TCP重传问题排查思路与实践

 图 under the strange horizon  by joeyjazz

一 关于TCP重传

1. TCP有重传是正常的机制，为了保障数据传输可靠性。只是局域网环境，网络质量有保障，因为网络问题出现重传应该极低；互联网或城域网环境，线路复杂（可以想象下城市地下管网，错综复杂的电线杆等），网络质量不好保障，重传出现概率较高。

2. TCP有重传，也不一定是网络层面的问题。也可能是接收端不存在，接收端receive buffer满了，应用程序有异常链接未正常关闭等等等。

二 TCP/IP相关

排查网络问题，要掌握TCP/IP原理，真相都在一个一个的数据包里。以下是和TCP重传比较关键的几个参数。

2.1 建立TCP链接时的参数

net.ipv4.tcp_syn_retries#syn包重传多少次后放弃,重传间隔是2的n次方(1s,2s,4s..）
net.ipv4.tcp_synack_retries#syn ack包重传多少次后放弃
net.ipv4.tcp_max_syn_backlog#syn包队列

其他参考：

/proc/sys/net/ipv4/* Variables： https://www.kernel.org/doc/Documentation/networking/ip-sysctl.txt

2.2 TCP重传类型

超时重传

在请求包发出去的时候，开启一个计时器，当计时器达到时间之后，没有收到ACK，则就进行重发请求的操作，一直重发直到达到重发上限次数或者收到ACK。

快速重传

当接收方收到的数据包是不正常的序列号，那么接收方会重复把应该收到的那一条ACK重复发送，这个时候，如果发送方收到连续3条的同一个序列号的ACK，那么就会启动快速重传机制，把这个ACK对应的发送包重新发送一次。具体可以参考： 

三 常见问题与措施

3.1单台机器或单个应用机器tcp重传，可能是链接的服务器或端口无法访问

排查思路

# 1、抓1000或者更多个tcp包
# 出现2次以上seq一样的包就是发生了重传
# syn包重传间隔是指数增加
# 已经建立了链接的tcp重传间隔，参考RTO
# 收到比较多ack重传，一般说明数据包出现乱序，seq较大的先到达了目的端，发送端收到3次sack会触发立即快速重传缺失的tcp分片。快速重传不太影响rt，但是发送窗口立即减半，会对吞吐带宽有一定影响
# 云环境虚拟机，还要考虑分析宿主机的问题
 
sudo ss -anti |grep -B 1 retrans #重传统计
 
if=bond0
sudo tcpdump -w /tmp/tcp.pcap -i $if -c 1000 -nn tcp 2>/dev/null
sudo tcpdump -nn -r /tmp/tcp.pcap | awk '{print $3,$5,$8,$9}' | sort | uniq -c | sort -rn  |sed 's/^ \{1,\}//g'|egrep  -v "^1 |Request"

2、联通性检查
ping $ip
nc -nvz $ip $port
 
3、接收端应用程序问题排查；来源和目的抓包，wireshark分析具体是什么包丢失导致了重传

3.2 多台机器或多个应用同时tcp重传，可能是网络抖动

排查思路

1、查看网络区域埋点，查看网络设备报警，看是否有区域网络抖动
2、区域网络没问题的话。可以用常见问题：1 的方法缩小排查范围

3.3 带宽跑满

排查思路

1、查看主机监控，检查是否带宽跑满
 
2、检查重传联路上相关的网络设备是否有带宽跑满

3.4 不常见问题

1 网络设备端口或光模块异常等导致包checksum失败

2 网络路由收敛抖动

3 主机网络驱动有bug，网络设备有bug等

四 如何监控

使用tsar -tcp -C 可以监控到tcp的retran属性也即是重传次数。

tsar --tcp -C | sed 's/:/_/g;s/=/ /g' | xargs -n 2

感兴趣的朋友可以直接执行以下监控脚本获取tcp相关的状态监控数据，适用于open-falcon。

#!/usr/bin/env bash
HOSTNAME=`hostname`
timestamp=`date +%s`
tagapp="app=tsar.collect"
data_item=""
tsarcollectstring=`/opt/tsar/bin/tsar --tcp -C | sed 's/:/_/g;s/=/ /g' | xargs  -n 2 | tail -n +2|sed 's/ /|/'`
for i in $tsarcollectstring
do
   getkey=`echo $i|awk -F "|" '{print $1}'`
   getvalue=`echo $i|awk -F "|" '{print $2}'`
   tags="$tagapp"
   metric="tsar.collect.$getkey"
   metric_item="{\"endpoint\":\"${HOSTNAME}\",\"tags\":\"${tags}\",
                 \"timestamp\":${timestamp},\"metric\":\"$metric\",
                 \"value\":${getvalue},\"counterType\":\"GAUGE\",
                 \"step\":60}"
   if [ "${data_item}x" = "x" ];then
      data_item="$metric_item"
   else
      data_item="${data_item},${metric_item}"
   fi

done
echo "[$data_item]"

五 案例实践

1 在遇到丢包重传的机器上抓包并使用wireshark 分析该包，注意因为重传不是时刻都有的，所以抓包命令是要持续执行以便捕捉到重传的包。使用wireshark打开tcpdump的结果，在搜索框里入手tcp.analysis.retransmission 得到如下结果:

图1 表明服务端发生了三次重传动作。

2 由于包比较多，我们可以使用wireshark的追踪流功能获取重传相关的tcp流 

图二 追踪流-->TCP流 可以得到重传相关的数据包

图三 可以看出客户端和服务端的请求与应答。

3 解析重传

特别需要说明的是

NO 67,68 client端由于某些原因没有收到正确的包数据，向server端发送dup ack，参考基础知识提到的快速重传

NO.68和NO.69之间的时间差200ms(关注time那一列，其他都是相差小于1ms)，server等待超时，于是重传。

NO 73-74是client端发送了一个fin包并主动关闭连接。

这个案例仅仅发生一次，没有复现，通过抓包解析出来分析没有得到明确的结论。

六 小结

本文总结自己工作过程中遇到的TCP重传问题的解决过程 ，侧重于大致的解决问题的思路与具体的实践，理论知识偏少，大家有兴趣的可以阅读推荐文章以便深入了解tcp的工作机制。

推荐文章

tcp 重传系列文章

https://www.cnblogs.com/lshs/p/6038516.html https://www.cnblogs.com/lshs/p/6038527.html https://www.cnblogs.com/lshs/p/6038536.html

网络性能排查之TCP重传与重复ACK https://www.kancloud.cn/digest/wireshark/62473

一站式学习wireshark https://www.kancloud.cn/digest/wireshark 

TCP重传  http://www.vants.org/?post=36 本文有图文介绍。