socketio连接失败，nginx返回502 connect failed (111: Connection refused)问题解决

问题现象

• 我们的信控平台，需要实时展示交通信号机的实时灯态（红黄绿、通行进口流向、倒计时等）

• 现在的信号机，大多都支持国标2007协议或者2017协议，来实现硬件设备与其他平台的通信，主要是通过socket传递消息报文

• 当灯态变化时，路口前端的信号机设备，会通过socket协议将消息推送给我们的通信服务程序，通信服务将消息解析处理后，关联路口渠化等信息，处理包装后，再把信息通过socket广播推送给浏览器，前端代码使用websocket接收

• 当用户访问平台时，打开首页，就一直会接收到灯态推送。接收到推送时，前端代码会把灯态信息在界面上实时渲染出来，这样客户就可以实时查看灯态、通行流向、倒计时等

• 某次平台更新部署后，发现界面上的倒计时没有了，查看了下通信服和网络，没发现问题。又去检查了下数据库里存储的灯态数据，发现数据库里的数据也是对的

• 按下F12键，打开浏览器的开发者模式，筛选“socket.io”，重新刷新页面，发现socket消息接收502了（很难复现，没有当时的截图，截了个正常的）
  

• 查看nginx日志，发现报错如下（部分）：

"GET /socket.io/ HTTP/1.1" 502 559 [error] 24#24: *1 connect() failed (111: Connection refused) while connecting to upstream
2023/06/26 13:50:12 [error] 24#24: *1839 connect() failed (111: Connection refused) while connecting to upstream, client: 172.16.1.96, server: 172.16.1.100, request: "GET /socket.io/?EIO=3&transport=polling&t=OZsGAi0 HTTP/1.1", upstream: "http://172.18.0.12:7754/socket.io/?EIO=3&transport=polling&t=OZsGAi0", host: "172.16.1.100", referrer: "http://172.16.1.100/main/live-view/map"

排查

• 我们使用nginx作为web服务器，前端界面和一些请求的访问都通过nginx
• 我们的nginx是使用docker部署的，它在docker-compose.yml里配置如下：

  # nginx服务，静态文件访问和反向代理
  nginx:
    image: nginx:1.20.2
    container_name: nginx
    ports:
      - 80:80 #信控前端
    depends_on:
      - gateway-app
      - data-center-app
    volumes:
      - ./volumes/nginx-html:/usr/share/nginx/html
      - ./volumes/nginx-config:/etc/nginx/conf.d
      - /etc/localtime:/etc/localtime
    environment:
      - TZ=Asia/Shanghai
    restart: always

• 根据报错信息搜索了一堆，对照着查看和处理没什么效果，下面是其中一个处理方式：
• 这个错误通常是因为Nginx无法连接到后端的upstream服务。可能的原因包括：

1. upstream服务挂掉了或未启动
2. 防火墙阻止了Nginx连接upstream服务
3. upstream服务的IP地址或端口号配置错误
4. upstream服务只监听了本地地址（如127.0.0.1），而Nginx尝试连接外部地址

• 解决方法也主要是针对以上排查，主要排查了下网络，没发现问题

1. 确认upstream服务是否正常运行，尝试手动连接upstream服务；
2. 检查防火墙设置，确保允许Nginx连接upstream服务；
3. 检查Nginx配置文件中upstream服务的IP地址或端口号是否正确；
4. 如果upstream服务只监听了本地地址，需要使用IP转发或者配置upstream服务监听所有地址。

解决

• 检查了网络没问题，代码也没相关变动，就试着把nginx 重启了一下，结果发现，重启后恢复正常了！！！
• 正常推送，日志如下：

172.16.1.96 - - [26/Jun/2023:13:51:33 +0800] "GET /socket.io/?EIO=3&transport=polling&t=OZsGUNW&sid=a8726ad4-a4f8-420f-8ffe-e27ff82c6a69 HTTP/1.1" 200 42 "http://172.16.1.100/main/live-view/map" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36" "-" 

• 这个是偶发现象，后续部署更新平台时，偶尔会出现，但不是必现，很难重现。后续也观察了下，没有重启部署操作时，一次也没出过此问题，一直正常
• 最后总结规律发现，偶尔出现的时候，是因为应该服务重新部署了，nginx没有重启。但是也有一起使用docker-compose up重启的，这时候怀疑和启动顺序有关系
• 后续改进了部署更新的shell脚本，部署其他服务结束后几秒，再重启一下nginx服务
• 然后部署完成后，再检查一下平台信号机状态是否已经上报，没有则重启一下服务器

docker-compose --compatibility up -d
sleep 30s
docker restart nginx