服务器后台TCP连接存活问题

0. 背景

　　公司的服务器后台部署在某一个地方，接入的是用户的APP，而该地方的网络信号较差，导致了服务器后台在运行一段时间后用户无法接入，那边的同事反馈使用netstat查看系统，存在较多的TCP连接。

1. 问题分析

　　首先在公司内部测试服务器上部署，使用LoadRunner做压力测试，能正常运行，然后那边的同事反馈该地方信号较差。考虑到接入的问题，有可能接入进程的FD资源耗尽，导致accept失败。推论的依据是对于TCP连接来说，如果客户端那边由于一些异常情况导致断网而未能向服务器发起FIN关闭消息，服务端这边若没有设置存活检测的话，该连接会存在（存活时间暂未测）。

2. 实验测试

　　这里简单地写了一个服务端的程序，主要功能是回应，即接受一个报文（格式：2Byte报文长度+报文内容），然后原封不动将报文内容发回客户端。

#include <stdio.h>
#include <sys/types.h>
#include <sys/socket.h>
#include <sys/epoll.h>
#include <unistd.h>
#include <pthread.h>
#include <stdlib.h>
#include <string.h>
#include <arpa/inet.h>

int g_epfd;

int InitServer( unsigned short port )
{
    int nServerFd = socket( AF_INET, SOCK_STREAM, 0 );

    struct sockaddr_in addr;
    memset( &addr, 0, sizeof(addr) );

    addr.sin_family = AF_INET;
    addr.sin_port = htons( port );
    addr.sin_addr.s_addr = 0;

    if ( bind( nServerFd, (struct sockaddr *)&addr, sizeof(addr) ) <0 )
    {
        printf("bind error
");
        exit(-1);
    }

    if ( listen( nServerFd, 128 ) < 0 )
    {
        printf("listen error
");
        exit(-1);
    }

    return nServerFd;
}

int AddFd( int epfd, int nFd , int nOneShot)
{
    struct epoll_event event;
    memset( &event, 0, sizeof( event) );

    event.data.fd = nFd;
    event.events |= EPOLLIN | EPOLLRDHUP | EPOLLET;

    if ( nOneShot ) event.events |= EPOLLONESHOT;

    return epoll_ctl( epfd, EPOLL_CTL_ADD, nFd, &event );
}

int ResetOneShot( int epfd, int nFd )
{
    struct epoll_event event;
    memset( &event, 0, sizeof(event) );

    event.data.fd = nFd;
    event.events |= EPOLLIN | EPOLLRDHUP | EPOLLONESHOT;

    return epoll_ctl( epfd, EPOLL_CTL_MOD, nFd, &event);
}

void * ReadFromClient( void * arg )
{
    int nClientFd = (int)arg;
    unsigned char buf[1024];
    const int nBufSize = sizeof( buf );
    int nRead;
    int nTotal;
    int nDataLen;

    printf("ReadFromClient Enter
");

    if ( (nRead = read( nClientFd, buf, 2 )) != 2 )
    {
        printf("Read Data Len error
");
        pthread_exit(NULL);
    }

    nDataLen = *(unsigned short *)buf;
    printf("nDataLen [%d]
", nDataLen);
    nDataLen = buf[0]*256 + buf[1];
    printf("nDataLen [%d]
", nDataLen);

    nRead = 0;
    nTotal = 0;
    while( 1 )
    {
        nRead = read( nClientFd, buf + nRead, nBufSize );
        if ( nRead < 0 )
        {
            printf("Read Data error
");
            pthread_exit( NULL );
        }
        nTotal += nRead;
        if ( nTotal >= nDataLen )
        {
            break;
        }
    }
    printf("nTotal [%d]
", nTotal);

    sleep(5);

    int nWrite = write( nClientFd, buf, nTotal );
    printf("nWrite[%d]
", nWrite);

    printf("Not Write ResetOneShot [%d]
", ResetOneShot(g_epfd, nClientFd));

    return NULL;
}

int main(int argc, char const *argv[])
{
    int i;
    int nClientFd;
    pthread_t tid;
    struct epoll_event events[1024];

    int nServerFd = InitServer( 7777 );
    if ( nServerFd < 0 )
    {
        perror( "nServerFd" );
        exit(-1);
    }

    int epfd = epoll_create( 1024 );

    g_epfd = epfd;

    int nReadyNums;

    if ( AddFd( epfd, nServerFd, 0 ) < 0 )
    {
        printf("AddFd error
");
        exit(-1);
    }

    while( 1 )
    {
         nReadyNums = epoll_wait( epfd, events, 1024, -1 );

         if ( nReadyNums < 0 )
         {
             printf("epoll_wait error
");
             exit(-1);
         }

         for ( i = 0; i <  nReadyNums; ++i)
         {
             if ( events[i].data.fd == nServerFd )
             {
                 nClientFd = accept( nServerFd, NULL, NULL );

                 AddFd( epfd, nClientFd, 1 );

             }else if ( events[i].events & EPOLLIN )
             {
                // Can be implemented by threadpool
                 //Read data from client
                pthread_create( &tid, NULL, ReadFromClient, (void *)(events[i].data.fd) );

             }else if ( events[i].events & EPOLLRDHUP )
             {
                 //Close By Peer
                printf("Close By Peer
");
                close( events[i].data.fd );
             }else
             {
                printf("Some thing happened
");
             }

         }
    }

    return 0;
}

测试内容：

注：客户端IP: 192.168.10.108  服务器IP&Port: 192.168.10.110:7777

a. 客户端发送一个报文至服务端，然后断网。（这里对程序做了点改动，这次实验注释了write响应，防止write影响测试，后面一个实验会使用write）。

　　　客户端断网后，使用netstat查看网络连接状态发送客户端与服务端还处于established状态，如图所示。

a. 实验结果

　　服务端没有检测到客户端断网，依然处于连接状态。

b. 客户端发送一个报文至服务端，然后断网，关闭客户端，再重复一次。

　　这次试验测试重新联网，程序再次建立Socket连接是否会导致之前的连接被检测到。

b. 实验结论：

　　重新联网，程序再次建立Socket连接之前的连接不会被检测到。

c. 客户端发送一个报文至服务端，然后断网。（这次实验使用了write响应，查看write后的结果）。

　　这里查看到Write居然成功了，成功了....。

c. 实验结论：

　　这次使用write不会检测对端是否已经断了。

3. 解决方案

　　临时：使用TCP的选项SO_KEEPALIVE检测客户端是否已异常掉了（setsockopt）。

　　后续改进：使用心跳包来检测长连接存活问题。

注：SO_KEEPALIVE明天再补充，回家了，只有一台笔记本直接装了Ubuntu，没装虚拟机，伤不起。

4. 补充

　　如果什么不对的或者建议直接说，多讨论讨论比较好。