问题描述

客户使用DCDN的WebSocket业务，偶发出现无法访问的情况，线上有1%左右的失败率。根据客户沟通，该问题并不是必现的，目前是其中一位同事家里的wifi网络下能复现问题，而且重启家里的光猫以后能正常，但一段时间以后又会出现问题。

问题排查

1. 客户端信息

尝试让客户复现问题，提供客户端的Netwrok信息和客户端抓包信息。从抓包信息看，是源站响应了500。进一步跟客户确认源站逻辑，根据客户的反馈是源站会先校验Upgrade: websocket 这个请求头，如果没有这个请求头就会返回500。但是奇怪的是，根据抓包文件看，客户端明明是带了Upgrade: websocket请求头的，因此怀疑是DCDN节点转发的问题。

根据WebSocket的RFC协议文档可以知道

1. Websocket请求必须包含一个Upgrade header字段，它的值必须包含"websocket"。
2. WebSocket请求必须包含一个Connection header字段，它的值必须包含"Upgrade"。

2. 模拟访问测试

根据抓包信息，使用curl指定到对应的DCDN请求模拟发WebSocket请求测试，发现在客户侧能稳定复现的情况下，我们curl测试并不能复现，排查来看又跟节点没有关系。

curl -sv 'http://xxx.xxx.com/' -H'Connection: Upgrade' -H'Upgrade: websocket' -H'Sec-WebSocket-Key: pCnMykJwUTQB14FCbP2Beg==' -H'Sec-WebSocket-Version: 13' -H'Origin:http://xxx.xxx.com' -H'Sec-WebSocket-Extensions: permessage-deflate; client_max_window_bits' -H'Accept-Encoding: gzip, deflate' -x 116.253.29.212:80

3. 源站打印

尝试让客户在源站侧加一下打印，将收到的请求头打印出来，从源站的打印来看，出问题的时候的确是没有收到Upgrade: websocket头。而如果是正常的请求，源站是能打印出Upgrade: websocket头的。如果尝试在源站侧去掉这个Upgrade的校验，虽然可以请求成功，但是无法进行WebSocket通信，因为整条链路并不是走的WebSocket。

3. 排查CDN日志

排查后台CDN的日志，发现正常请求的hit_info字段显示的是WS，也就是走的WebSocket请求。而异常请求的hit_info字段是dynamic，也就是走的动态加速，并不是WebSocket。从现象分析来看，怀疑是L1收到的请求里就没有Upgrade: websocket相关的头，所以L1认为这不是WebSocket请求，走的是普通的动态加速，转发回源站也不会带Upgrade头。

4. DCDN侧增加debug日志

由于日志里并没有记录收到的客户端Upgrade字段，因此需要后台加一下debug日志，打印下该字段。

5. 重新复现问题

重新让客户复现了一次问题，并提供客户端抓包数据。从抓包数据看，客户端请求确实带了Upgrade头，而从DCDN的日志来看，确实是没有收到Upgrade头的，因此走的也是普通动态加速请求。同时从客户端收到的来自DCDN的报文看，这个TTL是64，这明显是不正常的。正常情况由于DCDN节点发出的报文TTL原始值是64，中间每经过一个网络路由节点，TTL减1，客户端收到的报文TTL不应该是64。因此判断是客户端存在劫持行为，走了代理，应该是客户端发出请求以后客户端层面做了异常转发，按照普通的HTTP请求转发，没有转WebSocket相关头导致的。

问题解决

配置HTTPS证书，客户端走wss请求以后，客户侧能复现问题的现场就正常了，无法再复现问题，而且线上错误率明显改善。

适用产品

DCDN