关于流量升高导致TIME_WAIT增加，MySQL连接大量失败的问题

 

 

搜索有个应用就是每次都会去查一个接口，接口返回用户的信息数据，从而展现不同的筛选和排序效果。大致流程如下

AD： 2013云计算架构师峰会超低价抢票中

 

搜索有个应用就是每次都会去查一个接口，接口返回用户的信息数据，从而展现不同的筛选和排序效果。大致流程如下

s.taobao.com(hz)-> memcache ->电信custom接口 ->master-db

s.taobao.com(qd)-> 网通custom接口 -> slave-db

接口环境是php(cgi) + nginx，接口已经运行很久，未出过异常

搜索访问custom接口，然后接口去查数据库(数据库是主从复制，数据同步，各自机房读各自的数据库，写的话都写master-db)

有一点，就是电信机房是有memcache层的，而网通机房一直没有(考虑到网通机房流量不高，并且机房cache不同步，从上线起就网通机房一直未使用cache)

有一次搜索上线，这个上线的版本有个改动就是把电信机房的memcache也取消了，然后 电信机房流量暴增

看pv统计：

[admin@linux ~]$ xxx.sh “find ./ -name ‘access*’|xargs wc -l|awk ‘END{print$1}’” fe

cmd :find ./ -name ‘access*’|xargs wc -l|awk ‘END{print }’

type:fe

server1

27720029 total(28号是11428684total)

———-

server2

27719910 total(28号是11429158total)

———-

server3

21084539 总计

———-

server4

21086051 total

网通机房流量一直都是2KW左右，从未出任何问题

就是昨天电信custom接口流量暴增后，出现了异常，电信机房机器负载一度达到48左右，QPS达到1533，直到凌晨0：24分才降到1以下

应用也报了短暂的超时警报，不过php和nginx运行还是比较蛋定，重启依然非常快，终端也没有出现很卡的情况

29号流量：

28号流量：

异常就是error.log在上线后飙到3个G！！！

而且错误全都是Can’t connect to MySQL server on ’1.1.1.1′ (99)

即便在命令行下用mysql -h1.1.1.1 -u -p

也间歇性地连接不上，但是据dba描述，数据库监控无任何异常，数据库上其他部门的应用也无异常

不知是否机器负载过高导致大量time wait，导致mysql连接超时或连接不上

以下是晚上0点13分的监控：

80端口连接数(CurrentConnection): 16

nginx进程数量: 10

php进程数量: 130

TCP连接状态:

TIME_WAIT 26258(不知是否和他有关)

FIN_WAIT1 1

FIN_WAIT2 6

ESTABLISHED 893

按理说，custom的网通接口流量一直是日均2KW，从未出现过异常，杭州机房接口飙到2.7KW就抗不住了，load直线上升，

为了排除cache引起的流量导致接口异常，22：30左右重新上了2个文件，把杭州机房的memcache重新开启，

开启后慢慢load是降了，但是mysql错误依旧只是没那么多了

现在去机器上看，还是大量错误，提取日志如下

2011/12/3010:23:58 [error] 23859#0: *19554416 FastCGI sent in stderr: “PHPWarning: mysql_connect() [

后来跟dba不断沟通排查，发现电信机房和网通机房的/etc/sysctl.conf配置有所区别

网通机房多了下面几行

net.ipv4.tcp_syncookies =1

net.ipv4.tcp_tw_reuse = 1

net.ipv4.tcp_tw_recycle =1

net.ipv4.tcp_fin_timeout= 5

原因就在这，把配置同步到杭州机房后，问题就解决了，总结如下：

• 问题描述
• 上线异常导致qps：1500+，负载：48+，虽然nginx+php表示很淡定没挂，但error.log飙到了3G/天，全是Can’t connect to MySQL server on ‘*.*.*.*’ (99)
• 解决异常后，error.log日志少了，但TIME_WAIT依旧减不下去，数据库依旧连接是失败
• 问题排查
• Mysql Config ? (no problem)
• max_connect_errors = 50000 (no problem)
• max_connections = 1000 (no problem)
• max_user_connections = 950 (no problem)
• OS Config ? (problem, 按以下修改问题就解决了)
• vi /etc/sysctl.conf// 编辑net.ipv4.tcp_syncookies = 1net.ipv4.tcp_tw_reuse = 1

  net.ipv4.tcp_tw_recycle = 1

  net.ipv4.tcp_fin_timeout = 5

  // 让参数生效

  /sbin/sysctl -p

• 问题原因
• 报错”Can’t connect to MySQL server on ‘*.*.*.*’ (99) ” 参考MySQL Client端错误代码说明：错误代码为99，99的含义：$perror 99 OS error code 99: Cannot assign requested address 这是一个本地OS的抛错，表示无法分配本地地址资源(应该是端口)，socket无法创建
• Google一下” Cannot assign requested address”，多半是由于客户端请求过于频繁，而Server端练级关闭后本地暂时处于TIME_WAIT，所以暂时端口都不可用导致。因此修改下OS参数就ok了
• 问题反思
• 这个问题非常紧急么？紧急！
• 参考文章《nginx+php产生大量TIME_WAIT》：http://leven.blog.51cto.com/1675811/382097，遇到这样的问题，我们应该第一时间想到端口不可用，首先会导致nginx连不上php-cgi导致服务不可用，其次才是php-cgi连不上mysql，因此非常重要！
• 为什么mysql不使用长连接pconnection呢？
• pconnection mysql占用大量资源，并且在大并发情况下，例如个性化，活动促销等，连接过多导致无数的连接失败error，并牵制apache(nginx)ThreadsPerChild的参数
• 高并发下的最佳实践？
• apache短连接，nginx短连接，mysql短连接，虽然TIME_WAIT多了，但可通过修改OS内核加速TIME_WAIT的复用，经验之谈啊！