER）完成必要查询；避免依赖 DISABLE RLS。
  • 执行 SQL：pages/mall/delivery/doc/需求文档/db/绕过RLS的方案(慎用)/20260311_add_rpc_notify_get_order_recipients.sql
  • 在数据库中设置 token（用于 RPC 显式鉴权）：
    • 示例：ALTER ROLE authenticator SET app.notify_worker_token = '<YOUR_LONG_RANDOM_TOKEN>';（按你的 PostgREST 连接角色调整）
  • notify-worker 配置：
    • NOTIFY_WORKER_USE_RLS_SAFE_RPC=true
    • NOTIFY_WORKER_RPC_TOKEN=<YOUR_LONG_RANDOM_TOKEN>

---

2. 症状：写入 express_notifications 时报 42P10

现象

• notify_queue.process_status=failed
• last_error 包含：
  • there is no unique or exclusion constraint matching the ON CONFLICT specification

根因

• notify-worker / push-server 使用 PostgREST upsert：
  • POST /rest/v1/express_notifications?on_conflict=message_id
• 但数据库侧 express_notifications(message_id) 只有“部分唯一索引”（例如 WHERE message_id IS NOT NULL），无法匹配 ON CONFLICT(message_id)，触发 42P10。

修复（改为普通唯一索引）

• 执行脚本：
  • pages/mall/delivery/doc/需求文档/20260310_fix_express_notifications_on_conflict_message_id.sql

核心 SQL（摘要）：

DROP INDEX IF EXISTS public.ux_express_notifications_message_id;
CREATE UNIQUE INDEX IF NOT EXISTS ux_express_notifications_message_id
  ON public.express_notifications(message_id);

修复后验证

• notify_queue 最新记录不再失败；express_notifications 能正常生成/更新。

---

3. 症状：push-server 启动失败 EADDRINUSE 0.0.0.0:7301

现象

• node server/push-server.js 直接退出
• 提示端口占用

根因

• 7301 端口已有 node 进程占用（重复启动或遗留进程）

排查/处理（Windows）

netstat -ano | Select-String ":7301 "
Get-Process -Id <PID>
Stop-Process -Id <PID> -Force

---

4. 症状：PGRST301（JWT 无法解码）导致访问异常

现象

• PostgREST 返回 PGRST301 或“JWT cannot be decoded/verified”

根因

• 在自托管/网关配置不一致时，手动发送 Authorization: Bearer <SUPA_KEY> 可能触发 JWT 解码失败。
• 本仓库对 Supabase REST 调用默认只发 apikey，仅在显式 SUPA_USE_BEARER=true 时才附加 Bearer。

处理建议

• 保持 SUPA_USE_BEARER=false（默认）
• 使用可用的 apikey/service_role key 走 Kong key-auth

如果你的目标是“用 Bearer(service_role JWT) 绕过 RLS”（而不是仅仅避免 401）：

• 需要修复自托管配置一致性：确保 PostgREST(rest) 实际加载的 PGRST_JWT_SECRET 与签发 SERVICE_ROLE_KEY 的 JWT_SECRET 完全一致（算法/格式也要匹配），并重启 rest 组件。
• 在 JWT 未修复前，如需临时止血可参考 RPC 备选方案（慎用）：执行 pages/mall/delivery/doc/需求文档/db/绕过RLS的方案(慎用)/20260311_add_rpc_notify_get_order_recipients.sql（仅建议用于短期联调/排障）。

4.1 具体怎么修（推荐按这个顺序做）

目标：让 /rest/v1/* 能接受 Authorization: Bearer <SERVICE_ROLE_KEY>，不再返回 401 PGRST301。

补充说明（结合你当前的 docker-compose）：

• 你贴的 compose 里 rest 使用 PGRST_JWT_SECRET: ${JWT_SECRET}，所以如果容器已按该 env 重启生效，通常就不是“rest/auth secret 不一致”。
• 此时最常见根因变成：你正在使用的 SERVICE_ROLE_KEY 并不是用当前这份 JWT_SECRET 签出来的（即 key/secret 不匹配），或者只是改了 .env 但容器没重启仍在用旧 env。

1. 确认 rest(PostgREST) 当前加载的密钥（不要直接到处打印明文；建议只比对 hash）：

在 Supabase 机器上（Docker 场景示例，容器名因部署不同会不同）：

# 1) 找到 PostgREST/rest 容器
docker ps --format "{{.Names}}" | Select-String -Pattern "rest|postgrest" 

# 2) 取 PGRST_JWT_SECRET 的 sha256（避免直接输出明文）
$restName = (docker ps --format "{{.Names}}" | Select-String -Pattern "rest|postgrest" | Select-Object -First 1).Line.Trim()
docker exec $restName sh -lc 'printf %s "$PGRST_JWT_SECRET" | sha256sum'

# 3) 顺手检查几个容易踩坑的配置项
docker exec $restName sh -lc 'echo PGRST_JWT_SECRET_IS_BASE64=$PGRST_JWT_SECRET_IS_BASE64'
docker exec $restName sh -lc 'echo PGRST_JWT_AUD=$PGRST_JWT_AUD'

2. 确认 auth(GoTrue) 使用的 JWT_SECRET（同样用 hash 比对）：

docker ps --format "{{.Names}}" | Select-String -Pattern "auth|gotrue" 
$authName = (docker ps --format "{{.Names}}" | Select-String -Pattern "auth|gotrue" | Select-Object -First 1).Line.Trim()
docker exec $authName sh -lc 'printf %s "$JWT_SECRET" | sha256sum'

如果这两个 hash 不一致，就会出现“auth 签发的 JWT / service_role key，rest 解不开”的典型问题。

如果这两个 hash 一致但仍然 PGRST301，优先做下面两件事：

2.1) 验证你手上的 SERVICE_ROLE_KEY 是否匹配 JWT_SECRET（最关键）

在你的开发机执行（只在本机跑，不要把 secret 提交到仓库）：

# 预期输出：Signature VALID
node .\server\verify_supa_token.js <SERVICE_ROLE_KEY_JWT> <JWT_SECRET>

• 如果是 Signature INVALID：说明当前 SERVICE_ROLE_KEY 不是用这份 JWT_SECRET 签的。
  • 处理方式二选一：
    • 把 JWT_SECRET 改回“当初生成 key 的那份”并重启（影响面大，不推荐在不确定时直接动生产）
    • 重新生成一套新的 ANON_KEY/SERVICE_ROLE_KEY（与当前 JWT_SECRET 匹配），并同步更新：Kong（key-auth）+ 你的后端配置（例如 server/config.json）。

可以使用本仓库脚本从 JWT_SECRET 生成匹配的 key（HS256）：

$env:JWT_SECRET='<your jwt secret>'
$env:SUPA_JWT_ISSUER='supabase-1'   # 与你现有 key 的 iss 保持一致
# $env:SUPA_JWT_AUD='authenticated' # 如需带 aud 再打开
node .\server\tools\generate-supabase-keys.js

如果你不想在命令行里直接暴露 JWT_SECRET，可以用交互式 PowerShell 脚本（输入隐藏）：

powershell -ExecutionPolicy Bypass -File .\server\tools\generate-supabase-keys.ps1 -Issuer 'supabase-1' -Years 5

生成后要做的同步（否则 Kong key-auth 仍然认旧 key）：

• 更新 Supabase 的 .env：把 ANON_KEY= 与 SERVICE_ROLE_KEY= 替换为新生成的值
• 重启 kong（推荐同时重启 rest/auth 以减少缓存/配置疑难）：

docker compose restart kong rest auth

然后更新本仓库服务端配置（至少 server/config.json 的 SUPA_KEY）为新的 SERVICE_ROLE_KEY，再用下面的方式验证。

2.2) 确认容器确实吃到了最新 env（改完一定要 restart）

# 在 Supabase 机器上（docker compose）
docker compose restart rest auth kong

3. 确保 ANON_KEY / SERVICE_ROLE_KEY 是用同一套 JWT_SECRET 生成的

• 你不能从一个 JWT token 反推出 secret，所以通常的做法是：
  • 选定一套 JWT_SECRET（rest/auth 全部用它）
  • 重新生成 ANON_KEY 与 SERVICE_ROLE_KEY
  • 同步更新 Kong/key-auth 里的 key（否则 apikey 会失效）

你可以用本仓库脚本验证“某个 service_role token 是否匹配某个 secret”（HS256）：

# 在你的开发机执行（不要把 secret 提交到仓库）
node .\server\verify_supa_token.js <SERVICE_ROLE_KEY_JWT> <JWT_SECRET>

4. 修改完配置后一定要重启

• 至少重启：rest(PostgREST) 与 auth(GoTrue)
• 如果你改了 ANON_KEY/SERVICE_ROLE_KEY，通常还需要重启 kong（让 key-auth 使用新 key）

5. 验证 Bearer 是否修复

$cfg = Get-Content .\server\config.json -Raw | ConvertFrom-Json
$u = $cfg.SUPA_URL.TrimEnd('/')
$token = $cfg.SUPA_KEY   # 确保这里是 service_role JWT

Invoke-WebRequest -UseBasicParsing -Method Get -Uri "$u/rest/v1/ml_orders?select=id&limit=1" -Headers @{
  apikey = $token
  Authorization = "Bearer $token"
  Accept = 'application/json'
}

也可以用本仓库脚本快速测一次（更直观）：

$env:CONFIG_FILE=(Resolve-Path .\server\config.json)
node .\server\tools\test-postgrest-bearer.js

• 修好后的期望：不再是 401 PGRST301。

相关实现：

• server/push-server.js 的 supaFetch 逻辑

---

4.1 症状：503 PGRST002（PostgREST schema cache / 数据库不可用）

现象

• webhook-receiver 返回 502 { ok:false, message:'... HTTP 503 {"code":"PGRST002" ... }' }
• 或 worker 日志持续刷：
  • HTTP 503 {"code":"PGRST002","message":"Could not query the database for the schema cache. Retrying."}

根因

• 这不是 RLS 问题。
• 这是 PostgREST 无法连接到 Postgres（或数据库正在重启/不可用/连接池耗尽/磁盘满等），因此无法构建/刷新 schema cache。

快速验证

# 直连 REST 读一条数据（只要能返回 200/空数组就说明 REST 已恢复）
$cfg=Get-Content .\server\config.json -Raw | ConvertFrom-Json
$u=($cfg.SUPA_URL.TrimEnd('/')) + '/rest/v1/platform_express_waybills?select=id&limit=1'
Invoke-WebRequest -UseBasicParsing -Uri $u -Headers @{ apikey=$cfg.SUPA_KEY; Accept='application/json' } -Method GET

处理建议（按优先级）

1. 在 Supabase 部署机器上确认 Postgres 是否正常（能否连接、磁盘是否满、CPU/内存是否打满）。
2. 重启 PostgREST/rest 服务（多数情况下会自动恢复 schema cache）。
3. 如使用 docker-compose：优先重启 db 与 rest（容器名因环境不同可能不同）。
4. 待 REST 恢复后再重跑本仓库的 3 个 Node 后台（或等待它们自动恢复）。

---

5. 症状：数据库显示 send_status=success，但手机没弹通知

现象

• express_notifications.send_status=success
• 但手机端没有系统通知/横幅

常见原因

1. 推送内容为空（部分通道/客户端不会展示空内容通知）
2. 客户端处于前台/透传模式：消息到达但不自动弹系统通知（需要客户端本地展示）
3. 手机系统通知权限/渠道被关闭、省电策略限制

本次定位与修复

• notify-worker 生成的 express_notifications 通常只有 event_text_safe（可作为标题），body/content 可能为空。
• push-server consumer 调云函数时原先传入的 content 可能为空，导致“云函数返回成功，但不展示”。
• 已在 server/push-server.js 增加兜底：当 body/content 为空时，使用 title/event_text_safe 作为 content。

验证方法（直接调用云函数对 CID 推送）

• 观察云函数返回中是否包含类似 successed_online；并对比手机是否实际展示。

---

6. 症状：merchant 侧 send_status=no-targets

现象

• express_notifications.aud=merchant 的记录 send_status=no-targets
• last_error=no active devices

根因

• push_devices 表结构本身包含 merchant_id 字段，但实际设备注册时常见只写入 user_id，导致：
  • notify-worker 能生成 aud=merchant, recipient_id=<merchant_id> 的通知；
  • push-server consumer 查询 push_devices?merchant_id=eq.<recipient_id>&is_active=eq.true 时结果为空；
  • 最终落为 send_status=no-targets。

补充：如果你的 push-server 版本仍在用 push_devices?on_conflict=cid 做 upsert，也会导致“注册接口返回 ok，但 Supabase 表里没写进去”（PostgREST 会提示没有匹配的唯一约束）。

处理建议

• 让商家端也调用注册接口，并在请求体里带上 merchant_id（建议同时传 appid，默认为 default）：

curl -X POST http://localhost:7301/api/v1/push/register \
  -H 'Content-Type: application/json' \
  -d '{"cid":"<CID>","merchant_id":"<MERCHANT_UUID>","platform":"android","appid":"default"}'

• 验证是否写入成功：
  • GET /api/v1/push/devices?merchant_id=<MERCHANT_UUID>&active=true（优先读 Supabase）
  • 或直接在数据库查：

select id, appid, cid, user_id, merchant_id, is_active, last_seen_at
from public.push_devices
where merchant_id = '<MERCHANT_UUID>'
order by last_seen_at desc nulls last;

• push-server consumer 对 merchant 的设备查询路径（REST）是：
  • push_devices?merchant_id=eq.<recipient_id>&is_active=eq.true

---

7. 端到端自检清单（最短路径）

1. 触发 webhook 测试：

• node pages/mall/delivery/webhook-server/test-send.js

2. 查队列：

• notify_queue 最新应为 process_status=queued 且 last_error=null

3. 查通知：

• express_notifications 最新应生成 aud=user 与 aud=merchant 两条
• aud=user 通常应推进到 send_status=success

4. 查设备：

• push_devices 中对应 user_id/merchant_id 必须存在 is_active=true 的 cid

---

7.1 Windows 一键启动三服务（建议）

为了保证与联调时一致的效果，推荐用脚本一次性启动 3 个后台进程（并落日志）：

1. 启动（会默认释放 7201/7301 端口占用）：

• powershell -ExecutionPolicy Bypass -File .\server\scripts\start-delivery-backend.ps1

2. 触发与联调一致的 webhook 测试（打到本机 7201）：

• node .\pages\mall\delivery\webhook-server\test-send.js

3. 停止：

• powershell -ExecutionPolicy Bypass -File .\server\scripts\stop-delivery-backend.ps1

日志文件默认在仓库根目录：

• webhook-receiver.log/.err.log
• notify-worker.log/.err.log
• push-server.log/.err.log

PID 文件（用于停止/排查进程）在：

• server/.runtime/delivery-backend.pids.json

查看当前是否仍在运行（示例）：

• Get-Content .\server\.runtime\delivery-backend.pids.json
• Get-Process -Id <PID>

注意：test-send.js 默认请求 http://localhost:7201/webhook/express/status，所以必须先启动 webhook-receiver。

7.1.1 脚本行为与常见坑（PowerShell 5.1）

• PID 文件由 start-delivery-backend.ps1 写入，采用 UTF-8 无 BOM，避免 PS 5.1 下 ConvertFrom-Json 因 BOM/编码细节解析失败。
• stop-delivery-backend.ps1 会优先按 PID 文件停止进程，并在解析/停止异常时兜底尝试释放端口（7201/7301）。

如果你不先停止就重复启动，通常会出现：

• EADDRINUSE（端口占用导致启动失败）
• 多实例 worker/consumer 并发运行，导致重复消费、重复写入、重复推送（排障难度陡增）

如果 test-send.js 返回 { ok: false, message: 'waybill not found' }：

• 说明数据库里没有 platform_express_waybills.tracking_no = 'TEST_YT_20260206_0007' 的运单记录。
• 处理方式：先在 platform_express_waybills 补一条对应 tracking_no 的运单（并关联到你的 ml_orders），再重试发送。

---

8. 常用 SQL / 操作片段

8.1 重跑某条队列记录（把 failed/skipped 重置为可再次消费）

UPDATE public.notify_queue
SET processed_at = NULL,
    process_status = NULL,
    last_error = NULL
WHERE id = '<notify_queue.id>';

8.2 检查 message_id 是否存在重复（创建唯一索引前）

SELECT message_id, COUNT(*)
FROM public.express_notifications
WHERE message_id IS NOT NULL
GROUP BY message_id
HAVING COUNT(*) > 1;

8.3 查看 push_devices 是否有绑定

SELECT *
FROM public.push_devices
WHERE user_id = '<user_id>' OR merchant_id = '<merchant_id>'
ORDER BY updated_at DESC
LIMIT 20;