关于dubbox部分rest接口超时问题研究

业务高峰期部分rest接口超时有一段时间了，之前一直怀疑是kafka、nginx、log4j、网络等原因并进行优化，一直没有太大改观。我们生产共有四台nginx反向代理网关，运维在某台nginx中通过日志grep看到，高峰期   nginx反向代理到后端某台tomcat，每秒达到100+，4台nginx则为400+，已超过tomcat设置的并发连接数和完全连接队列的大小（200+100=300）。前两天运维说把tomcat线程数调大到600之后（原来是200），超时问题就没有再出现了。

事后考虑原因分析如下：

tomcat配置中有一个参数叫acceptCount，这个参数在tomcat中指server端监听端口的完全连接队列的socket上限（backlog）。这个值在dubbox中是不能设置的，默认100。

另一个参数叫threadCount，这个参数指tomcat工作线程池大小。tomcat线程池每次从队列头部取线程去处理请求，请求完结束后再放到队列尾部，也就是说前后两次请求处理不会用同一个线程。如下：

换句话说，之前threadCount=200、acceptCount=100时，tomcat能接受的最大并发数就是200，如果并发数>200时，只会有额外的100个并发请求会在完全连接队列中排队，其他并发请求则根本进入不了完全连接队列中，会被服务端拒绝处理（ 详见注1）。还有三种情况：

1、半连接队列满了： 详见注2

2、在完全连接队列中超时：出现这种情况，主要因为接口处理响应慢，导致tomcat工作线程池没有空闲的线程处理完全连接队列中的请求，完全连接队列中的请求在到达超时时间（20s）时，被nginx主动关闭了tcp连接（nginx日志中http ressponse code：504）。 有一点要注意，已经进入完全连接队列中的请求，最终会被tomcat处理，只不过此时连接已经断开，nginx不会收到tomcat的响应。

3、接口处理超时：出现这种情况，说明请求已经在tomcat的工作线程中处理了，确实由于接口处理响应慢，而最终被nginx主动关闭了tcp连接。 

结论：

治标的方法是增加tomcat工作线程池（threadCount）的数量，而 治本的方法还是要提高接口的响应速度（rt：response time）。试想如果我们的所有接口都能控制在100ms之内，tomcat工作线程池设置为200，单机也能承受峰值2000（200 / 0.1）的并发量请求量（当然mem和cpu不能太差）。

注1：当accept队列满了之后，即使client继续向server发送ACK的包，也会不被响应，此时ListenOverflows+1，同时server通过/proc/sys/net/ipv4/tcp_abort_on_overflow来决定如何返回，0表示直接丢弃该ACK，1表示发送RST通知client；相应的，client则会分别返回 read timeout 或者  connection reset by peer。

 注2：对于SYN半连接队列的大小是由（/proc/sys/net/ipv4/tcp_max_syn_backlog）这个内核参数控制的，有些内核似乎也受listen的backlog参数影响，取得是两个值的最小值。当这个队列满了，不开启syncookies的时候，Server会丢弃新来的SYN包，而Client端在多次重发SYN包得不到响应而返回（ connection time out）错误。但是，当Server端开启了syncookies=1，那么SYN半连接队列就没有逻辑上的最大值了，并且/proc/sys/net/ipv4/tcp_max_syn_backlog设置的值也会被忽略。

 最后再附录一张tcp连接建立 和 半连接队列和完全连接队列的图，很经典！