关于流量升高导致TIME_WAIT增加,MySQL连接大量失败的问题

时间:2023-12-16 20:00:02

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:

$ “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

2B(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,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!

转自 http://www.searchtb.com/2012/05/mysql_time_wait.html