记录一次网络负载提升优化

最近有个项目，压测的时候发现，cpu和数据库连接，包括redis负载都并不高，但是会在连接数到达2000左右时出现瓶颈，导致大量拒绝连接。

后来分析了下netstat，发现大量的close_wait的连接。考虑系统连接数被吃满，没有及时释放，导致web服务器无法获得有效连接，所以请求进不来。

这里排查了几个方面，首先肯定是是否有主动关闭连接。

发现底层httpclient都有正常处理close，feign也有处理，同时也有配置超时时间。nginx也没有配置keepalive的长连接。

后来查询资料，发现close_wait系统回收也需要时间。

所以需要缩短close_wait的回收时间。查了一下系统配置。

net.ipv4.tcp_max_tw_buckets 默认是180000。这个参数是配置timewait的连接数量。我们把它改小到3000。然后配置timewait的快速回收。net.ipv4.tcp_tw_recycle=1。

完整配置如下：

#timewait 的数量，默认是 180000。
net.ipv4.tcp_max_tw_buckets = 3000

#本地可用端口范围
net.ipv4.ip_local_port_range = 1024 65000


#启用 timewait 快速回收。
net.ipv4.tcp_tw_recycle = 1


#开启重用。允许将 TIME-WAIT sockets 重新用于新的 TCP 连接。
net.ipv4.tcp_tw_reuse = 1

测试在并发连接数达到一定值后，能够有效的回收timewait的连接，从而使得服务器能够接受新的请求进来，有效解决了并发问题。

PS：这里说一下，由于这边是k8s容器部署，是共享宿主机的端口连接数，所以无法达到6w的连接属于正常情况。毕竟一台机器上跑了多个容器服务，都有业务在运行。同时tw回收的数量，根据业务场景自行尝试最优值。