fix: 看门狗拉起后增加宽限期防重启循环

主程序重启后 JVM 启动 + DB 建连可能耗时数分钟，300 秒宽限期内探测失败只记录不累计，避免重启循环。

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

agent/process_guard.py

@@ -9,6 +9,7 @@
 import logging
 import subprocess
 import threading
+import time
 
 log = logging.getLogger(__name__)
 
@@ -17,6 +18,11 @@ log = logging.getLogger(__name__)
 # 避免升级替换 jar 时被看门狗拉起的新进程抢占文件锁。
 _upgrading = threading.Event()
 
+# 拉起后的宽限期（秒）：主程序重启后 JVM 启动 + DB 建连可能耗时数分钟
+# （如机器休眠唤醒后网络未就绪，实测 4 分钟）。宽限期内探测失败只记录不累计，
+# 避免重启循环（重启→DB 慢→又判宕机→再重启）。
+GRACE_PERIOD_SEC = 300
+
 
 class ProcessGuard:
     """看门狗：周期健康探测 + 宕机拉起 + 告警上报。"""
@@ -28,6 +34,7 @@ class ProcessGuard:
 
         self._fail_count = 0       # 连续健康探测失败次数
         self._restart_count = 0    # 连续拉起次数
+        self._grace_until = 0.0    # 拉起后的宽限期截止时刻（monotonic 秒）
         self._stop = threading.Event()
         self._thread: threading.Thread | None = None
 
@@ -57,10 +64,19 @@ class ProcessGuard:
                 log.warning("守护探测异常：%s", e)
 
     def _check(self):
-        """单次探测：健康则清零计数；连续 3 次失败则拉起（升级期间跳过）。"""
+        """单次探测：健康则清零计数；连续 3 次失败则拉起（升级期间/宽限期内跳过）。"""
         health = self.main_app_client.health()
         if health.get("ok") is True:
             self._fail_count = 0
+            if self._grace_until and time.monotonic() < self._grace_until:
+                log.info("宽限期内主程序恢复健康，结束宽限")
+            self._grace_until = 0.0
+            return
+
+        # 拉起后宽限期内：主程序可能在启动/DB 建连中，只记录不累计失败
+        if self._grace_until and time.monotonic() < self._grace_until:
+            log.info("主程序拉起后宽限期内（剩 %d 秒），本次探测失败不累计：%s",
+                     int(self._grace_until - time.monotonic()), health.get("error"))
             return
 
         # 升级流程主动停的主程序，看门狗不接管，避免抢占 jar 锁
@@ -105,6 +121,8 @@ class ProcessGuard:
             else:
                 proc = start_main_app(self.config.main_start_cmd)
                 log.info("启动命令已执行，pid=%s", proc.pid if proc else None)
+            # 拉起后进入宽限期：JVM 启动 + DB 建连期间不累计探测失败，防重启循环
+            self._grace_until = time.monotonic() + GRACE_PERIOD_SEC
         except Exception as e:
             log.error("拉起失败：%s", e)