我正在开发一个套接字应用程序，它必须对网络故障具有鲁棒性。
应用程序有2个正在运行的线程，一个等待来自套接字的消息（一个read（）循环），另一个向socket发送消息（一个write（）循环）。
我目前正在尝试使用SO_KEEPALIVE来处理网络故障。 如果我只在read（）上被阻止，它可以正常工作。连接丢失几秒钟后（网线断开），read（）将失败并显示“连接超时”消息。
但是，如果我在网络断开连接后（以及在超时结束之前）尝试wrte（），则write（）和read（）将永久阻塞，没有错误。
这是一个剥离的示例代码，它将stdin / stdout定向到套接字。它侦听端口5656：
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <unistd.h>
#include <pthread.h>
#include <sys/types.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include <netinet/tcp.h>
int socket_fd;
void error(const char *msg) {
perror(msg);
exit(1);
}
//Read from stdin and write to socket
void* write_daemon (void* _arg) {
while (1) {
char c;
int ret = scanf("%c", &c);
if (ret <= 0) error("read from stdin");
int ret2 = write(socket_fd, &c, sizeof(c));
if (ret2 <= 0) error("write to socket");
}
return NULL;
}
//Read from socket and write to stdout
void* read_daemon (void* _arg) {
while (1) {
char c;
int ret = read(socket_fd, &c, sizeof(c));
if (ret <= 0) error("read from socket");
int ret2 = printf("%c", c);
if (ret2 <= 0) error("write to stdout");
}
return NULL;
}
//Enable and configure KEEPALIVE - To detect network problems quickly
void config_socket() {
int enable_no_delay = 1;
int enable_keep_alive = 1;
int keepalive_idle =1; //Very short interval. Just for testing
int keepalive_count =1;
int keepalive_interval =1;
int result;
//=> http://tldp.org/HOWTO/html_single/TCP-Keepalive-HOWTO/#setsockopt
result = setsockopt(socket_fd, SOL_SOCKET, SO_KEEPALIVE, &enable_keep_alive, sizeof(int));
if (result < 0)
error("SO_KEEPALIVE");
result = setsockopt(socket_fd, SOL_TCP, TCP_KEEPIDLE, &keepalive_idle, sizeof(int));
if (result < 0)
error("TCP_KEEPIDLE");
result = setsockopt(socket_fd, SOL_TCP, TCP_KEEPINTVL, &keepalive_interval, sizeof(int));
if (result < 0)
error("TCP_KEEPINTVL");
result = setsockopt(socket_fd, SOL_TCP, TCP_KEEPCNT, &keepalive_count, sizeof(int));
if (result < 0)
error("TCP_KEEPCNT");
}
int main(int argc, char *argv[]) {
//Create Server socket, bound to port 5656
int listen_socket_fd;
int tr=1;
struct sockaddr_in serv_addr, cli_addr;
socklen_t clilen = sizeof(cli_addr);
pthread_t write_thread, read_thread;
listen_socket_fd = socket(AF_INET, SOCK_STREAM, 0);
if (listen_socket_fd < 0)
error("socket()");
if (setsockopt(listen_socket_fd,SOL_SOCKET,SO_REUSEADDR,&tr,sizeof(int)) < 0)
error("SO_REUSEADDR");
bzero((char *) &serv_addr, sizeof(serv_addr));
serv_addr.sin_family = AF_INET;
serv_addr.sin_addr.s_addr = INADDR_ANY;
serv_addr.sin_port = htons(5656);
if (bind(listen_socket_fd, (struct sockaddr *) &serv_addr, sizeof(serv_addr)) < 0)
error("bind()");
//Wait for client socket
listen(listen_socket_fd,5);
socket_fd = accept(listen_socket_fd, (struct sockaddr *) &cli_addr, &clilen);
config_socket();
pthread_create(&write_thread, NULL, write_daemon, NULL);
pthread_create(&read_thread , NULL, read_daemon , NULL);
close(listen_socket_fd);
pthread_exit(NULL);
}
要重现错误，请使用telnet 5656。 如果在连接丢失后几秒钟后退出，除非我尝试在终端中写入内容。在这种情况下，它将永远阻止。
所以，问题是：出了什么问题？怎么解决？还有其他选择吗？
谢谢！
我尝试使用Wireshark检查网络连接。如果我不调用write（），我可以看到TCP保持活动包被发送，并且连接在几秒钟后关闭。
相反，如果我尝试写（），它会停止发送Keep-Alive数据包，并开始发送TCP重传（对我来说似乎没问题）。问题是，每次故障后重传之间的时间越来越大，似乎永远不会放弃并关闭套接字。
有没有办法设置最大重传次数或类似的？ 感谢
答案 0 :(得分：2)
我找到了TCP_USER_TIMEOUT套接字选项（rfc5482），如果在指定的时间间隔后没有确认发送的数据，它会关闭连接。
它适用于我=）
//defined in include/uapi/linux/tcp.h (since Linux 2.6.37)
#define TCP_USER_TIMEOUT 18
int tcp_timeout =10000; //10 seconds before aborting a write()
result = setsockopt(socket_fd, SOL_TCP, TCP_USER_TIMEOUT, &tcp_timeout, sizeof(int));
if (result < 0)
error("TCP_USER_TIMEOUT");
然而，我觉得我不应该同时使用SO_KEEP_ALIVE和TCP_USER_TIMEOUT。 也许这是某个地方的错误？
答案 1 :(得分：1)
不确定是否有其他人会给你一个更好的选择，但在我参与的几个项目中，我们遇到了非常类似的情况。
对于我们来说，解决方案是简单地掌握控制权，而不是依靠底层操作系统/驱动程序告诉您连接何时死亡。如果您同时控制客户端和服务器端，则可以引入自己的ping消息，这些消息会在客户端和服务器之间跳转。这样你就可以a）控制自己的连接超时，b）轻松保存一条记录，说明连接的健康状况。
在最近的应用程序中，我们将这些ping作为通带库本身内的带内控制消息隐藏起来，因此就实际的客户端/服务器应用程序代码而言，连接超时只是起作用。
答案 2 :(得分：1)
TCP Keep Alive在RFC1122中指定。 TCP的Keep Alive功能不是检测短期网络中断，而是清除可能耗尽宝贵资源的TCP控制块/缓冲区。该RFC也是在1989年编写的.RFC明确规定TCP Keep Alives不会每两小时发送一次以上，然后，只有在没有其他流量时才需要。如果更高级别的协议需要检测连接丢失，则更高级别协议的工作就是自己完成。 BGP路由协议在TCP上运行，默认情况下每60秒发送一次自己的Keep Alive消息。如果在最后3 * keep_alive_interval秒内没有看到新的流量，BGP规范表示连接被认为是死的。 OpenSSH以ping和pong的形式实现了它自己的活着。它会重新发送到X ping，它希望在Y时间内响应（pong）或者它会终止连接。 TCP本身在临时网络中断时非常难以提供数据，并且本身无法检测网络中断。
通常情况下，如果你想实现一个keep alive并希望避免阻塞，可以切换到非阻塞I / O并维护一个定时器，可以使用select（）/ poll（）调用和超时。另一种选择可能是使用单独的计时器线程，甚至是使用SIGALARM的更粗略的方法。我建议使用带有fcntl（）的O_NONBLOCK将套接字设置为非阻塞I / O.然后，您可以使用gettimeofday（）来记录接收传入的I / O的时间，并使用select（）进行休眠，直到下一个Keep Alive到期或I / O发生为止。
答案 3 :(得分：1)
在断开电缆连接之前，您是否从另一侧收到过一个字节或一个ACK？也许这与http://lkml.indiana.edu/hypermail/linux/kernel/0508.2/0757.html：
中描述的行为有关您的测试用例值得怀疑，因为在建立状态下您甚至没有收到一个ACK，因此tp-> rcv_tstamp变量无法初始化。您收到的唯一ACK是响应连接设置SYN的ACK，我们不会为该ACK初始化tp-＆gt; rcv_stamp。
保持活动时间检查绝对要求tp-＆gt; rcv_tstamp具有有效值，并且在处理ESTABLISHED状态的ACK之前它不会。
如果您通过连接成功发送或成功接收至少一个字节，从而处理至少一个处于ESTABLISHED状态的ACK，我认为您会发现保持活动正常。
这是一个模糊的SO_KEEPALIVE行为。
答案 4 :(得分：0)
在write_daemon()中，您将write()的返回值存储到ret2变量中，但之后使用ret变量检查套接字错误，因此您永远不会发现任何write()错误。
答案 5 :(得分：0)
这是因为tcp堆栈的tcp重传没有你的意识。 这是解决方案。
即使您已经为应用程序套接字设置了keepalive选项，但如果您的应用程序一直在套接字上写入，您也无法及时检测到套接字的死连接状态。 那是因为内核tcp堆栈的tcp重传。 tcp_retries1和tcp_retries2是用于配置tcp重传超时的内核参数。 很难预测重传超时的精确时间，因为它是由RTT机制计算的。 你可以在rfc793中看到这个计算。 （3.7。数据通信）
https://www.rfc-editor.org/rfc/rfc793.txt
每个平台都有用于tcp重新传输的内核配置。
Linux : tcp_retries1, tcp_retries2 : (exist in /proc/sys/net/ipv4)
http://linux.die.net/man/7/tcp
HPUX : tcp_ip_notify_interval, tcp_ip_abort_interval
http://www.hpuxtips.es/?q=node/53
AIX : rto_low, rto_high, rto_length, rto_limit
http://www-903.ibm.com/kr/event/download/200804_324_swma/socket.pdf
如果你想早期检测到死连接，你应该为tcp_retries2（默认为15）设置较低的值，但这并不像我已经说过的那样精确。 此外，目前您无法仅为单个套接字设置这些值。那些是全局内核参数。 有一些尝试为单个套接字（http://patchwork.ozlabs.org/patch/55236/）应用tcp重新传输套接字选项，但我不认为它已应用于内核主线。我在系统头文件中找不到这些选项定义。
作为参考，您可以通过'netstat --timers'监控您的keepalive套接字选项，如下所示。 https://stackoverflow.com/questions/34914278
netstat -c --timer | grep "192.0.0.1:43245 192.0.68.1:49742"
tcp 0 0 192.0.0.1:43245 192.0.68.1:49742 ESTABLISHED keepalive (1.92/0/0)
tcp 0 0 192.0.0.1:43245 192.0.68.1:49742 ESTABLISHED keepalive (0.71/0/0)
tcp 0 0 192.0.0.1:43245 192.0.68.1:49742 ESTABLISHED keepalive (9.46/0/1)
tcp 0 0 192.0.0.1:43245 192.0.68.1:49742 ESTABLISHED keepalive (8.30/0/1)
tcp 0 0 192.0.0.1:43245 192.0.68.1:49742 ESTABLISHED keepalive (7.14/0/1)
tcp 0 0 192.0.0.1:43245 192.0.68.1:49742 ESTABLISHED keepalive (5.98/0/1)
tcp 0 0 192.0.0.1:43245 192.0.68.1:49742 ESTABLISHED keepalive (4.82/0/1)
此外，当keepalive超时时，您可以根据您使用的平台遇到不同的返回事件，因此您不能仅通过返回事件来确定死连接状态。 例如，当发生keepalive超时时，HP返回POLLERR事件，AIX仅返回POLLIN事件。 那时你将在recv（）调用中遇到ETIMEDOUT错误。
在最近的内核版本（自2.6.37开始）中，您可以使用TCP_USER_TIMEOUT选项将运行良好。此选项可用于单个插槽。