zabbix-agent TIME_WAIT 过多（转）

一、系统环境

操作系统： Centos 6.4 64bit
zabbix-agent 版本： Zabbix agent v2.2.7 (revision 50148) (24 October 2014)

二、出现的问题

zabbix-agent机器上，发现TIME_WAIT过多

三、为什么会出现这么多TIME_WAIT

下表说明了zabbix是如何通信的，它会教给你基本的tcp协议的知识。如果你看不懂这个表的内容，我建议你可以读下<TCP/IP 详解1>！
表格中的state是TCP连接在agent和server不同阶段时的状态。我们假设每个阶段，agent和server都会得到正确的状态！
如果你用tcpdump捕获通信数据，你可以转储到文件，下载桌面，然后通过Wireshark 来查看！

passive agent通信的过程如下：

Number	Connection state agent	Connection state server	Direction	TCP flags	Purpose of TCP segment
1	LISTEN	SYN_SENT	Agent<-Server	SYN	初始化TCP连接，第一次tcp握手
2	SYN_RECVD	SYN_SENT	Agent->Server	SYN, ACK	接受连接
3	SYN_RECVD	ESTABLISHED	Agent<-Server	ACK	连接已经建立
4	ESTABLISHED	ESTABLISHED	Agent<-Server	PSH, ACK	zabbix server发送item key 给agent
5	ESTABLISHED	ESTABLISHED	Agent->Server	ACK	Agent 确认收到
6	ESTABLISHED	ESTABLISHED	Agent->Server	PSH, ACK	agent发送对应item key的数据
7	FIN_WAIT_1	ESTABLISHED	Agent->Server	FIN, PSH, ACK	当没有其它数据要发送的时候， agent 关闭连接
8	FIN_WAIT_1	CLOSE_WAIT	Agent<-Server	ACK
9	FIN_WAIT_2	LAST_ACK	Agent<-Server	FIN, ACK
10	TIME_WAIT	LAST_ACK	Agent->Server	ACK	连接已经完全关闭
11	CLOSED	CLOSED	-	-	最终，两边的状态都为CLOSED

1: tcp连接是通过socket通信的，每个socket都是为唯一的，address:port--address:port
2: 第二行的SYN/ACK如果没有发送，那么第一步的SYN会重新发送。在缺省的timeout设置中，如果丢了这个SYN/ACK过程，连接将会被重置(RST),并且这个获取数据的过程将会失败！
3: 当前的连接是全双工的工作模式
4: PUSH标志表明当前正在传送数据！
7: 没有其它事要做，关闭连接。在接下来的关闭过程中，agent会保留TIME_WAIT状态！请去看下TCP连接的3次握手，和TCP关闭的4次挥手过程。这里并不是正确的连接关闭过程。
8: 带有FIN标志的数据报会被立刻确认，然后zabbix server 立刻知道这个连接已经关闭。
9: zabbix server确认连接关闭的时候，它也会立刻发送一个带FIN的数据包
10: 立刻确认第九步的FIN，到此为止，这个连接就关闭了！
11：passive zabbix agent的连接过程，并没有第十一步的数据报！当第十步中，server端确认连接关闭，并转变状态为closed之后， agent会把TIME_WAIT挂起两分钟。这意味着这个连接在两分钟内是不可重用的。

注意：
使用TCP协议，是为了在不可靠的网络环境中创建可靠的连接！
zabbix并不支持UDP和长连接的方式(persistent connection)

四、解决方式

设置TIME_WAIT的重用

linux服务器，配置内核参数中的 net.ipv4.tcp_tw_recycle

/etc/sysctl.conf 添加下面的3行，然后执行sysctl -p
[root@ns_xxx.xx..161.182 ~]$ tail -4 /etc/sysctl.conf
# tcp连接保持时间为1800秒
net.ipv4.tcp_keepalive_time = 1800
# 回收TIME_WAIT占用的连接
net.ipv4.tcp_tw_recycle = 1
[root@ns_xxx.xx..161.182 ~]$ sysctl -p
net.ipv4.ip_forward = 0
net.ipv4.conf.default.rp_filter = 1
net.ipv4.conf.default.accept_source_route = 0
kernel.sysrq = 0
kernel.core_uses_pid = 1
net.ipv4.tcp_syncookies = 1
kernel.msgmnb = 65536
kernel.msgmax = 65536
kernel.shmmax = 17179869184
kernel.shmall = 4194304
kernel.shmmni = 4096
fs.file-max = 655350
kernel.sem = 250 32000 128 1024
net.ipv4.tcp_keepalive_time = 1800
net.ipv4.tcp_tw_recycle = 1
[root@ns_xxx.xx..161.182 ~]$ netstat  -an |grep -i time|grep 10050|grep -v 5432|wc -l
0
# 现在TIME_WAIT为0个，原先有89个

注意：
关于tcp_tw_recycle:
如果是tcp_tw_recycle被打开了话，会假设对端开启了tcp_timestamps，然后会去比较时间戳，如果时间戳变大了，就可以重用。但是，如果对端是一个NAT网络的话（如：一个公司只用一个IP出公网）或是对端的IP被另一台重用了，这个事就复杂了。建链接的SYN可能就被直接丢掉了（你可能会看到connection
time out的错误