从一个线上服务器警告谈谈backlog

https://wangxiangnan.cc/?p=105

缘起
双十一如期而至，此时的我因为在处理客户的一个问题已经陷入了忙碌。突然，不断接到驻场实施发来的反馈，都是相同的反馈——"客户端操作缓慢"。

我现在负责的服务器是一台接口服务器，所有的卖家都要通过这台服务器连接到自己的数据库上，不得小觑。于是我立马放下手头的话，打开了我事先安装好的服务器监控软件(netdata)，便看到了下面的警告：

其实，作为一个服务器端新手，我并不知道什么意思。但是客户反馈慢啊！屁股一想也知道是因为服务器资源不够了嘛！于是，我立马把一小部分客户的配置切换到了另外一台准备好的服务器上，危机化解了，我擦了一把汗。

所以，什么是tcp accept queue？
通过搜索这个警告，找到了一个叫backlog的关键字，网上很多办法是增大这个值，因为当时双十一已经过去了，客户已经没有那么多单子发货了。所以，也没有验证这个方法是否对不对。但backlog的迷还一直留在我的脑海里。

http://veithen.github.io/2014/01/01/how-tcp-backlog-works-in-linux.html

直到有一天，我遇到了上面的一篇文章，才对backlog有较为具体的认识。我简单的根据文中的意思介绍下backlog参数。

要搞清楚这个问题，我们必须要先了解下tcp建立链接的三次握手，从图中可以看出，第一次握手是客户端给服务器发送syn，此时服务器进入SYN_RECV状态（也叫未完成链接,对应图中的SYN_RCVD），那么既然是一个服务器，所以接受这样的链接就不是一个，是很多，所以会有一个队列去记录这样的未完成链接，暂且称为syn队列。

第一次握手完成后，服务器会给客户端发送 SYN+ACK，客户端收到后，这个链接在客户端方面已经是ESTABLISHED状态了。客户端接着会给服务器发送ACK，当服务器收到这个ACK的时候，服务器上的该链接由SYN_RECV 状态到ESTABLISHED状态，此时它进入了一个新队列，这里叫它accept队列。顾明思议就是供accept来消耗的请求。

两个队列的长度限制由什么参数决定？
经过上面分析，我们知道服务器端处理的请求链接是有两个队列来控制，syn队列（对应图中的syns queue）是等待客户端回复ack的链接，叫做未完成链接或者半连接，而完成三次握手后，该链接进入accept队列，那么这两个队列的长度是多少呢？

由上图可以看出，syn队列就是由 /proc/sys/net/ipv4/tcp_max_syn_backlog参数来控制。处于这个队列上的链接需要等待的全双工的通信时间，所以如果这个参数开的太小，可能对于一些并发性比较高的http服务器来说，容易成为瓶颈。因为这个syns队列满了以后，新的请求就因为队列满的缘故而被忽略。

而accept函数是有两个参数共同决定的，分别是系统函数listen函数的backlog参数以及内核参数somaxconn，这两者会取最小值，如果应用服务器能够很快的从accept队列中取出任务并执行，这个队列并不会成为负担，但如果每个请求都要耗费很长时间处理的话，那么服务器处理线程将会被打满，这个时候accept队列就会被占满。

accept队列被占满的时候，会引入一个新的问题，那就是此时如果未完成链接接收到客户端的ack完成三次握手，需要转入accept队列，此时该怎么办？此时，如果
tcp_abort_on_overflow参数为0的话，此时服务器什么也不做，忽略掉这次申请转到accept队列的请求。那么这个请求就仍然留在了syns队列，服务器隔断时间会再次发送syn+ack给客户端，也就是说会重复走第二部握手。所以，这里accept队列也应该设置大一些，这样可以省去服务器重复发请求的消耗。

关于syn队列长度的限制，大部分文献说的是由 tcp_max_syn_backlog 参数控制，但也有部分博客有更详细的说明，认为syn队列不仅仅受控制与该参数，带着这个疑问，我也看了些源码：

以上linux源码中，max_qlen_log中代表syn队列的最大长度，sysctl_max_syn_backlog 即是tcp_max_syn_backlog参数的值。第一行的nr_table_entries 是计算这个最大值的因子，它是作为一个参数传入进来的，它是传入的backlog参数，上面已经介绍过backlog参数是内核参数somaxconn和listen函数中传入的backlog的最小值，而通过第一行源码我们可以看出来，这里syn队列的最大值是取backlog 和 tcp_max_syn_backlog的最小值，因此得到以下结论。

syn queue length = min(somaxconn,backlog,tcp_max_syn_backlog)

accept queue length = min(somaxconn,backlog)

实验验证
口说无凭，下面进行一个实验，来按照上面的理论分析下。

准备

OS 云机 1核1G的入门机

服务器是nginx + php-fpm

服务器监控软件netdata

ab压测工具

step 1 ： 参数设置

经过上面对两个队列的长度限制分析知道somaxconn参数对两个队列有影响，于是设置somaxconn的值为8，其他backlog参数均为1024。

net.ipv4.tcp_max_syn_backlog = 1024

net.core.somaxconn = 8

net.ipv4.tcp_syncookies = 0
为了避免其他因素的影响我们的测试php文件中只有一句

ehco hello world;
step2: 开始压测

ab 压测 工具并发512个请求，请求总数5120个，请求发送完，发现netdata已经收到了报错信息如下：

step3：得到结果

此时，可以看到两个队列都已经开始drop链接了。

step4：将somaxconn参数为1024，再次相同条件压测发现已经没有警告提示了

结论
通过合理的参数设置，是可以提高服务器报警的门槛，将参数调整到服务器能够承受的最大值，确实可以在一定程度上提高服务器的容量。一方面，队列增大后，可以暂时容纳这些队列，供应用程序消耗。如果队列设置过小，那么新来的链接就会被忽略，客户端还会进行重试，另一方面如果accept很快被充满的话，syn队列会被阻塞，而且syn队列上的链接仍要去消耗资源对客户端重新发送syn+ack,导致一个恶性循环。

但这不意味着尽量调整参数就可以万事大吉了，在一些突发访问的网络中，调大参数可以缓解网络情况，但此时客户端访问服务器肯定不会很快，因为服务器已经陷入了繁忙状态。如果服务器一直处于报警状态，即链接不是突发性的，而是长时间处于一个比较高的数量，那么就需要进行优化了。优化分为两方面，第一方面应用程序的优化，即让每个链接的处理速度加快，这样线程可以快速的释放，accept消耗加快，服务器处理速度加快。另外一方面，就是扩容服务器，通过负载均衡水平扩展计算资源，让链接分配到不同机器上快速消耗