轉(zhuǎn)自：http://blog.csdn.net/shootyou/article/details/6622226
昨天解決了一個HttpClient調(diào)用錯誤導(dǎo)致的服務(wù)器異常，具體過程如下：
http://blog.csdn.net/shootyou/article/details/6615051
里頭的分析過程有提到，通過查看服務(wù)器網(wǎng)絡(luò)狀態(tài)檢測到服務(wù)器有大量的CLOSE_WAIT的狀態(tài)。
在服務(wù)器的日常維護(hù)過程中，會經(jīng)常用到下面的命令：
netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'
它會顯示例如下面的信息：
TIME_WAIT 814CLOSE_WAIT 1FIN_WAIT1 1ESTABLISHED 634SYN_RECV 2LAST_ACK 1
常用的三個狀態(tài)是：ESTABLISHED 表示正在通信，TIME_WAIT 表示主動關(guān)閉，CLOSE_WAIT 表示被動關(guān)閉。
具體每種狀態(tài)什么意思，其實(shí)無需多說，看看下面這種圖就明白了，注意這里提到的服務(wù)器應(yīng)該是業(yè)務(wù)請求接受處理的一方：
這么多狀態(tài)不用都記住，只要了解到我上面提到的最常見的三種狀態(tài)的意義就可以了。一般不到萬不得已的情況也不會去查看網(wǎng)絡(luò)狀態(tài)，如果服務(wù)器出了異常，百分之八九十都是下面兩種情況：
1.服務(wù)器保持了大量TIME_WAIT狀態(tài)
2.服務(wù)器保持了大量CLOSE_WAIT狀態(tài)
因?yàn)?a target="_blank" rel="nofollow">Linux分配給一個用戶的文件句柄是有限的（可以參考：http://blog.csdn.net/shootyou/article/details/6579139），而TIME_WAIT和CLOSE_WAIT兩種狀態(tài)如果一直被保持，那么意味著對應(yīng)數(shù)目的通道就一直被占著，而且是“占著茅坑不使勁”，一旦達(dá)到句柄數(shù)上限，新的請求就無法被處理了，接著就是大量Too Many Open Files異常，tomcat崩潰。。。
下面來討論下這兩種情況的處理方法，網(wǎng)上有很多資料把這兩種情況的處理方法混為一談，以為優(yōu)化系統(tǒng)內(nèi)核參數(shù)就可以解決問題，其實(shí)是不恰當(dāng)?shù)?，?yōu)化系統(tǒng)內(nèi)核參數(shù)解決TIME_WAIT可能很容易，但是應(yīng)對CLOSE_WAIT的情況還是需要從程序本身出發(fā)?，F(xiàn)在來分別說說這兩種情況的處理方法：
1.服務(wù)器保持了大量TIME_WAIT狀態(tài)
這種情況比較常見，一些爬蟲服務(wù)器或者WEB服務(wù)器（如果網(wǎng)管在安裝的時候沒有做內(nèi)核參數(shù)優(yōu)化的話）上經(jīng)常會遇到這個問題，這個問題是怎么產(chǎn)生的呢？
從上面的示意圖可以看得出來，TIME_WAIT是主動關(guān)閉連接的一方保持的狀態(tài)，對于爬蟲服務(wù)器來說他本身就是“客戶端”，在完成一個爬取任務(wù)之后，他就會發(fā)起主動關(guān)閉連接，從而進(jìn)入TIME_WAIT的狀態(tài)，然后在保持這個狀態(tài)2MSL（max segment lifetime）時間之后，徹底關(guān)閉回收資源。為什么要這么做？明明就已經(jīng)主動關(guān)閉連接了為啥還要保持資源一段時間呢？這個是TCP/IP的設(shè)計者規(guī)定的，主要出于以下兩個方面的考慮：
1.防止上一次連接中的包，迷路后重新出現(xiàn)，影響新連接（經(jīng)過2MSL，上一次連接中所有的重復(fù)包都會消失）2.可靠的關(guān)閉TCP連接。在主動關(guān)閉方發(fā)送的最后一個 ack(fin) ，有可能丟失，這時被動方會重新發(fā)fin, 如果這時主動方處于 CLOSED 狀態(tài) ，就會響應(yīng) rst 而不是 ack。所以主動方要處于 TIME_WAIT 狀態(tài)，而不能是 CLOSED 。另外這么設(shè)計TIME_WAIT 會定時的回收資源，并不會占用很大資源的，除非短時間內(nèi)接受大量請求或者受到攻擊。
關(guān)于MSL引用下面一段話：
MSL 為一個 TCP Segment (某一塊 TCP 網(wǎng)路封包) 從來源送到目的之間可續(xù)存的時間 (也就是一個網(wǎng)路封包在網(wǎng)路上傳輸時能存活的時間)，由於 RFC 793 TCP 傳輸協(xié)定是在 1981 年定義的，當(dāng)時的網(wǎng)路速度不像現(xiàn)在的網(wǎng)際網(wǎng)路那樣發(fā)達(dá)，你可以想像你從瀏覽器輸入網(wǎng)址等到第一個 byte 出現(xiàn)要等 4 分鐘嗎？在現(xiàn)在的網(wǎng)路環(huán)境下幾乎不可能有這種事情發(fā)生，因此我們大可將 TIME_WAIT 狀態(tài)的續(xù)存時間大幅調(diào)低，好讓 連線埠 (Ports) 能更快空出來給其他連線使用。
再引用網(wǎng)絡(luò)資源的一段話：
值得一說的是，對于基于TCP的HTTP協(xié)議，關(guān)閉TCP連接的是Server端，這樣，Server端會進(jìn)入TIME_WAIT狀態(tài)，可 想而知，對于訪問量大的Web Server，會存在大量的TIME_WAIT狀態(tài)，假如server一秒鐘接收1000個請求，那么就會積壓240*1000=240，000個 TIME_WAIT的記錄，維護(hù)這些狀態(tài)給Server帶來負(fù)擔(dān)。當(dāng)然現(xiàn)代操作系統(tǒng)都會用快速的查找算法來管理這些TIME_WAIT，所以對于新的 TCP連接請求，判斷是否hit中一個TIME_WAIT不會太費(fèi)時間，但是有這么多狀態(tài)要維護(hù)總是不好。
HTTP協(xié)議1.1版規(guī)定default行為是Keep-Alive，也就是會重用TCP連接傳輸多個 request/response，一個主要原因就是發(fā)現(xiàn)了這個問題。
也就是說HTTP的交互跟上面畫的那個圖是不一樣的，關(guān)閉連接的不是客戶端，而是服務(wù)器，所以web服務(wù)器也是會出現(xiàn)大量的TIME_WAIT的情況的。
現(xiàn)在來說如何來解決這個問題。
解決思路很簡單，就是讓服務(wù)器能夠快速回收和重用那些TIME_WAIT的資源。
下面來看一下我們網(wǎng)管對/etc/sysctl.conf文件的修改：
對于一個新建連接，內(nèi)核要發(fā)送多少個 SYN 連接請求才決定放棄,不應(yīng)該大于255，默認(rèn)值是5，對應(yīng)于180秒左右時間
net.ipv4.tcp_syn_retries=2
net.ipv4.tcp_synack_retries=2
表示當(dāng)keepalive起用的時候，TCP發(fā)送keepalive消息的頻度。缺省是2小時，改為300秒
net.ipv4.tcp_keepalive_time=1200
net.ipv4.tcp_orphan_retries=3
表示如果套接字由本端要求關(guān)閉，這個參數(shù)決定了它保持在FIN-WAIT-2狀態(tài)的時間
net.ipv4.tcp_fin_timeout=30
表示SYN隊(duì)列的長度，默認(rèn)為1024，加大隊(duì)列長度為8192，可以容納更多等待連接的網(wǎng)絡(luò)連接數(shù)。
net.ipv4.tcp_max_syn_backlog = 4096
表示開啟SYN Cookies。當(dāng)出現(xiàn)SYN等待隊(duì)列溢出時，啟用cookies來處理，可防范少量SYN攻擊，默認(rèn)為0，表示關(guān)閉
net.ipv4.tcp_syncookies = 1
表示開啟重用。允許將TIME-WAIT sockets重新用于新的TCP連接，默認(rèn)為0，表示關(guān)閉
net.ipv4.tcp_tw_reuse = 1
表示開啟TCP連接中TIME-WAIT sockets的快速回收，默認(rèn)為0，表示關(guān)閉
net.ipv4.tcp_tw_recycle = 1
減少超時前的探測次數(shù)
net.ipv4.tcp_keepalive_probes=5
優(yōu)化網(wǎng)絡(luò)設(shè)備接收隊(duì)列
net.core.netdev_max_backlog=3000
修改完之后執(zhí)行/sbin/sysctl -p讓參數(shù)生效。
這里頭主要注意到的是net.ipv4.tcp_tw_reuse
net.ipv4.tcp_tw_recycle net.ipv4.tcp_fin_timeout net.ipv4.tcp_keepalive_*
這幾個參數(shù)。
net.ipv4.tcp_tw_reuse和net.ipv4.tcp_tw_recycle的開啟都是為了回收處于TIME_WAIT狀態(tài)的資源。
net.ipv4.tcp_fin_timeout這個時間可以減少在異常情況下服務(wù)器從FIN-WAIT-2轉(zhuǎn)到TIME_WAIT的時間。
net.ipv4.tcp_keepalive_*一系列參數(shù)，是用來設(shè)置服務(wù)器檢測連接存活的相關(guān)配置。
關(guān)于keepalive的用途可以參考：http://hi.baidu.com/tantea/blog/item/580b9d0218f981793812bb7b.html
[2015.01.13更新]
注意tcp_tw_recycle開啟的風(fēng)險：http://blog.csdn.net/wireless_tech/article/details/6405755
2.服務(wù)器保持了大量CLOSE_WAIT狀態(tài)
休息一下，喘口氣，一開始只是打算說說TIME_WAIT和CLOSE_WAIT的區(qū)別，沒想到越挖越深，這也是寫博客總結(jié)的好處，總可以有意外的收獲。
TIME_WAIT狀態(tài)可以通過優(yōu)化服務(wù)器參數(shù)得到解決，因?yàn)榘l(fā)生TIME_WAIT的情況是服務(wù)器自己可控的，要么就是對方連接的異常，要么就是自己沒有迅速回收資源，總之不是由于自己程序錯誤導(dǎo)致的。
但是CLOSE_WAIT就不一樣了，從上面的圖可以看出來，如果一直保持在CLOSE_WAIT狀態(tài)，那么只有一種情況，就是在對方關(guān)閉連接之后服務(wù)器程序自己沒有進(jìn)一步發(fā)出ack信號。換句話說，就是在對方連接關(guān)閉之后，程序里沒有檢測到，或者程序壓根就忘記了這個時候需要關(guān)閉連接，于是這個資源就一直被程序占著。個人覺得這種情況，通過服務(wù)器內(nèi)核參數(shù)也沒辦法解決，服務(wù)器對于程序搶占的資源沒有主動回收的權(quán)利，除非終止程序運(yùn)行。
如果你使用的是HttpClient并且你遇到了大量CLOSE_WAIT的情況，那么這篇日志也許對你有用：http://blog.csdn.net/shootyou/article/details/6615051
在那邊日志里頭我舉了個場景，來說明CLOSE_WAIT和TIME_WAIT的區(qū)別，這里重新描述一下：
服務(wù)器A是一臺爬蟲服務(wù)器，它使用簡單的HttpClient去請求資源服務(wù)器B上面的apache獲取文件資源，正常情況下，如果請求成功，那么在抓取完資源后，服務(wù)器A會主動發(fā)出關(guān)閉連接的請求，這個時候就是主動關(guān)閉連接，服務(wù)器A的連接狀態(tài)我們可以看到是TIME_WAIT。如果一旦發(fā)生異常呢？假設(shè)請求的資源服務(wù)器B上并不存在，那么這個時候就會由服務(wù)器B發(fā)出關(guān)閉連接的請求，服務(wù)器A就是被動的關(guān)閉了連接，如果服務(wù)器A被動關(guān)閉連接之后程序員忘了讓HttpClient釋放連接，那就會造成CLOSE_WAIT的狀態(tài)了。
所以如果將大量CLOSE_WAIT的解決辦法總結(jié)為一句話那就是：查代碼。因?yàn)閱栴}出在服務(wù)器程序里頭啊。
參考資料：
1.windows下的TIME_WAIT的處理可以參加這位大俠的日志：http://blog.miniasp.com/post/2010/11/17/How-to-deal-with-TIME_WAIT-problem-under-Windows.aspx****
2.WebSphere的服務(wù)器優(yōu)化有一定參考價值：http://publib.boulder.ibm.com/infocenter/wasinfo/v6r0/index.jsp?topic=/com.ibm.websphere.express.doc/info/exp/ae/tprf_tunelinux.html
3.各種內(nèi)核參數(shù)的含義：http://haka.sharera.com/blog/BlogTopic/32309.htm
4.linux服務(wù)器歷險之sysctl優(yōu)化linux網(wǎng)絡(luò)：http://blog.csdn.net/chinalinuxzend/article/details/1792184
