关于流量升高导致TIME_WAIT增加，MySQL连接大量失败的问题
时间:2015-01-21 22:47 来源:linux.it.net.cn 作者:IT
有个应用就是每次都会去查一个接口，接口返回用户的信息数据，从而展现不同的页面效果。大致流程如下
应用APP（电信）->
应用APP（网通）-> 网通custom接口 -> slave-db
接口环境是php（cgi） + nginx，接口已经运行很久，未出过异常
应用访问custom接口，然后接口去查数据库（数据库是主从复制，数据同步，各自机房读各自的数据库，写的话都写master-db）
有一点，就是电信机房是有memcache层的，而网通机房一直没有（考虑到网通机房流量不高，并且机房cache不同步，从上线起就网通机房一直未使用cache）
有一次上线，这个上线的版本有个改动就是把电信机房的memcache也取消了，然后电信机房流量暴增
看pv统计：
$ “find /path -name ‘access*’|xargs wc -l|awk ‘END{print$1}’” fe
cmd :find /path ‘access*’|xargs wc -l|awk ‘END{print }’
type:fe
server1
2倍A total（28号是Atotal）
———–
server2
2倍B（28号是B total）
———–
server3
C
———–
server4
D total
….
other servers ….
网通机房流量一直比较稳定左右，从未出任何问题
就是昨天电信custom接口流量暴增后，出现了异常，电信机房机器负载涨了40多倍，QPS涨了15倍
应用也报了短暂的超时警报，不过php和nginx运行还是比较蛋定，重启依然非常快，终端也没有出现很卡的情况
流量是前一天的9倍！
异常就是error.log在上线后飙到3个G！！！
而且错误全都是Can’t connect to MySQL server on ’1.1.1.1′ (99)
即便在命令行下用mysql -hx.x.x.x
也间歇性地连接不上，但是据dba描述，数据库监控无任何异常，数据库上其他部门的应用也无异常
不知是否机器负载过高导致大量time wait，导致mysql连接超时或连接不上
以下是晚上0点13分的监控：
TIME_WAIT 涨了300倍（不知是否和他有关）
ESTABLISHED 涨了10倍
按理说，custom的网通接口流量非常稳定，从未出现过异常，电信机房接口飙了2倍就抗不住了，load直线上升，
为了排除cache引起的流量导致接口异常，22：30左右重新上了2个文件，把电信机房的memcache重新开启，
开启后慢慢load是降了，但是mysql错误依旧只是没那么多了
现在去机器上看，还是大量错误，提取日志如下
FastCGI sent in stderr: “PHPWarning:
后来跟dba不断沟通排查，发现电信机房和网通机房的/etc/sysctl.conf配置有所区别
网通机房多了下面几行
net.ipv4.tcp_syncookies =1
net.ipv4.tcp_tw_reuse = 1
net.ipv4.tcp_tw_recycle =1
net.ipv4.tcp_fin_timeout= 5
原因就在这，把配置同步到杭电信机房后，问题就解决了，总结如下：
-
问题描述
-
上线异常导致qps：五倍+，负载：四十倍+，虽然nginx+php表示很淡定没挂，但error.log飙到了3G/天，全是Can’t connect to MySQL server on ‘*.*.*.*’ (99)
-
解决异常后，error.log日志少了，但TIME_WAIT依旧减不下去，数据库依旧连接是失败
-
问题排查
-
Mysql Config ? (no problem)
-
max_connect_errors
-
max_connections
-
max_user_connections
-
OS Config ? (problem, 按以下修改问题就解决了)
-
vi
// 编辑
net.ipv4.tcp_syncookies
net.ipv4.tcp_tw_reuse
net.ipv4.tcp_tw_recycle
net.ipv4.tcp_fin_timeout
// 让参数生效
/sbin/sysctl
-
问题原因
-
报错”Can’t connect to MySQL server on ‘*.*.*.*’ (99)
-
Google一下”
-
问题反思
-
这个问题非常紧急么？紧急！
-
参考文章《nginx+php产生大量TIME_WAIT》：http://leven.blog.51cto.com/1675811/382097，遇到这样的问题，我们应该第一时间想到端口不可用，首先会导致nginx连不上php-cgi导致服务不可用，其次才是php-cgi连不上mysql，因此非常重要！
-
为什么mysql不使用长连接pconnection呢？
-
pconnection mysql占用大量资源，并且在大并发情况下，例如个性化，活动促销等，连接过多导致无数的连接失败error，并牵制apache（nginx）ThreadsPerChild的参数
-
高并发下的最佳实践？
-
apache短连接，nginx短连接，mysql短连接，虽然TIME_WAIT多了，但可通过修改OS内核加速TIME_WAIT的复用，经验之谈啊！
(责任编辑：IT)
有个应用就是每次都会去查一个接口，接口返回用户的信息数据，从而展现不同的页面效果。大致流程如下
应用APP（电信）-> 应用APP（网通）-> 网通custom接口 -> slave-db 接口环境是php（cgi） + nginx，接口已经运行很久，未出过异常
应用访问custom接口，然后接口去查数据库（数据库是主从复制，数据同步，各自机房读各自的数据库，写的话都写master-db） 有一点，就是电信机房是有memcache层的，而网通机房一直没有（考虑到网通机房流量不高，并且机房cache不同步，从上线起就网通机房一直未使用cache） 有一次上线，这个上线的版本有个改动就是把电信机房的memcache也取消了，然后电信机房流量暴增
看pv统计： $ “find /path -name ‘access*’|xargs wc -l|awk ‘END{print$1}’” fe cmd :find /path ‘access*’|xargs wc -l|awk ‘END{print }’ type:fe
server1 2倍A total（28号是Atotal） ———– server2 2倍B（28号是B total） ———– server3
C ———– server4 D total ….
other servers ….
网通机房流量一直比较稳定左右，从未出任何问题
就是昨天电信custom接口流量暴增后，出现了异常，电信机房机器负载涨了40多倍，QPS涨了15倍 应用也报了短暂的超时警报，不过php和nginx运行还是比较蛋定，重启依然非常快，终端也没有出现很卡的情况
流量是前一天的9倍！
异常就是error.log在上线后飙到3个G！！！ 而且错误全都是Can’t connect to MySQL server on ’1.1.1.1′ (99)
即便在命令行下用mysql -hx.x.x.x 也间歇性地连接不上，但是据dba描述，数据库监控无任何异常，数据库上其他部门的应用也无异常 不知是否机器负载过高导致大量time wait，导致mysql连接超时或连接不上
以下是晚上0点13分的监控： TIME_WAIT 涨了300倍（不知是否和他有关） ESTABLISHED 涨了10倍
按理说，custom的网通接口流量非常稳定，从未出现过异常，电信机房接口飙了2倍就抗不住了，load直线上升， 为了排除cache引起的流量导致接口异常，22：30左右重新上了2个文件，把电信机房的memcache重新开启， 开启后慢慢load是降了，但是mysql错误依旧只是没那么多了 现在去机器上看，还是大量错误，提取日志如下
FastCGI sent in stderr: “PHPWarning:
后来跟dba不断沟通排查，发现电信机房和网通机房的/etc/sysctl.conf配置有所区别 网通机房多了下面几行 net.ipv4.tcp_syncookies =1 net.ipv4.tcp_tw_reuse = 1 net.ipv4.tcp_tw_recycle =1 net.ipv4.tcp_fin_timeout= 5
原因就在这，把配置同步到杭电信机房后，问题就解决了，总结如下：
|