Apache httpd 引发的丢包问题求解

[zhoudaiyu]

昨天巡检的时候看 apache 监控视图(open-falcon)发现某台 apache 的网卡流量和连接数从前天晚上突然降到非常低，没来得及保留现场赶紧重启 apache 后恢复。排查了该机器 CPU 内存都没什么问题，apache 日志并没有异常，内核日志无异常，后来看了看 TCP 的监控，发现出问题的时候，有很多 TCPLISTENOVERFLOW 的报错，查了一下可能和 Backlog 和 somaxconn 等参数有些关系，后来我查了一下这台机器的这些配置和其他机器有无差别，也没发现有啥问题。不知道大家有啥排查思路？

[liuxu]

TCPLISTENOVERFLOW 的问题在于 backlog 的队列满了没能及时消费掉，所以 tcp 协议栈会停止接收新连接（不返回任何 tcp 包，而是服务端过一会返回 syn ack 装傻告诉客户端没收到 ack，客户端会重发 ack 建立连接），引发这个问题在于为什么你的 apache 的 accept()没有快速消费掉 backlog 的队列

你当时的情况应该是 ESTABLISHED 的连接是满的，只是新连接建立不起来

流量非常低，是因为服务端重复返回 syn ack，装成没收到客户端的 ack，这会导致客户端根据间隔时间指数增加的方式重复发送 ack/psh ack 业务数据包，所以没有正常的入网流量，出网流量会根据你的业务情况，如果不是下载和推送数据类，由于 ESTABLISHED 的连接没能及时处理，也就没有什么出网数据包了，所以出网流量也会很低

重启一下就能好的很难事后分析，自己看看你的业务逻辑和代码吧

[liuxu]

其实没有业务场景的话我能假设一种情况，你前面有负载均衡 lb，后面 3 台服务器 abc，假设某种原因，ab 服务器当机几分钟后正常，导致 lb 将流量全部给了服务器 c，服务器 c 连接太多，当你重启 c 后，lb 有均分给 3 台服务器了，所以就出现了你这种情况

[zhoudaiyu]

@liuxu 十分感谢！您的意思是可能是 lb 的问题？ lb 是硬件的 lb，用了好几年了都挺稳的，不过也不排除

[liuxu]

@zhoudaiyu 没有当时情况的具体分析，很难说是什么问题