linux上TCP connection timeout問題解決辦法
最近在產線上經常出現connection timeout的問題，先看看Java 中關于connection timeout 的異常如何產生
JAVA中的timeout
java.net.SocketTimeoutException: connect timed out 客戶端異常:connect timed out at java.net.PlainSocketImpl.socketConnect(Native Method) at java.net.AbstractPlainSocketImpl.doConnect(AbstractPlainSocketImpl.java:345) at java.net.AbstractPlainSocketImpl.connectToAddress(AbstractPlainSocketImpl.java:206) at java.net.AbstractPlainSocketImpl.connect(AbstractPlainSocketImpl.java:188) at java.net.SocksSocketImpl.connect(SocksSocketImpl.java:392) at java.net.Socket.connect(Socket.java:589)
我們能經常看到的connect timed out異常產生，看一下java 是如何生成這個異常
plainsocketimpl.c 中
while (1) { jlong newTime; #ifndef USE_SELECT { struct pollfd pfd; pfd.fd = fd; pfd.events = POLLOUT; errno = 0; connect_rv = NET_Poll(&pfd, 1, timeout); } #else { fd_set wr, ex; struct timeval t; t.tv_sec = timeout / 1000; t.tv_usec = (timeout % 1000) * 1000; FD_ZERO(&wr); FD_SET(fd, &wr); FD_ZERO(&ex); FD_SET(fd, &ex); errno = 0; connect_rv = NET_Select(fd+1, 0, &wr, &ex, &t); } #endif if (connect_rv >= 0) { break; } if (errno != EINTR) { break; } /* * The poll was interrupted so adjust timeout and * restart */ newTime = JVM_CurrentTimeMillis(env, 0); timeout -= (newTime - prevTime); if (timeout <= 0) { connect_rv = 0; break; } prevTime = newTime; } /* while */ if (connect_rv == 0) { JNU_ThrowByName(env, JNU_JAVANETPKG "SocketTimeoutException", "connect timed out"); /* * Timeout out but connection may still be established. * At the high level it should be closed immediately but * just in case we make the socket blocking again and * shutdown input & output. */ SET_BLOCKING(fd); JVM_SocketShutdown(fd, 2); return; } 這里可以看到在做connect的時候，是調用 NET_Poll 或者 NET_Select, 在linux 上就是使用 poll/select
當發生timeout的時候connect_rv=0 ，這里有個注意點雖然在poll/select 是傳入timeout的時間，但是這是會被打斷的，connect_rv返回的值為-1 ，所以jvm里面重新計算了timeout , 確保timeout 的時間片已經運行完了，才推出循環。
newTime = JVM_CurrentTimeMillis(env, 0); timeout -= (newTime - prevTime); if (timeout <= 0) { connect_rv = 0; break; } 同時設置connect_rv 為0， 也是下面只有當connect_rv為0的時候才拋出connect timeout
什么是connect timeout ?
也就是client 發出 syn 包，server端在你指定的時間內沒有回復ack，poll/select 返回0
server 端為什么沒有回復ack, 因為syn包的回復是內核層的，要么網絡層丟包，要么就是內核層back_log的queue滿了，關于backlog在本片中就不詳細描述了。
當時查看產線上的連接最高能到1000多，同時查看了backlog 的queue的大小
cat /proc/sys/net/ipv4/tcp_max_syn_backlog
有8192 在產線上沒有這么多的客戶端的連接，不可能backlog queue會滿，雖然syn_backlog 的設置是8192 但并不代表服務器啟動的時候設置成了8192，所以必須查這個端口所設置的backlog大小
ss -lt
看到Send-Q在8080端口是128 ，原來在服務器端啟動listen 的時候設置了128的backlog
查看tomcat 的配置，默認bio的設置
<Connector executor="tomcatThreadPool" port="8080" protocol="HTTP/1.1" acceptCount="5000" connectionTimeout="25000" maxHttpHeaderSize="8192" useBodyEncodingForURI="true" enableLookups="false" redirectPort="8443" URIEncoding="UTF-8" maxThreads="500" maxKeepAliveRequests="1000" keepAliveTimeout="30000" />
產線上已經設置了acceptCount, 默認是100 但是這里設置了是5000 ，這與通過ss看到的send-q的結果嚴重不符合
通過內核代碼分析,發現原來內核參數不僅僅是通過tcp_max_syn_backlog控制，同時也受somaxconn控制
查看
cat /proc/sys/net/core/somaxconn
發現值是128, OK 原因找到了，修改/etc/sysctl.conf 添加
net.core.somaxconn = 8192
sysctl -f /etc/sysctl.conf 重新加載一下，這樣就能改變全局了
問題：是1000多個連接，500個工作線程，因為backlog的大小是受socket.accept控制的，我們通常境況下會單獨起一個線程去serversocket.accept(),而當前server的load并不高，不因該會出現back_log queue出現滿的情況,更何況只有1000多個連接，代碼就是真相，查看tomcat的源碼。
原來accptor 線程在accept 之前，會去countUpOrWaitConnection 發現接受到的的socket數目大于設置的work線程數目的時候，會停止accept.
<strong>countUpOrAwaitConnection</strong>(); Socket socket = null; try { // Accept the next incoming connection from the server // socket socket = serverSocketFactory.acceptSocket(serverSocket); } catch (IOException ioe) { countDownConnection(); // Introduce delay if necessary errorDelay = handleExceptionWithDelay(errorDelay); // re-throw throw ioe; } 也就是說當并發超過628個連接以上，就有可能出現backlog queue滿的情況，而出現connect timeout的情況，一切皆清楚了。
感謝閱讀，希望能幫助到大家，謝謝大家對本站的支持！
新聞熱點
疑難解答
