共计 5385 个字符，预计需要花费 14 分钟才能阅读完成。
网校研发部 – 施洪宝
一. 背景介绍
1.1 业务背景
网校服务正在向 K8S 迁徙，咱们有两个服务之前是绑定到一台机器上部署的，二者之间通过 IP 间接拜访，如下图所示，
调用关系非常简单，服务 A 调用了 服务 B ，这里简略阐明下 服务 A 和 服务 B ，
服务 A基于Golang的Gin框架开发，应用Http长连贯拜访服务 B服务 B基于C++的BRPC开发
咱们想把两个服务进行拆分，通过域名拜访。拆分后，拜访链路变成了下图，
在拆分之后，咱们发现 服务 A 呈现了大量的 connection reset by peer 的谬误，而且这些谬误根本都是集中呈现，呈现的工夫点也没有什么法则，本文是对排查过程的简略总结。
1.2 Tcp Reset 简介
Tcp发送 Reset 包有很多种状况，比如说：服务端的全连贯队列已满，无奈承受新的连贯申请；服务端曾经敞开连贯，客户端依然向其发送数据；服务端没有解决完客户端发送的所有数据。还有很多其余的状况，咱们这里就不再一一列举。本文次要介绍其中的 2 种。
- 服务端曾经敞开连贯，客户端依然发送数据，这种状况比拟容易模仿，也比拟容易了解。
- 咱们这里介绍下，服务端没有解决完客户端数据的状况。对于客户端发送的数据, 服务端应用层没有读取完, 就敞开了连贯, 服务端会发送
Reset。这里是为什么呢？思考之后，不难发现，这是Tcp可靠性的保障,Tcp须要保障客户端发送的数据, 服务端应用层都能收到，如果服务端应用层没有读取数据，就应该告诉客户端，怎么告诉呢，就是通过Tcp Reset包。上面给出一个简略的示例程序，
#include <sys/time.h>
#include <stdlib.h>
#include <stdio.h>
#include <string.h>
#include <unistd.h>
#include <sys/types.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include <arpa/inet.h>
#define PORT 8211
int main(int argc, char** argv)
{int send_sk = socket(AF_INET, SOCK_STREAM, 0);
if(send_sk == -1)
{perror("socket failed");
return -1;
}
struct sockaddr_in s_addr;
socklen_t len = sizeof(s_addr);
bzero(&s_addr, sizeof(s_addr));
s_addr.sin_family = AF_INET;
inet_pton(AF_INET, "127.0.0.1", &s_addr.sin_addr);
s_addr.sin_port = htons(PORT);
if(connect(send_sk, (struct sockaddr*)&s_addr, len) == -1)
{perror("connect fail");
return -1;
}
char pcContent[1028]={0};
write(send_sk, pcContent, 1028);
sleep(1);
close(send_sk);
return 0;
}- 编译
gcc client.c -o client - 以上是客户端程序, 客户端发送了 1028 个字节给服务端，期待 1s 之后，敞开连贯。
#include <sys/time.h>
#include <stdlib.h>
#include <stdio.h>
#include <string.h>
#include <unistd.h>
#include <sys/types.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include <arpa/inet.h>
#define PORT 8211
#define BACKLOG 10
#define MAXRECVLEN 1024
int main(int argc, char *argv[])
{char buf[MAXRECVLEN];
int listenfd, connectfd; /* socket descriptors */
struct sockaddr_in server; /* server's address information */
struct sockaddr_in client; /* client's address information */
socklen_t addrlen;
if ((listenfd = socket(AF_INET, SOCK_STREAM, 0)) == -1)
{perror("socket() error. Failed to initiate a socket");
exit(1);
}
/* set socket option */
int opt = SO_REUSEADDR;
setsockopt(listenfd, SOL_SOCKET, SO_REUSEADDR, &opt, sizeof(opt));
bzero(&server, sizeof(server));
server.sin_family = AF_INET;
server.sin_port = htons(PORT);
server.sin_addr.s_addr = htonl(INADDR_ANY);
if(bind(listenfd, (struct sockaddr *)&server, sizeof(server)) == -1)
{perror("Bind() error.");
exit(1);
}
if(listen(listenfd, BACKLOG) == -1)
{perror("listen() error. \n");
exit(1);
}
addrlen = sizeof(client);
printf("wait connect\n");
if((connectfd=accept(listenfd,(struct sockaddr *)&client, &addrlen))==-1)
{perror("accept() error. \n");
exit(1);
}
printf("connectfd is %d\n", connectfd);
int ans = recv(connectfd, buf, MAXRECVLEN, 0);
printf("read data size: %d\n", ans);
close(listenfd); /* close listenfd */
return 0;
}- 编译
gcc server.c -o server - 服务端启动后, 期待客户端的连贯。客户端连贯之后，服务端只接管了 1024 个字节, 就敞开了连贯。
1.3 Nginx 长连贯的一些设置参数
这里给出网关 Nginx 的一些配置，网关 Nginx 是1.15.8版本，这里只列了其中一部分配置，
http{
upstream backend{
keepalive 100;
#Nginx 1.15.3 之后能够设置，这里是默认配置
keepalive_timeout 60s;
#Nginx 1.15.3 之后能够设置，这里是默认配置
keepalive_requests 100;
...
}
server{
keepalive_timeout 20s;
keepalive_requests 100;
...
}
}server中的keepalive_timeout, 意思是Nginx作为服务端，对于客户端的长连贯申请，如果 20s 内，没有收到新的申请，就会敞开这个连贯。server中的keepalive_requests，意思是对于客户端的单个长连贯，最多解决100个申请，解决完100个申请后，就敞开这个连贯，不再接管新的申请。upstream中的keepalive，意思是这个upstream最多的闲暇长连接数upstream中的keepalive_timeout，意思是Nginx作为客户端，与upstream建设长连贯后，如果60s内没有应用，就敞开这个长连贯，不再应用。upstream中的keepalive_requests，意思是Nginx作为客户端，与upstream建设的长连贯，单个连贯最多发送100个申请，超过之后，就敞开连贯。
1.4 Golang 服务的长连贯设置
Golang服务在拜访网关 Nginx 时，充当客户端的角色，作为客户端的配置如下，咱们这里只列出其中一部分，
//
transport = http.Transport{}
transport.MaxIdleConns = 100
transport.MaxIdleConnsPerHost = 100
transport.IdleConnTimeout = 60 * time.Second
//
client = http.Client{Timeout: 300 * time.Millisecond}
client.Transport = &transport这里重点讲下 transport.IdleConnTimeout 的含意，它的意思是单个长连贯，如果 60s 内没有被应用，就不再应用这个长连贯发送申请。
二. 问题排查
服务拆分之后，Golang服务呈现了大量的 connection reset by peer 谬误，很显著，这个谬误是网关 Nginx 发送给 Golang 服务的。问题的排查能够分为 3 个阶段，这里咱们一一介绍。
2.1 超时设置
之前始终认为，网关 Nginx server 中的 keepalive_timeout 设置的是 75s，也就是说Nginx 过了 75s 才敞开这个长连贯。问题排查的时候，问了下网关那边的具体配置，通知我是 20s。这时候就想，应该是因为咱们Golang 服务设置的超时工夫是 60s 导致的。当单个长连贯超过 20s 没有被应用后，Golang服务认为这个长连贯还能够应用，然而网关 Nginx 认为曾经超时，所以 Golang 服务再次发送申请，Nginx会发送 Tcp Reset 包。
将 transport.IdleConnTimeout 设置为 15s 后，本认为这个问题肯定能解决，然而发现还是会呈现connection reset by peer。
2.2 长连贯解决申请数设置
批改了超时工夫之后，发现并没有解决 connection reset by peer 的问题。之后，又想到是不是 Nginx server 中的 keepalive_requests 设置导致的。Golang服务的长连贯，并没有设置单个长连贯能够发送的申请数，然而 Nginx 在单个长连贯上，只会解决 100 个申请，超过 100 申请后，Nginx会敞开连贯，这时候如果 Golang 服务发送了申请，Nginx就会发送 Tcp Reset 包。
之后，想要设置 Golang Http Client 的长连贯解决申请数，找了半天，并没有找到哪个配置项能够配置这个值（这里如果有晓得的，能够和我说下）。
没找到配置项后，就想先抓包看下吧，抓到包之后就发现了问题不在这里。
2.3 找到起因并解决
想要设置 Golang 服务作为客户端，单个长连贯最多解决的申请数无果后，进行了抓包，抓包结果显示，
- 单个长连贯并没有解决到
100个申请，Nginx就发送了Tcp Reset包。 - 收到
Tcp Reset包的工夫点，还有很多Tcp Fin包。
之后，排查网关日志发现，咱们呈现 connection reset by peer 谬误的时候，网关也呈现了大量的 init_worker() 的谬误。这时候就感觉是网关 Nginx Reload 导致的connection reset by peer。
而后，咱们复现了这个景象，早晨的时候，让网关 Nginx 更改配置，Reload服务，发现咱们果然又呈现了 connection reset by peer 的谬误，到这里基本上就定位了问题起因。
咱们思考下，为什么网关 Nginx 重启，会导致咱们的服务收到 Tcp Reset 包，不是说 Nginx 是平滑重启，不影响服务的嘛？思考之后，起因如下，
Nginx Reload在创立新的Worker过程之后，须要向老的Worker发送信号，要求其不再接管新的连贯申请，并解决完以后连贯的申请后，敞开连贯。- 很显著，咱们
Golang服务是与Nginx老的Worker建设的长连贯，当老的Worker解决完一个申请后，发送后果给Golang服务，Golang服务收到后果之后，可能会持续发送申请，然而这个时候，Nginx老的Worker可能曾经敞开了连贯，故而发送Tcp Reset包给Golang服务。 - 这里留个问题，有没有某种状况是，
Nginx Worker收到申请后，没有解决就敞开了连贯，进而导致服务端Nginx发送Tcp Reset包给客户端？
找到起因之后，就须要解决这个问题。解决方案有两种，
Golang服务的长连贯改为短连贯，咱们应用的就是这一种Golang服务持续应用长连贯，当呈现connection reset by peer谬误后，进行重试。这里须要留神的是，因为Nginx正在Reload，大量的长连贯都会生效，所以可能须要重试很屡次。
三. 总结
Nginx是十分优良的负载平衡、反向代理工具，业界应用的十分宽泛，Nginx的高性能、模块化设计也被很多软件所模拟。咱们在应用 Nginx 的时候，能够多思考，多总结，加深对 Nginx 的了解。Http的长连贯和短连贯各有利弊，咱们要依据本人的理论场景进行抉择。排查问题的时候，多思考，任何一个问题背地都可能有很丰盛的知识点。
