关于流量升高导致TIME_WAIT增加，MySQL连接大量失败的问题

Myth丶恋晨 2022-06-12 08:58 192阅读 0赞

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）->  memcache \->电信custom接口 ->master-db

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：

\[xxx@XXXXXX ~\]$xxx.sh "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 总计**

**-----------**

**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，直到凌晨0：24分才降到1以下

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  \-u -p

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:  mysql\_connect()**Can't connect to MySQL server on '1.1.1.1' (99)**in XXXXXX on line xxx

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：

1.  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
2.  问题排查
    
     *  Mysql Config ? (no problem)
        
         *  max\_connect\_errors = 50000 (no problem)
         *  max\_connections = 1000 (no problem)
         *  max\_user\_connections = 950 (no problem)
     *  OS Config ? (problem, 按以下修改问题就解决了)
        
         *  vi /etc/sysctl.conf  
            // 编辑  
            net.ipv4.tcp\_syncookies = 1  
            net.ipv4.tcp\_tw\_reuse = 1  
            net.ipv4.tcp\_tw\_recycle = 1  
            net.ipv4.tcp\_fin\_timeout = 5  
            // 让参数生效  
            /sbin/sysctl -p
3.  问题原因
    
     *  报错”Can’t connect to MySQL server on ‘\*.\*.\*.\*’ (99) ” 参考MySQL Client端[错误代码][Link 1]说明：错误代码为99，99的含义：$perror 99 OS error code  99:  Cannot assign requested address 这是一个本地OS的抛错，表示无法分配本地地址资源（应该是端口），socket无法创建
     *  Google一下” Cannot assign requested address”，多半是由于客户端请求过于频繁，而Server端练级关闭后本地暂时处于TIME\_WAIT，所以暂时端口都不可用导致。因此修改下OS参数就ok了
4.  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][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！

[Link 1]: http://dev.mysql.com/doc/refman/5.1/en/error-messages-client.html#error_cr_conn_host_error
[http_leven.blog.51cto.com_1675811_382097]: http://leven.blog.51cto.com/1675811/382097