【概述】

这两天排查解决了一个问题，问题的解决其实很简单，但是整个分析过程还是很有意义的，本文对整个分析过程以及问题如何解决进行总结。

【问题现象】

我们的xxx服务依赖zk，服务在启动之前会检测zk是否处于提供服务的状态，确保启动后可以正确操作zk而不至于异常退出。

具体通过如下命令获取zk的状态：

echo stat | nc 192.168.73.77 2181

出现问题时，发现nc命令一直没有返回，导致无法执行后续的步骤（程序压根没启动）。

【问题排查】

看到问题，第一反应是手动执行一次nc命令，看看是否正常，当然，结果没有令人失望，完全正常。不信邪，再多试几次，nc命令均正确返回退出，并且能获取到对应的状态信息，看来是个偶现问题。

既然命令当前执行都正常，难道是执行nc命令的那个时刻，zk出现了异常导致没有响应？到zk上查看了对应的日志，也没有发现对应时间段有错误的打印。

既然zk都没有错误日志信息，那只能先分析下nc命令当前卡在哪里了。

顺着这个思路，先netstat看了下nc的连接情况，发现与zk的连接处于FIN_WAIT2状态。

熟悉TCP四次挥手的应该都知道，FIN_WAIT2是主动关闭的一方没有收到对端的FIN，从而处于FIN_WAIT2状态（状态变化如下图所示）

对于对端没有对socket关闭的情况，可以快速编写服务端demo进行验证。

例如执行下面脚本：

#!/usr/bin/env python
import socket
import times = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s.bind(('0.0.0.0', 50000))
s.listen(1)c,_ = s.accept()
msg=c.recv(1024)
print(msg)
c.sendall('hncscwc')
time.sleep(1000)
c.close()

然后再执行命令，可以发现nc未返回，并且链接处于FIN_WAIT2的状态。

搞清楚了FIN_WAIT2，那么nc卡主和这个又有什么关系呢？带着疑问下载了nmap的源码，查看了下nc执行的相关流程。

内部处理流程本质上就是先建立tcp连接，然后循环处理socket上的可读可写事件，当有可读事件，并且长度为0（EOF）时，回调处理中标记退出循环，然后整个进程也就跟着退出了。

而长度为0的可读事件，是收到FIN后，内核协议栈往上发送的可读事件。

结合上面说的FIN_WAIT2，就可以知道nc命令为什么不退出了。

通过增加参数“+vvvvvv”查看nc命令执行过程中的输出，对比正常情况和异常情况，可以清楚的看到这一点：

正常退出的情况：

异常不退出的情况：

清楚了问题的所有环节，只剩下为什么nc命令没有收到zk发送的fin了，zk真的可能没有进行socket的关闭吗？还是因为网络问题导致了fin包丢失？

多次复现均未果，而zk的日志也无法提供有力帮助，监控也没有看出当时网络有较大的流量或严重丢包，问题的分析只能作罢。

【问题解决】

虽然不能最终定位是因为zk没有发送close还是因为异常导致了FIN包丢失，但问题终归还是要解决，因此只能从修改使用方式来考虑如何进行规避。

简单man了一把nc，发现有一个"-i"参数，指的是连接的最大读写空闲时间。加上参数，再来进行测试，发现连接虽然处于FIN_WAIT2状态，但等待指定时长后，nc命令返回退出了。

带着参数再看下命令执行过程的输出，发现增加了超时事件，结合源码分析，超时事件的回调处理中也会标记退出循环，从而进程最终也结束退出。

也就是说， "-i"参数是可以正确规避解决问题的。

【总结】

问题比较简单，相关基础知识的融会贯通有助于快速解决问题。另外，多使用man是一个好习惯。

原创不易，点赞，在看，分享是最好的支持， 谢谢～