记一次压测问题定位：connection reset by peer，TCP三次握手后服务端发送RST

问题描述

    这两天用Go做一个比较简单的task：后端有HTTPServer和TCPServer。客户端通过http接入到HTTPServer，HTTPServer通过RPC将请求发送到TCPServer，所有的业务逻辑都由TCPServer处理。

    压测：自己的mac电脑（CPU：Intel i7, 4核，2.7GHz。内存：16G），硬件够用。客户端用Go编写，1个goruntine启动一个HTTPClient往HTTPServer发送http请求。每个HTTPClient限定为一个HTTP长链接。

    问题：压到400个HTTPClient，出现一些错误提示“read: connection reset by peer”。

问题定位以及原因

“connection reset by peer”的含义是往对端写数据的时候，对端提示已经关闭了连接。一般往一个已经被关闭的socket写会提示这个错误。但是通过log分析，服务端没有应用层面的close，客户端也没有应用层面的write。抓包发现客户端建立TCP完成3次握手后，服务端立刻就回了RST。如下图：

这个抓包很好的反应了压测中的现象：错误提示connection reset by peer，但是应用层并没有任何的读写，TCP三次握手后服务端直接通过RST关闭了连接。RST的情况见的多，这种情况着实没有遇到过。最后N次baidu google，终于找到答案。

TCP三次握手后服务端直接RST的真相

内核中处理TCP连接时维护着两个队列:SYN队列和ACCEPT队列，如上图所示，服务端在建立连接过程中内核的处理过程如下：

• （1）客户端使用connect调用向服务端发起TCP连接，内核将此连接信息放入SYN队列，返回SYN-ACK
• （2）服务端内核收到客户端的ACK后，将此连接从SYN队列中取出，放入ACCEPT队列
• （3）服务端使用accept调用将连接从ACCEPT队列中取出

上述抓包说明，3次握手已经完成。但是应用层accept并没有返回，说明问题出在ACCEPT队列中。那么什么情况下，内核准确的说应该是TCP协议栈会在三次握手完成后发RST呢？原因就是ACCEPT队列满了，上述（2）中，服务端内核收到客户端的ACK后将连接放入ACCEPT队列失败，就有可能回RST拒绝连接。

进一步来看Linux协议栈的一些逻辑：SYN队列和ACCEPT队列的长度是有限制的，SYN队列长度由内核参数tcp_max_syn_backlog决定，ACCEPT队列长度可以在调用listen(backlog)通过backlog，但总最大值受到内核参数somaxconn(/proc/sys/net/core/somaxconn)限制。若SYN队列满了，新的SYN包会被直接丢弃。若ACCEPT队列满了，建立成功的连接不会从SYN队列中移除，同时也不会拒绝新的连接，这会加剧SYN队列的增长，最终会导致SYN队列的溢出。当ACCEPT队列溢出之后，只要打开tcp_abort_on_flow内核参数(默认为0，关闭)，建立连接后直接回RST，拒绝连接(可以通过/proc/net/netstat中ListenOverflows和ListenDrops查看拒绝的数目)。

所以真相找到了：就是ACCEPT队列溢出了导致TCP三次握手后服务端发送RST。

回到我的压测环境，mac电脑的内核是unix，所以以上的一些参数别说调整了，有些找都找不到在哪。但是somaxconn这个倒是找到了：

而我压测的时候起400个goruntine，同时跟服务端建立HTTP连接，可能导致了服务端的ACCEPT队列溢出。这里之所以用可能，是因为并没有找到证据，只是理论上分析。但是验证这个问题简单：修改一下内核参数somaxconn。但是不想在mac电脑上搞了，于是将建立HTTP连接的速度放慢，20ms一个。果然，错误消失了，400个、800个、2000个client，都OK。

总结

1. 理论还是很重要的。特别是遇到网络层面的疑难杂症，一定要结合理论，根据现象去推导。
2. 没有头绪的时候，就抓包吧。
3. 不要在mac上搞压测这种事，测试尽量跟线上保持一样的环境

参考

TCP连接的建立和终止