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。

  1. 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。
  2. 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 8211int 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 1024int 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 = 100transport.MaxIdleConnsPerHost = 100transport.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。