Skip to main content

客户端 timewait 过多解决方案

本文背景​

客户压测 CLB 时，常会遇到一些客户端 timewait 过多，端口被快速占满，导致 connect 失败的问题，下面会说明原因和解决方案。

Linux 参数介绍​

  • tcp_timestamps：是否开启 tcp timestamps 选项，timestamps 是在 tcp 三次握手过程中协商的，任意一方不支持，该连接就不会使用 timestamps 选项。
  • tcp_tw_recycle：是否开启 tcp time_wait 状态回收。
  • tcp_tw_reuse：开启后，可直接回收超过1s的 time_wait 状态的连接。

原因分析​

客户端 timewait 太多，是因为客户端主动断开连接，客户端每断开一个连接，该连接都会进入 timewait 状态，默认60s超时回收。一般情况下，遇到这种场景时，客户会选择打开 tcp_tw_recycle 和 tcp_tw_reuse 两个参数，便于回收 timewait 状态连接。然而当前 CLB 没有打开 tcp_timestamps 选项，导致客户端打开的 tcp_tw_recycle 和 tcp_tw_reuse 都不会生效，不能快速回收 timewait 状态连接。下面会解释几个 Linux 参数的含义和 CLB 不能开启 tcp_timestamps 的原因。

  1. tcp_tw_recycle 和 tcp_tw_reuse 只有在 tcp_timestamps 打开时才会生效。

  2. tcp_timestamps 和 tcp_tw_recycle 不能同时打开，因为公网客户端经过 NAT 网关访问服务器，会存在问题，原因如下：

    • tcp_tw_recycle 和 tcp_timestamps 都开启的条件下，60s内同一源 IP 主机的 socket connect 请求中的 timestamp 必须是递增的。以2.6.32内核为例，具体实现如下： 实现示例
      • tmp_opt.saw_tstamp：该 socket 支持 tcp_timestamp。
      • sysctl_tw_recycle：本机系统开启 tcp_tw_recycle 选项。
      • TCP_PAWS_MSL：60s，该条件判断表示该源 IP 的上次 tcp 通讯发生在60s内。
      • TCP_PAWS_WINDOW：1，该条件判断表示该源 IP 的上次 tcp 通讯的 timestamp 大于本次 tcp。

  3. CLB（7层）关闭了 tcp_timestamps 原因，因为公网客户端经过 NAT 网关访问服务器，可能会存在问题，如下例：

    • 某五元组还是 time_wait 状态。NAT网关对端口的分配策略，2MSL内复用了同个五元组，发来 syn 包。
    • 在开启 tcp_timestamps 情况下，同时满足如下两个条件，会丢弃该 syn 包（因为开启了时间戳选项，认为是老包）： i. 上次时间戳 > 本次时间戳。 ii. 24天内收过包（时间戳字段是32位，Linux 默认1ms更新一次时间戳，24天会发生时间戳回绕）。 备注：在移动端该问题更为明显，因为客户端都是在运营商 NAT 网关下面共享有限的公网 IP，五元组还可能在2MSL内被复用，不同客户端传来的时间戳不能保证是递增的。 以2.6.32内核为例，具体实现如下： 实现示例
      • rx_opt->ts_recent：上次的时间戳
      • rx_opt->rcv_tsval：本次收到的时间戳
      • get_seconds()：当前时间
      • rx_opt->ts_recent_stamp：上次收到包的时间

解决方案​

客户端 Timewait 过多问题，有如下解决方案：

  1. HTTP 使用短连接（Connection: close），这时由 CLB 主动关闭连接，客户端不会产生 timewait。
  2. 如果场景需要使用长连接，可以打开 socket 的 SO_LINGER 选项，使用 rst 关闭连接，避免进入 timewait 状态，达到快速回收端口的目的。