关于Redis出现“java.io.IOException: 远程主机强迫关闭了一个现有的连接”的一次排查

背景

最近在使用springboot（Windows下）连接redis（云服务器）开发时发现一些问题：连接成功的情况下，在一段时间未交互数据后，再次通过连接与Redis传输数据回出现异常java.io.IOException: 远程主机强迫关闭了一个现有的连接。
于是我上网找了一些博客主要是两种：

• 可能是客户端连接太多了，开启timeout设置或tcp-keepalive
• 将配置的的tcp-keepalive设置为60（可能之前是300）

这两个设置是什么意思呢

• timeout，单位是秒，如果客户端连接空闲时间达到这个时间，就释放掉这个连接
• tcp-keepalive，单位是秒，空闲时间达到这个时间就发送一个tcp-keepalive心跳包，用于检测客户端（在这里就是我的springboot程序）是否在线

探索

为了弄清楚原因，我开始对Linux用tcpdump抓包，在Windows下用wireshark抓包分析，发现一些问题

• 我的设置是tcp-keepalive 300，在到达300s后，Linux的tcpdump抓到redis发送了心跳包，但是并未得到客户端回应，Windows的wireshark也没有抓到有收到redis的心跳包

• 此后，redis每100秒重发一次心跳包，直到600秒发送rst，释放了tcp连接，而Windows还是无感知，连接状态是establish，因此，第10分钟（600秒）后，客户端用原来的连接与Linux的redis通信，不会得到ack回应，于是不断重发，直到超出阈值，springboot出现远程主机关闭连接的异常，然后重新进行三次握手重建连接

• 并非要到10分钟连接才会失效，据我的测试，在240s后，Windows的springboot尝试通过连接与Linux的redis通信，但是发送不会得到ack，于是重发,直到超过阈值释放，重新三次握手。
  此时，springboot不会出现刚刚那个异常,但是是打印如下日志：
  

  此时，Linux端还保留原来的连接，直到10分钟后（就像上面那样）。

• 如果使用本地Windows的redis服务器，即使tcp-keepalive是300，redis在300s发送的心跳包就能被wireshark抓到，并且得到回应，保持连接，也就是表现正常。

由上面几点分析，可以认为两端的tcp通信受到阻碍。240s后，无论是Linux通过tcp连接给本地Windows发（tcp-keepalive），还是Windows给Linux发，都是无法得到回应。并且是Linux和本地的开发机之间才会出现，在一段时间不通信后，tcp连接就失效了。

推测原因

为了检验这个是底层tcp出现了问题，于是使用golang写了个小程序，连接后不发心跳包，等到250s后发送消息。
测试结果结果是：同样出现了发送数据未得到ack，重试几次后释放，tcpdump也没抓到对应数据。也就是我这边发的数据那边根本就没收到。
由于这个时间比较固定，在我的环境中，240秒后连接就失效了，我推测是某些地方设置了过期时间，再由同一个本地环境中的redis和springboot表现正常，我的推测是这可能是NAT（网络地址转换协议）的会话过期导致的
这个协议的作用是在本地多个设备使用同一个公网IP的情况下，通过一些配置路由到对应的子网设备。

解决

在我这里，只要把tcp-keepalive设置为240秒以下就好了

结束

推测的原因没有亲自去证实，希望有大佬能够证实或指出错误。