问题描述：
最近遇到了一个syn丢包的情况，当系统磁盘、网络、cpu都无压力的时候，系统莫名其妙出现“sync to listen sockets drop”问题；无论带宽是10M还是8G，都会出现这种这种情况。现象为：输入系统命令：netstat -s | grep LISTEN，会出现 syns to listen sockets dropped; 但是并没有times the listen queue of a socket overflowed；连接队列包括两种，一个是半连接队列（syn queue），一个是全连接队列（accept queue）；根据上述描述，accept队列并没有溢出，而syn队报丢失有可能是syn队列溢出的原因，也可能是其他原因；"syns to listen sockets dropped"意思是：收到三次握手的ack包，因为各种原因导致创建socket的过程中被丢弃；
首先我们分析了一下netstat -s里面的数据，发现"passive connections rejected because of time stamp"的值和"syns to listen sockets dropped"相差不大，很多服务器他们的值都是相同的，这个让人感觉sync to listen sockets drop的原因有可能与时间戳有关；
我们检查了一下系统的配置：
or的keepalive设置为512个,总共40个cpu；系统级别的监听队列长度是65535，syn队列是26w；or的每个进程监听队列是20w；
我们的架构是上层是openresty，下层是我们的自研缓存软件；
syns to listen sockets dropped; 是由于在三次握手过程中创建socket失败，但是我们不知道是or或者cache软件作为客户端丢失syn包还是or或者cache软件作为服务器丢失syn包；于是我们做了一系列测试；
发现以下几点：
1. client（用户）访问or层，会导致or层作为服务器端的syn包丢失；
2. or作为客户端，访问cache软件时，or发出的syn包没有丢失；（or和cache软件是同一个机房）；
3. cache软件作为服务器，接受到的syn包没有丢失；
4. cache软件作为客户端，发出去的syn包没有丢失（cache软件主要是给其他IDC发送http请求）；
于是我们的重点是解决用户给or的syn包丢失的问题；
我们从网上查找原因，查到了最有可能的原因：
：因为2.6内核以上中tcp_timestamps默认是打开的，所以当打开 tcp_tw_recycle时会导致部分通过NAT上网client无法正确连接服务器，故障表现为client发出SYN后无法收到server返回 的SYN+ACK，推荐的解决方法是关闭tcp_tw_recycle，打开tcp_tw_reuse解决TIME-WAIT过多的问题。
我们将/proc/sys/net/ipv4/tcp_tw_recycle修改为0，drop情况就不发生了；
然后查看tw个数：
netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'
下面我们总结一下：
tcp_tw_recycle 设置为 1 会开启系统对 TIME_WAIT 状态的 socket 的快速回收。开启这个功能，系统就会存下 TCP 连接的时间戳，当同一个 IP 地址过来的包的时间戳小于缓存的时间戳，系统就直接丢包，“回收”这个 socket。这个选项同样需要开启 tcp_timestamp 才生效。
开启这个功能是有很大风险的，服务器端会根据同一个 IP 发送过来的包的时间戳来判断是否丢包，而时间戳是根据发包的客户端的系统时间得来的，如果服务端收到的包是同一出口 IP 而系统时间不一样的两个客户端的包，就有可能会丢包，可能出现的情况就是一个局域网内有的客户端能连接服务端，有的不能。具体原因是客户端处于NAT模式下，出口ip可能是同一个ip，不同客户端的发送的时间戳可能乱序，服务器会检查相同ip地址发送来过的包的时间戳是不是小于缓存的时间戳，如果不是，直接丢掉；
有可能drop package的情况：(服务器端tcp_tw_recycle和tcp_timestamp都开启)
1.lvs处于NAT模式（咱们是DR）；
2.客户端处于NAT模式；
3.IDC处于NAT模式；有人对国内的节点做了一个可视化分析，发现有2.61%的概率出口存在NAT的这种情况；
在服务器上最好打开tcp_tw_reuse，并且关闭tcp_tw_recycle。
tcp_tw_reuse和tcp_tw_recycle区别：
1. tw_reuse，tw_recycle 必须在客户端和服务端timestamps 开启时才管用（默认打开）
2. tw_reuse 只对客户端起作用，开启后客户端在1s内回收
3. tw_recycle 对客户端和服务器同时起作用，开启后在 3.5*RTO 内回收，RTO 200ms~ 120s 具体时间视网络状况。内网状况比tw_reuse 稍快，公网尤其移动网络大多要比tw_reuse 慢，优点就是能够回收服务端的TIME_WAIT数量；
阅读(3176) | 评论(0) | 转发(0) |
