伺服器TIME_WAIT和CLOSE_WAIT詳解和解決辦法

 

來自：http://blog.csdn.net/shootyou/article/details/6622226

 

昨天解決了一個HttpClient呼叫錯誤導致的伺服器異常，具體過程如下：

http://blog.csdn.net/shootyou/article/details/6615051

裡頭的分析過程有提到，通過檢視伺服器網路狀態檢測到伺服器有大量的CLOSE_WAIT的狀態。

 

在伺服器的日常維護過程中，會經常用到下面的命令：

 

1. netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'    

它會顯示例如下面的資訊：

TIME_WAIT 814
CLOSE_WAIT 1
FIN_WAIT1 1
ESTABLISHED 634
SYN_RECV 2
LAST_ACK 1

常用的三個狀態是：ESTABLISHED 表示正在通訊，TIME_WAIT 表示主動關閉，CLOSE_WAIT 表示被動關閉。

 

具體每種狀態什麼意思，其實無需多說，看看下面這種圖就明白了，注意這裡提到的伺服器應該是業務請求接受處理的一方：

 

這麼多狀態不用都記住，只要瞭解到我上面提到的最常見的三種狀態的意義就可以了。一般不到萬不得已的情況也不會去檢視網路狀態，如果伺服器出了異常，百分之八九十都是下面兩種情況：

1.伺服器保持了大量TIME_WAIT狀態

2.伺服器保持了大量CLOSE_WAIT狀態

因為linux分配給一個使用者的檔案控制代碼是有限的（可以參考：http://blog.csdn.net/shootyou/article/details/6579139），而TIME_WAIT和CLOSE_WAIT兩種狀態如果一直被保持，那麼意味著對應數目的通道就一直被佔著，而且是“佔著茅坑不使勁”，一旦達到控制代碼數上限，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，網上有很多資料把這兩種情況的處理方法混為一談，以為優化系統核心引數就可以解決問題，其實是不恰當的，優化系統核心參 數解決TIME_WAIT可能很容易，但是應對CLOSE_WAIT的情況還是需要從程式本身出發。現在來分別說說這兩種情況的處理方法：

 

1.伺服器保持了大量TIME_WAIT狀態

這種情況比較常見，一些爬蟲伺服器或者WEB伺服器（如果網管在安裝的時候沒有做核心引數優化的話）上經常會遇到這個問題，這個問題是怎麼產生的呢？

從 上面的示意圖可以看得出來，TIME_WAIT是主動關閉連線的一方保持的狀態，對於爬蟲伺服器來說他本身就是“客戶端”，在完成一個爬取任務之後，他就 會發起主動關閉連線，從而進入TIME_WAIT的狀態，然後在保持這個狀態2MSL（max segment lifetime）時間之後，徹底關閉回收資源。為什麼要這麼做？明明就已經主動關閉連線了為啥還要保持資源一段時間呢？這個是TCP/IP的設計者規定 的，主要出於以下兩個方面的考慮：

1.防止上一次連線中的包，迷路後重新出現，影響新連線（經過2MSL，上一次連線中所有的重複包都會消失）
2. 可靠的關閉TCP連線。在主動關閉方傳送的最後一個 ack(fin) ，有可能丟失，這時被動方會重新發fin, 如果這時主動方處於 CLOSED 狀態 ，就會響應 rst 而不是 ack。所以主動方要處於 TIME_WAIT 狀態，而不能是 CLOSED 。另外這麼設計TIME_WAIT 會定時的回收資源，並不會佔用很大資源的，除非短時間內接受大量請求或者受到攻擊。

關於MSL引用下面一段話：

 

1. MSL 為 一個 TCP Segment (某一塊 TCP 網路封包) 從來源送到目的之間可續存的時間 (也就是一個網路封包在網路上傳輸時能存活的時間)，由 於 RFC 793 TCP 傳輸協定是在 1981 年定義的，當時的網路速度不像現在的網際網路那樣發達，你可以想像你從瀏覽器輸入網址等到第一 個 byte 出現要等 4 分鐘嗎？在現在的網路環境下幾乎不可能有這種事情發生，因此我們大可將 TIME_WAIT 狀態的續存時間大幅調低，好 讓 連線埠 (Ports) 能更快空出來給其他連線使用。  

再引用網路資源的一段話：

 

1. 值 得一說的是，對於基於TCP的HTTP協議，關閉TCP連線的是Server端，這樣，Server端會進入TIME_WAIT狀態，可 想而知，對於訪 問量大的Web Server，會存在大量的TIME_WAIT狀態，假如server一秒鐘接收1000個請求，那麼就會積壓 240*1000=240，000個 TIME_WAIT的記錄，維護這些狀態給Server帶來負擔。當然現代作業系統都會用快速的查詢演算法來管理這些 TIME_WAIT，所以對於新的 TCP連線請求，判斷是否hit中一個TIME_WAIT不會太費時間，但是有這麼多狀態要維護總是不好。  
2. HTTP協議1.1版規定default行為是Keep-Alive，也就是會重用TCP連線傳輸多個 request/response，一個主要原因就是發現了這個問題。  

也就是說HTTP的互動跟上面畫的那個圖是不一樣的，關閉連線的不是客戶端，而是伺服器，所以web伺服器也是會出現大量的TIME_WAIT的情況的。   現在來說如何來解決這個問題。   解決思路很簡單，就是讓伺服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管對/etc/sysctl.conf檔案的修改：  

1. #對於一個新建連線，核心要傳送多少個 SYN 連線請求才決定放棄,不應該大於255，預設值是5，對應於180秒左右時間   
2. net.ipv4.tcp_syn_retries=2  
3. #net.ipv4.tcp_synack_retries=2  
4. #表示當keepalive起用的時候，TCP傳送keepalive訊息的頻度。預設是2小時，改為300秒  
5. net.ipv4.tcp_keepalive_time=1200  
6. net.ipv4.tcp_orphan_retries=3  
7. #表示如果套接字由本端要求關閉，這個引數決定了它保持在FIN-WAIT-2狀態的時間  
8. net.ipv4.tcp_fin_timeout=30    
9. #表示SYN佇列的長度，預設為1024，加大佇列長度為8192，可以容納更多等待連線的網路連線數。  
10. net.ipv4.tcp_max_syn_backlog = 4096  
11. #表示開啟SYN Cookies。當出現SYN等待佇列溢位時，啟用cookies來處理，可防範少量SYN攻擊，預設為0，表示關閉  
12. net.ipv4.tcp_syncookies = 1  
13.   
14. #表示開啟重用。允許將TIME-WAIT sockets重新用於新的TCP連線，預設為0，表示關閉  
15. net.ipv4.tcp_tw_reuse = 1  
16. #表示開啟TCP連線中TIME-WAIT sockets的快速回收，預設為0，表示關閉  
17. net.ipv4.tcp_tw_recycle = 1  
18.   
19. ##減少超時前的探測次數   
20. net.ipv4.tcp_keepalive_probes=5   
21. ##優化網路裝置接收佇列   
22. net.core.netdev_max_backlog=3000   

 

1.   

修改完之後執行/sbin/sysctl -p讓引數生效。   這裡頭主要注意到的是net.ipv4.tcp_tw_reuse net.ipv4.tcp_tw_recycle
net.ipv4.tcp_fin_timeout
net.ipv4.tcp_keepalive_* 這幾個引數。   net.ipv4.tcp_tw_reuse和net.ipv4.tcp_tw_recycle的開啟都是為了回收處於TIME_WAIT狀態的資源。 net.ipv4.tcp_fin_timeout這個時間可以減少在異常情況下伺服器從FIN-WAIT-2轉到TIME_WAIT的時間。 net.ipv4.tcp_keepalive_*一系列引數，是用來設定伺服器檢測連線存活的相關配置。 關於keepalive的用途可以參考： http://hi.baidu.com/tantea/blog/item/580b9d0218f981793812bb7b.html   2.伺服器保持了大量CLOSE_WAIT狀態 休息一下，喘口氣，一開始只是打算說說TIME_WAIT和CLOSE_WAIT的區別，沒想到越挖越深，這也是寫部落格總結的好處，總可以有意外的收穫。   TIME_WAIT狀態可以通過優化伺服器引數得到解決，因為發生TIME_WAIT的情況是伺服器自己可控的，要麼就是對方連線的異常，要麼就是自己沒有迅速回收資源，總之不是由於自己程式錯誤導致的。 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，那麼只有一種情況，就是在對方關閉連線之後伺服器程 序自己沒有進一步發出ack訊號。換句話說，就是在對方連線關閉之後，程式裡沒有檢測到，或者程式壓根就忘記了這個時候需要關閉連線，於是這個資源就一直 被程式佔著。個人覺得這種情況，通過伺服器核心引數也沒辦法解決，伺服器對於程式搶佔的資源沒有主動回收的權利，除非終止程式執行。   如果你使用的是HttpClient並且你遇到了大量CLOSE_WAIT的情況，那麼這篇日誌也許對你有用： http://blog.csdn.net/shootyou/article/details/6615051 在那邊日誌裡頭我舉了個場景，來說明CLOSE_WAIT和TIME_WAIT的區別，這裡重新描述一下： 服 務器A是一臺爬蟲伺服器，它使用簡單的HttpClient去請求資源伺服器B上面的apache獲取檔案資源，正常情況下，如果請求成功，那麼在抓取完 資源後，伺服器A會主動發出關閉連線的請求，這個時候就是主動關閉連線，伺服器A的連線狀態我們可以看到是TIME_WAIT。如果一旦發生異常呢？假設 請求的資源伺服器B上並不存在，那麼這個時候就會由伺服器B發出關閉連線的請求，伺服器A就是被動的關閉了連線，如果伺服器A被動關閉連線之後程式設計師忘了 讓HttpClient釋放連線，那就會造成CLOSE_WAIT的狀態了。   所以如果將大量CLOSE_WAIT的解決辦法總結為一句話那就是：查程式碼。因為問題出在伺服器程式裡頭啊。   參考資料： 1.windows下的TIME_WAIT的處理可以參加這位大俠的日誌： http://blog.miniasp.com/post/2010/11/17/How-to-deal-with-TIME_WAIT-problem-under-Windows.aspx
2.WebSphere的伺服器優化有一定參考價值： http://publib.boulder.ibm.com/infocenter/wasinfo/v6r0/index.jsp?topic=/com.ibm.websphere.express.doc/info/exp/ae/tprf_tunelinux.html 3.各種核心引數的含義： http://haka.sharera.com/blog/BlogTopic/32309.htm 4.linux伺服器歷險之sysctl優化linux網路： http://blog.csdn.net/chinalinuxzend/article/details/1792184

來自：http://blog.csdn.net/shootyou/article/details/6622226

 

昨天解決了一個HttpClient呼叫錯誤導致的伺服器異常，具體過程如下：

http://blog.csdn.net/shootyou/article/details/6615051

裡頭的分析過程有提到，通過檢視伺服器網路狀態檢測到伺服器有大量的CLOSE_WAIT的狀態。

 

在伺服器的日常維護過程中，會經常用到下面的命令：

 

1. netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'    

它會顯示例如下面的資訊：

TIME_WAIT 814
CLOSE_WAIT 1
FIN_WAIT1 1
ESTABLISHED 634
SYN_RECV 2
LAST_ACK 1

常用的三個狀態是：ESTABLISHED 表示正在通訊，TIME_WAIT 表示主動關閉，CLOSE_WAIT 表示被動關閉。

 

具體每種狀態什麼意思，其實無需多說，看看下面這種圖就明白了，注意這裡提到的伺服器應該是業務請求接受處理的一方：

 

這麼多狀態不用都記住，只要瞭解到我上面提到的最常見的三種狀態的意義就可以了。一般不到萬不得已的情況也不會去檢視網路狀態，如果伺服器出了異常，百分之八九十都是下面兩種情況：

1.伺服器保持了大量TIME_WAIT狀態

2.伺服器保持了大量CLOSE_WAIT狀態

因為linux分配給一個使用者的檔案控制代碼是有限的（可以參考：http://blog.csdn.net/shootyou/article/details/6579139），而TIME_WAIT和CLOSE_WAIT兩種狀態如果一直被保持，那麼意味著對應數目的通道就一直被佔著，而且是“佔著茅坑不使勁”，一旦達到控制代碼數上限，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，網上有很多資料把這兩種情況的處理方法混為一談，以為優化系統核心引數就可以解決問題，其實是不恰當的，優化系統核心參 數解決TIME_WAIT可能很容易，但是應對CLOSE_WAIT的情況還是需要從程式本身出發。現在來分別說說這兩種情況的處理方法：

 

1.伺服器保持了大量TIME_WAIT狀態

這種情況比較常見，一些爬蟲伺服器或者WEB伺服器（如果網管在安裝的時候沒有做核心引數優化的話）上經常會遇到這個問題，這個問題是怎麼產生的呢？

從 上面的示意圖可以看得出來，TIME_WAIT是主動關閉連線的一方保持的狀態，對於爬蟲伺服器來說他本身就是“客戶端”，在完成一個爬取任務之後，他就 會發起主動關閉連線，從而進入TIME_WAIT的狀態，然後在保持這個狀態2MSL（max segment lifetime）時間之後，徹底關閉回收資源。為什麼要這麼做？明明就已經主動關閉連線了為啥還要保持資源一段時間呢？這個是TCP/IP的設計者規定 的，主要出於以下兩個方面的考慮：

1.防止上一次連線中的包，迷路後重新出現，影響新連線（經過2MSL，上一次連線中所有的重複包都會消失）
2. 可靠的關閉TCP連線。在主動關閉方傳送的最後一個 ack(fin) ，有可能丟失，這時被動方會重新發fin, 如果這時主動方處於 CLOSED 狀態 ，就會響應 rst 而不是 ack。所以主動方要處於 TIME_WAIT 狀態，而不能是 CLOSED 。另外這麼設計TIME_WAIT 會定時的回收資源，並不會佔用很大資源的，除非短時間內接受大量請求或者受到攻擊。

關於MSL引用下面一段話：

 

1. MSL 為 一個 TCP Segment (某一塊 TCP 網路封包) 從來源送到目的之間可續存的時間 (也就是一個網路封包在網路上傳輸時能存活的時間)，由 於 RFC 793 TCP 傳輸協定是在 1981 年定義的，當時的網路速度不像現在的網際網路那樣發達，你可以想像你從瀏覽器輸入網址等到第一 個 byte 出現要等 4 分鐘嗎？在現在的網路環境下幾乎不可能有這種事情發生，因此我們大可將 TIME_WAIT 狀態的續存時間大幅調低，好 讓 連線埠 (Ports) 能更快空出來給其他連線使用。  

再引用網路資源的一段話：

 

1. 值 得一說的是，對於基於TCP的HTTP協議，關閉TCP連線的是Server端，這樣，Server端會進入TIME_WAIT狀態，可 想而知，對於訪 問量大的Web Server，會存在大量的TIME_WAIT狀態，假如server一秒鐘接收1000個請求，那麼就會積壓 240*1000=240，000個 TIME_WAIT的記錄，維護這些狀態給Server帶來負擔。當然現代作業系統都會用快速的查詢演算法來管理這些 TIME_WAIT，所以對於新的 TCP連線請求，判斷是否hit中一個TIME_WAIT不會太費時間，但是有這麼多狀態要維護總是不好。  
2. HTTP協議1.1版規定default行為是Keep-Alive，也就是會重用TCP連線傳輸多個 request/response，一個主要原因就是發現了這個問題。  

也就是說HTTP的互動跟上面畫的那個圖是不一樣的，關閉連線的不是客戶端，而是伺服器，所以web伺服器也是會出現大量的TIME_WAIT的情況的。   現在來說如何來解決這個問題。   解決思路很簡單，就是讓伺服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管對/etc/sysctl.conf檔案的修改：  

1. #對於一個新建連線，核心要傳送多少個 SYN 連線請求才決定放棄,不應該大於255，預設值是5，對應於180秒左右時間   
2. net.ipv4.tcp_syn_retries=2  
3. #net.ipv4.tcp_synack_retries=2  
4. #表示當keepalive起用的時候，TCP傳送keepalive訊息的頻度。預設是2小時，改為300秒  
5. net.ipv4.tcp_keepalive_time=1200  
6. net.ipv4.tcp_orphan_retries=3  
7. #表示如果套接字由本端要求關閉，這個引數決定了它保持在FIN-WAIT-2狀態的時間  
8. net.ipv4.tcp_fin_timeout=30    
9. #表示SYN佇列的長度，預設為1024，加大佇列長度為8192，可以容納更多等待連線的網路連線數。  
10. net.ipv4.tcp_max_syn_backlog = 4096  
11. #表示開啟SYN Cookies。當出現SYN等待佇列溢位時，啟用cookies來處理，可防範少量SYN攻擊，預設為0，表示關閉  
12. net.ipv4.tcp_syncookies = 1  
13.   
14. #表示開啟重用。允許將TIME-WAIT sockets重新用於新的TCP連線，預設為0，表示關閉  
15. net.ipv4.tcp_tw_reuse = 1  
16. #表示開啟TCP連線中TIME-WAIT sockets的快速回收，預設為0，表示關閉  
17. net.ipv4.tcp_tw_recycle = 1  
18.   
19. ##減少超時前的探測次數   
20. net.ipv4.tcp_keepalive_probes=5   
21. ##優化網路裝置接收佇列   
22. net.core.netdev_max_backlog=3000   

 

1.   

修改完之後執行/sbin/sysctl -p讓引數生效。   這裡頭主要注意到的是net.ipv4.tcp_tw_reuse net.ipv4.tcp_tw_recycle
net.ipv4.tcp_fin_timeout
net.ipv4.tcp_keepalive_* 這幾個引數。   net.ipv4.tcp_tw_reuse和net.ipv4.tcp_tw_recycle的開啟都是為了回收處於TIME_WAIT狀態的資源。 net.ipv4.tcp_fin_timeout這個時間可以減少在異常情況下伺服器從FIN-WAIT-2轉到TIME_WAIT的時間。 net.ipv4.tcp_keepalive_*一系列引數，是用來設定伺服器檢測連線存活的相關配置。 關於keepalive的用途可以參考： http://hi.baidu.com/tantea/blog/item/580b9d0218f981793812bb7b.html   2.伺服器保持了大量CLOSE_WAIT狀態 休息一下，喘口氣，一開始只是打算說說TIME_WAIT和CLOSE_WAIT的區別，沒想到越挖越深，這也是寫部落格總結的好處，總可以有意外的收穫。   TIME_WAIT狀態可以通過優化伺服器引數得到解決，因為發生TIME_WAIT的情況是伺服器自己可控的，要麼就是對方連線的異常，要麼就是自己沒有迅速回收資源，總之不是由於自己程式錯誤導致的。 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，那麼只有一種情況，就是在對方關閉連線之後伺服器程 序自己沒有進一步發出ack訊號。換句話說，就是在對方連線關閉之後，程式裡沒有檢測到，或者程式壓根就忘記了這個時候需要關閉連線，於是這個資源就一直 被程式佔著。個人覺得這種情況，通過伺服器核心引數也沒辦法解決，伺服器對於程式搶佔的資源沒有主動回收的權利，除非終止程式執行。   如果你使用的是HttpClient並且你遇到了大量CLOSE_WAIT的情況，那麼這篇日誌也許對你有用： http://blog.csdn.net/shootyou/article/details/6615051 在那邊日誌裡頭我舉了個場景，來說明CLOSE_WAIT和TIME_WAIT的區別，這裡重新描述一下： 服 務器A是一臺爬蟲伺服器，它使用簡單的HttpClient去請求資源伺服器B上面的apache獲取檔案資源，正常情況下，如果請求成功，那麼在抓取完 資源後，伺服器A會主動發出關閉連線的請求，這個時候就是主動關閉連線，伺服器A的連線狀態我們可以看到是TIME_WAIT。如果一旦發生異常呢？假設 請求的資源伺服器B上並不存在，那麼這個時候就會由伺服器B發出關閉連線的請求，伺服器A就是被動的關閉了連線，如果伺服器A被動關閉連線之後程式設計師忘了 讓HttpClient釋放連線，那就會造成CLOSE_WAIT的狀態了。   所以如果將大量CLOSE_WAIT的解決辦法總結為一句話那就是：查程式碼。因為問題出在伺服器程式裡頭啊。   參考資料： 1.windows下的TIME_WAIT的處理可以參加這位大俠的日誌： http://blog.miniasp.com/post/2010/11/17/How-to-deal-with-TIME_WAIT-problem-under-Windows.aspx
2.WebSphere的伺服器優化有一定參考價值： http://publib.boulder.ibm.com/infocenter/wasinfo/v6r0/index.jsp?topic=/com.ibm.websphere.express.doc/info/exp/ae/tprf_tunelinux.html 3.各種核心引數的含義： http://haka.sharera.com/blog/BlogTopic/32309.htm 4.linux伺服器歷險之sysctl優化linux網路： http://blog.csdn.net/chinalinuxzend/article/details/1792184