2020-07-24 49b69604bc977a6c6ba86665c7702aa9 99+ 3 分钟 0.5 k 0次访问

服务端TCP连接大量TIME_WAIT状态的分析与问题解决

TIME_WAIT

一、问题描述

模拟高并发的场景，会出现批量的 TIME_WAIT 的 TCP 连接：

短时间后，所有的 TIME_WAIT 全都消失，连接被回收，端口包括服务，均正常。即，在高并发的场景下，TIME_WAIT 连接存在，属于正常现象。

线上场景中，持续的高并发场景：

一部分 TIME_WAIT 连接被回收，但新的 TIME_WAIT 连接产生；
一些极端情况下，会出现大量的 TIME_WAIT 连接。

Think：上述大量的 TIME_WAIT 状态 TCP 连接，有什么业务上的影响吗？

Nginx 作为反向代理时，大量的短链接，可能导致 Nginx 上的 TCP 连接处于 time_wait 状态：

每一个 time_wait 状态，都会占用一个「本地端口」，上限为 65535（16 bit，2 Byte）；
当大量的连接处于 time_wait 时，新建立 TCP 连接会出错，address already in use : connect 异常

统计 TCP 连接的状态：

// 统计：各种连接的数量

$ netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'

ESTABLISHED 1154

TIME_WAIT 1645

Tips：TCP 本地端口数量，上限为 65535（6.5w），这是因为 TCP 头部使用 16 bit 存储「端口号」，因此约束上限为 65535。

二、问题分析

大量的 TIME_WAIT 状态 TCP 连接存在，其本质原因是什么？

大量的短连接存在
特别是 HTTP 请求中，如果 connection 头部取值被设置为 close 时，基本都由「服务端」发起主动关闭连接
TCP 四次挥手关闭连接机制中，为了保证 ACK 重发和丢弃延迟数据，设置 time_wait 为 2 倍的 MSL（报文最大存活时间）

TIME_WAIT 状态：

TCP 连接中，主动关闭连接的一方出现的状态；（收到 FIN 命令，进入 TIME_WAIT 状态，并返回 ACK 命令）
保持 2 个 MSL 时间，即 4 分钟；（MSL 为 2 分钟）

三、解决办法

解决上述 time_wait 状态大量存在，导致新连接创建失败的问题，一般解决办法：

客户端
HTTP 请求的头部，connection 设置为 keep-alive，保持存活一段时间：现在的浏览器，一般都这么设置。
服务器端
1、允许 time_wait 状态的 socket 被重用
2、缩减 time_wait 时间，设置为 1 MSL（即 2 mins）

四、总结

time_wait 状态的影响

TCP 连接中，「主动发起关闭连接」的一端，会进入 time_wait 状态
time_wait 状态，默认会持续 2 MSL（报文的最大生存时间），一般是 2x2 mins
time_wait 状态下，TCP 连接占用的端口，无法被再次使用
TCP 端口数量，上限是 6.5w（65535，16 bit）
大量 time_wait 状态存在，会导致新建 TCP 连接会出错，address already in use : connect 异常

现实场景

服务器端，一般设置：不允许「主动关闭连接」
但 HTTP 请求中，http 头部 connection 参数，可能设置为 close，则服务端处理完请求会主动关闭 TCP 连接
现在浏览器中， HTTP 请求 connection 参数，一般都设置为 keep-alived
Nginx 反向代理场景中，可能出现大量短链接，服务器端，可能存在

解决办法

服务器端允许 time_wait 状态的 socket 被重用
缩减 time_wait 时间，设置为 1 MSL（即 2 mins）

五、拓展

5.1、查询 TCP 连接状态

Mac 下，查询 TCP 连接状态的具体命令：

// Mac 下，查询 TCP 连接状态
$ netstat -nat | grep TIME_WAIT

// Mac 下，查询 TCP 连接状态，其中 -E 表示 grep 或的匹配逻辑
$ netstat -nat | grep -E "TIME_WAIT|Local Address"
Proto Recv-Q Send-Q Local Address Foreign Address (state)
tcp4 0 0 127.0.0.1.1080 127.0.0.1.59061 TIME_WAIT

// 统计：各种连接的数量
$ netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'
ESTABLISHED 1154
TIME_WAIT 1645

5.2、MSL 时间

MSL，Maximum Segment Lifetime，“报文最大生存时间”

任何报文在网络上存在的最长时间，超过这个时间报文将被丢弃。（IP 报文）
TCP 报文（segment）是 ip 数据报（datagram）的数据部分。

Tips：RFC 793 中规定 MSL 为 2 分钟，实际应用中常用的是 30 秒，1 分钟和 2 分钟等。

2MSL，TCP 的 TIME_WAIT 状态，也称为 2MSL 等待状态：

当 TCP 的一端发起主动关闭（收到 FIN 请求），在发出最后一个 ACK 响应后，即第 3 次挥手完成后，发送了第四次挥手的 ACK 包后，就进入了 TIME_WAIT 状态。
必须在此状态上停留两倍的 MSL 时间，等待 2MSL 时间主要目的是怕最后一个 ACK 包对方没收到，那么对方在超时后将重发第三次挥手的 FIN 包，主动关闭端接到重发的 FIN 包后，可以再发一个 ACK 应答包。
在 TIME_WAIT 状态时，两端的端口不能使用，要等到 2MSL 时间结束，才可继续使用。（IP 层）
当连接处于 2MSL 等待阶段时，任何迟到的报文段都将被丢弃。

不过在实际应用中，可以通过设置「SO_REUSEADDR 选项」，达到不必等待 2MSL 时间结束，即可使用被占用的端口。

5.3、TCP 三次握手和四次握手

1、time_wait 是「服务器端」的状态 or「客户端」的状态？

time_wait 是「主动关闭 TCP 连接」一方的状态，可能是「客服端」的，也可能是「服务器端」的
一般情况下，都是「客户端」所处的状态，「服务器端」一般设置「不主动关闭连接」

2、服务器在对外服务时，是「客户端」发起的断开连接？还是「服务器」发起的断开连接？

正常情况下，都是「客户端」发起的断开连接
「服务器」一般设置为「不主动关闭连接」，服务器通常执行「被动关闭」
但 HTTP 请求中，http 头部 connection 参数，可能设置为 close，则，服务端处理完请求会主动关闭 TCP 连接

3、关于 HTTP 请求中，设置的主动关闭 TCP 连接的机制：TIME_WAIT 的是主动断开方才会出现的，所以主动断开方是服务端？

答案是是的。在 HTTP1.1 协议中，有个 Connection 头，Connection 有两个值，close 和 keep-alive，这个头就相当于客户端告诉服务端，服务端你执行完成请求之后，是关闭连接还是保持连接，保持连接就意味着在保持连接期间，只能由客户端主动断开连接。还有一个 keep-alive 的头，设置的值就代表了服务端保持连接保持多久。
HTTP 默认的 Connection 值为 close，那么就意味着关闭请求的一方几乎都会是由服务端这边发起的。那么这个服务端产生 TIME_WAIT 过多的情况就很正常了。
虽然 HTTP 默认 Connection 值为 close，但是，现在的浏览器发送请求的时候一般都会设置 Connection 为 keep-alive 了。所以，也有人说，现在没有必要通过调整参数来使 TIME_WAIT 降低了。

4、time_wait 状态存在的必要性

可靠的实现 TCP 全双工连接的终止
四次挥手关闭 TCP 连接过程中，最后的 ACK 是由「主动关闭连接」的一端发出的，如果这个 ACK 丢失，则对方会重发 FIN 请求，因此，在「主动关闭连接」的一段，需要维护一个 time_wait 状态，处理对方重发的 FIN 请求。
处理延迟到达的报文
由于路由器可能抖动，TCP 报文会延迟到达，为了避免「延迟到达的 TCP 报文」被误认为是「新 TCP 连接」的数据，则需要在允许新创建 TCP 连接之前，保持一个不可用的状态，等待所有延迟报文的消失，一般设置为 2 倍的 MSL（报文的最大生存时间），解决「延迟达到的 TCP 报文」问题。

原文连接:
服务端 TCP 连接的 TIME_WAIT 过多问题的分析与解决