工作记录 - Linux 的socket TCP keep-alive功能在特定情况下失效的原因

问题

TCP socket keep-alive 失败，导致正在进行的业务失败。

分析

根据数据报文发现，每次tcp ack keep-alive数据报文请求发送后如果发送别的数据，就会出现socket超时， 判断是内核处理tcp keepalive出现问题导致的。

问题重现

我根据这种情况，实现了一个类似的socket,发送keep-alive然后在程序中sleep特定时间，然后发送数据，模拟紧跟着的情况，在正常Linux系统中是没有问题的，但是到了我们的设备中就出现问题了。

原因

Linux 发送keep-alive request的ack会有一个flag记录发送状态，如果收到了响应这个flag会被重置。这样在keep-alive timer到期后检测就不会出现问题，然而我们的内核中如果紧接着又数据报文发送，收到的ack会走另一条路径，这个flag不会被重置，导致的问题。

解决方案

就是将这个flag移到前面，不论收到的是正常的ack还是tcp keep-alive的ack都重置这个flag.