【问题排查】记一次ab压测出现错误的原因分析

阅读本文大概需要 3 分钟。

用ab压测服务A (服务A会调用服务B) 的时候，并发不大的情况下，经常出现Failed requests， 最终发现原因是服务B所在服务器tcp半连接队列丢包，导致部分tcp连接不成功，最终请求失败，这里还原下整个过程分析下 （以下将服务A所在服务器称为客户端，服务B所在服务为服务器端）

问题现象

ab 压测出现Failed requests

分析过程

1.客户端查看错误日志，看到错误原因

net/http: request canceled while waiting for connection

2.服务端根据客户端trace_id查找请求，日志里面找不到，怀疑是tcp层面的问题，也就是连接不成功，还没有进入应用层

3.服务器端查看tcp丢包情况，发现前后两次tcp半连接队列丢包个数相减正好是ab Failed requests个数3

# 查看半连接队列 (syns queue) 溢出 
netstat -s | grep drop
# 查看全连接队列 (accept queue) 溢出
netstat -s | grep TCPBacklogDrop

半连接队列丢包

4. 查看丢包原因，服务器端查看半连接队列（syns queue）大小，排除不是设置得过小的原因

cat /etc/sysctl.conf | grep net.ipv4.tcp_max_syn_backlog

TCP握手过程中建连接的流程和队列

5. 查看丢包的原因，通过查阅资料，服务器同时打开了tcp_timestamps + tcp_tw_recycle时，就会检查时间戳；如果对方发来的包的时间戳是乱跳的或者说时间戳是滞后的，这样服务器肯定不会回复，所以服务器就把带了“倒退”的时间戳的包当作是“recycle的tw连接的重传数据，不是新的请求，于是丢掉客户端的syn请求不回复

解决办法

vim /etc/sysctl.conf 
修改 net.ipv4.tcp_tw_recycle = 0 或者 net.ipv4.tcp_timestamps = 0
然后sysctl -p 重启

参考

https://blog.csdn.net/pyxllq/article/details/80351827
https://blog.csdn.net/GV7lZB0y87u7C/article/details/79358193

蔡蔡技术记