【问题记录】记一次ConnectionTimeout问题排查
itaot 人气:1
最近做性能测试时,发现连接第三方系统时会有约1%的交易提示如下错误
```java
nested
exception is org.apache.commons.httpclient.ConnectTimeoutException: The host did
not accept the connection within timeout of 10000 ms
```
起先抱着能google就google的思路去找,结果没找到相应的解决方案,只能自己一步一步去排查了,下面记录下排查过程。
#### 抓拍问题现场
***涉及到网络的问题,先抓个包,tcpdump走一波。***
```shell
tcpdump -i eth0 host xxx.xxx.xxx.xxx > tcp.dmp
```
> 节选了一次TCP连接的整个内容,从三次握手到报文发送到四次挥手,下面将一次通讯分为三个部分进行讲解
##### 包格式讲解
```
时间戳 协议类型 请求方地址>接收方地址 Flags [xxx], seq xxx,......,length
```
**协议类型**:此处针对TCP/IP协议,为IP
**Flags常见值及含义**
| 标识 | 含义 |
| ---- | ------------------------------------------------ |
| S | 即SYN,用于建立连接 |
| . | .即ACK,可与其他组合使用比如[S.]代表SYN的ACK回执 |
| P | 即PSH,指示接收方应立即将数据交给上层 |
| F | 即FIN,用于断开连接 |
##### 三次握手
```
09:23:00.038908 IP 192.168.1.100.51777 > 192.168.1.200.39045: Flags [S], seq 2590465106, win 29200, options [mss 1460,sackOK,TS val 1752507811 ecr 0,nop,wscale 7], length 0
09:23:00.039329 IP 192.168.1.200.39045 > 192.168.1.100.51777: Flags [S.], seq 148046299, ack 2590465107, win 14480, options [mss 1460,sackOK,TS val 2174555693 ecr 1752507811,nop,wscale 7], length 0
09:23:00.039341 IP 192.168.1.100.51777 > 192.168.1.200.39045: Flags [.], ack 1, win 229, options [nop,nop,TS val 1752507811 ecr 2174555693], length 0
```
![image-20200322180642831](https://img2020.cnblogs.com/blog/480801/202003/480801-20200322185051698-791580022.png)
1. 客户端发送`SYN=1,seq=随机生成的序号`到服务端,对应第一个包内容
2. 服务端响应`SYN=1,seq=服务端随机序号,ack=第一步中的seq+1`给客户端,对应第二个包内容
3. 客户端发送`SYN=0,seq=第一步中的seq+2,ack=服务端的随机序号+1`给服务端,对应第三个包
至此连接建立完成
> TCP连接为全双工的,既可以C->S,亦可S->C
##### 请求发送/响应接收
```
09:23:00.039406 IP 192.168.1.100.51777 > 192.168.1.200.39045: Flags [P.], seq 1:167, ack 1, win 229, options [nop,nop,TS val 1752507811 ecr 2174555693], length 166
09:23:00.039426 IP 192.168.1.100.51777 > 192.168.1.200.39045: Flags [P.], seq 167:2259, ack 1, win 229, options [nop,nop,TS val 1752507811 ecr 2174555693], length 2092
09:23:00.039778 IP 192.168.1.200.39045 > 192.168.1.100.51777: Flags [.], ack 167, win 122, options [nop,nop,TS val 2174555693 ecr 1752507811], length 0
09:23:00.039784 IP 192.168.1.200.39045 > 192.168.1.100.51777: Flags [.], ack 2259, win 155, options [nop,nop,TS val 2174555693 ecr 1752507811], length 0
09:23:00.533102 IP 192.168.1.200.39045 > 192.168.1.100.51777: Flags [P.], seq 1:972, ack 2259, win 155, options [nop,nop,TS val 2174555817 ecr 1752507811], length 971
09:23:00.533114 IP 192.168.1.100.51777 > 192.168.1.200.39045: Flags [.], ack 972, win 244, options [nop,nop,TS val 1752507935 ecr 2174555817], length 0
```
![image-20200322180941689](https://img2020.cnblogs.com/blog/480801/202003/480801-20200322185030298-1059656405.png)
1. 每发送一次报文,对端需要做一次ACK回执,保证TCP传输的可靠
2. 包1和包2是客户端向服务端请求的,包3和包4是服务端回执的,包5是服务端响应的内容,包6是客户端对响应做的回执。
##### 四次挥手
```
09:23:00.533121 IP 192.168.1.200.39045 > 192.168.1.100.51777: Flags [F.], seq 972, ack 2259, win 155, options [nop,nop,TS val 2174555817 ecr 1752507811], length 0
09:23:00.533166 IP 192.168.1.100.51777 > 192.168.1.200.39045: Flags [F.], seq 2259, ack 973, win 244, options [nop,nop,TS val 1752507935 ecr 2174555817], length 0
09:23:00.533479 IP 192.168.1.200.39045 > 192.168.1.100.51777: Flags [.], ack 2260, win 155, options [nop,nop,TS val 2174555817 ecr 1752507935], length 0
```
![image-20200322181001461](https://img2020.cnblogs.com/blog/480801/202003/480801-20200322185043914-949343136.png)
> 此处因为使用了HTTP协议,且在系统头中设置了`Connection=close`,所以在请求处理完成后,服务端便会将连接关闭。
1. 第一步:服务端发送`FIN`到客户端,对应包1。
2. 第二步:客户端回执`ACK`到服务端,对应包2。
3. 第三步:客户端发送`FIN`到服务端,对应包2。
> 因为第二、第三步都是从客户端发送到服务端,TCP协议实现时在此处做了合并,将ACK和FIN一并发给对端,减少了网络消耗。
5. 第四步:服务端回执`ACK`到客户端,对应包3,连接释放完成。
#### 问题分析
包是抓到了,可是在性能测试时,业务量特别大,如果纯粹靠手工分析的话,怕是要找到地老天荒了,为此写了一段Python代码来分析tcpdump的包,因为本次的问题为请求连接有问题,必然是三次握手的时候存在问题,所以以下代码主要分析三次握手时的情况。
**Packet.py**
> 解析包内容
```python
import re
class Packet(object):
'分组'
timestamp = '00:00:00.000000' # 时间戳
from_addr = '0.0.0.0' # 源地址
to_addr = '0.0.0.0' # 目的地址
protocol_type = 'IP' # 协议类型
flags = '[S]'
seq = '0'
ack = '0'
length = 0 # 数据包长度
def __init__(self, packet_str):
hb = re.split(': ', packet_str)
header = hb[0]
body = hb[1]
hs = re.split('[\s]', header)
self.timestamp = hs[0]
self.protocol_type = hs[1]
self.from_addr = hs[2]
self.to_addr = hs[4]
bs = re.split(',\s', body)
for b in bs:
kv = re.split('\s', b, 1)
k = kv[0]
v = kv[1]
if 'Flags' == k:
self.flags = v
elif 'seq' == k:
if self.flags != '[P.]':
self.seq = v
elif 'length' == k:
self.length = int(v)
elif 'ack' == k:
self.ack = v
def __str__(self):
return self.timestamp + self.protocol_type + self.from_addr + '==>' + self.to_addr + self.flags + str(
self.seq) + str(self.ack) + str(self.length)
```
**ConnectionTimeoutAnalyze.py**
> 分析dmp包内容
```python
from tcpdump.Packet import Packet
client_addr = '192.168.1.100'
server_addr = '192.168.1.200.39045'
packet_times = {} # 连接ID:时间
first_packets = [] #三次握手第一次的包
'''
第一步:syn=1,seq=xxx
第二步:syn=1,seq=yyy,ack=xxx+1
第三步:syn=0,seq=xxx+1,ack=yyy+1
'''
with open('C:\\Users\\xxx\\Desktop\\39045.dmp') as dmp:
for line in dmp.readlines():
line = str(line.strip())
packet = Packet(line)
if packet.from_addr.startswith(client_addr) and packet.flags == '[S]':
first_packets.append(packet)
id = packet.from_addr + packet.to_addr + packet.flags + 'ack=' + packet.ack
if packet.flags != '[S.]':
id = id + 'seq=' + packet.seq
packet_times[id] = packet.timestamp
print('请求ID(客户端IP.端口\\请求序号)\t第一步时间\t\t第二步时间\t\t第三步时间')
for fpack in first_packets:
sync_time = fpack.timestamp # 第一步的时间
id = fpack.to_addr + fpack.from_addr + '[S.]' + 'ack=' + str(int(fpack.seq) + 1) # 第二步:ack=第一步的seq+1
ack_time = packet_times.get(id)
conn_time = None
if ack_time is not None:
conn_time = packet_times.get(fpack.from_addr + fpack.to_addr + '[.]ack=1seq=0') # 第三步:ack=1,seq无值
print(
'[' + fpack.from_addr + '\\' + fpack.seq + ']\t' + sync_time + '\t\t' + str(ack_time) + '\t\t' + str(conn_time))
```
通过代码分析,发现存在部分创建连接时第二步的时间为None的,因此可以得出结论为发出去的SYN请求包没有得到服务端的回执,可以光明正大的摔锅给网络/第三方了![]
加载全部内容