如何判断Socket已经关闭

引子

　　前段时间我们的服务由于一台交换机网络出现故障，导致数据库连接不上，但是在数据库的连接超时参数设置不合理，connect timeout设置的过长，导致接口耗时增加。DB连接超时后线程未正常结束，上游请求又持续进来，最终耗光了Java线程，JVM进入持续GC状态，无法恢复，直到手工重启才恢复服务。

　　于是在服务的保护方面新增了两个措施，第一，调小服务端workThread的最大线程数。第二，在Server端设置Accept后Socket的readTimeout时间，当Socket调用read方法后在一定时间内读不到数据的时候会自动关闭socket。

　　说了这么多背景，但是本篇描述的不是这两个问题，而是我们上线了保护措施后遇到的奇怪的问题。

　　我们上线了这两个保护措施后，上游调用方向我们报异常，说请求总是返回错误，表现的情形为Socket的InputStream的read方法返回-1。

　　对方一口咬定是我们的问题，因为发送已经成功了，发送时候没有报任何异常，然而读消息的时候就返回-1了。

　　猜测应该是复用了已超时的连接所导致的，询问了一下，发现对方果然使用了连接池，而且这条业务线请求量比较小，所以极有可能是连接池中的socket其实已经在服务端被超时关闭了，所以调用服务的时候会发生异常，可是为什么发送的时候不会报错呢？而是在读结果的时候发现连接关闭了呢？

Flush？

　　首先很容易想到的是有一个时间差。对方正在发送的时候，socket并还没有被关闭，但是这些发送的内容在网络传输过程中的时候，服务端这边把socket给关闭了，所以出现了上文所描述的问题。对于rpc调用来说，一旦涉及到网络的，都可以认为时间间隔是完全随机的值，这种情形也是能解释得通。

　　但是，上游反馈这个异常非常的多，而且所有的都是同一个异常，读操作时候报错，连接已关闭。如果是上文中的情形才出现，那么首先这种错误应该比较少，而且绝大多数应该都是写出错，而不是读出错。

    socket.getOutputStream.flush()返回成功到底是一个什么样的行为？

　　于是写的小程序进行测试，逻辑很简单，Server端accept后立即关闭socket，而client端则是连上1s后发送消息。

　　在flush()成功返回后立即记录下System.currentTimeMillis()，同时使用ngrep进行抓包，分析TCP层面数据发送和接受的时间。

　　当时显示的时间的11:46:52.154 flush返回成功，建议测试的时候使用两台间隔远一点的机器来测试，我当时在本机上测试的，抓到一条这个跨ms的记录还费了好大一番功夫。

　　其实java的socket的outputstream在进行flush的时候，是不需要block到直到ACK到达才返回成功，或者说RST到达返回失败的。

　　只是简单地把数据交给TCP/IP层后就直接返回success了，也有可能是TCP层返回PUSH成功后在返回success。

　　但是可以肯定的是，success的时间在PUSH之后，在收到ACK之前。目前还不知道怎么把nanoseconds转化成DateTime的形式，不然就可以更加明确地确认，这个返回success是在TCP层面PUSH之前还是TCP层面PUSH之后。

　　无论是将Socket的setTcpNoDelay设置成true或false，都是一样的表现，outputStream.flush()收到ACP/RST之前就已经成功返回success了。

　　所以说，当一个Socket已经被remote方close后，执行write方法却返回success是一个正常的行为，而且从Stack Overflow的问答如何判断一个socket已经关闭。可以了解到其实在java层面，一个socket如何确认自己的连接状态是好的，还是已经不可用了，没有一个好的方法。唯一有用的方法就是执行read操作或者是一个write操作，在连接已经断开的情况下，read会返回-1或者是Connection Reset，write会抛出Broken PipeLine。

　　但是对于一个尚且活着的socket调用read方法，会导致线程阻塞，这个验证方法基本不可取。

　　做了一些测试，查看这些字段的值，isConnected、isClosed、isInputShutdown、isOutputShutdown，都是徒劳。

继续测试

　　但是之前描述过，flush操作返回值是不靠谱的。所以在对一个已经被remote端close的socket，进行read or write操作返回结果的情形还不是像上文描述的这么简单。其实此socket处于CLOSE_WAIT状态。

　　方便说明的话，假设W是写操作，R是读操作，统计一下依次做如下操作的结果。

　　测试的过程，本机启动一个server，accept之后立即关闭。本机client连接server后，先sleep 1 s，之后做接下来的工作。

　　不同操作顺序的结果如下

操作	结果
W	success
R	connection reset
W	broken pipeline

操作	结果
R	-1
W	success
W	broken pipeline

操作	结果
R * N	-1
W	success
W	broken pipeline

　　所以说，其实读其实也根本没有对write操作产生影响，只有W的操作，才会真正地触发这个socket去看看自身的状态到底是什么。

　　而读这个操作，读一个关闭后的socket，会返回-1，但是不会对下一次的R或W操作的结果产生影响，也就是说，不会去更新本地是socket的状态。

　　后来才发现，其实是因为这个Socket处于CLOSE_WAIT状态，进行了FLUSH操作后，会收到一个RST的包，Socket在收到RST后会立即关闭此Socket，不会进行所谓的LAST_ACK和TIME_WAIT状态。

　　直到这里，还是没有复现之前说过的那个问题。

操作	结果
W	success
R	-1

　　仔细想一想，既然Write操作是不等待ACK之后就立即返回的，所以说明这个更新Socket状态的动作是异步做的，异步的动作肯定是有时间差的。

　　所以说，没有复现R返回-1的情形有可能是因为之前的操作都是在本机在测试，网络的处理很快，PUSH后立马就收到了RST，所以导致R的操作就抛出Connection Reset的异常。

　　于是，将Server放在另一台远一点的机器，延迟1ms左右，于是就复现了刚才的问题。当然，有趣的是，上文图中的那些情况，都不成立了，出现了这种情况：

操作	结果
W	success
R	-1
W	success

　　是不是意味着之前的所有结论都是错的？当然没关系，因为第一次的情形都是出于网络基本无延迟的情况下。

　　其实这些结果是程序严格按顺序执行时的结果，编程理想情况下的结果。其实这就是我们真实想要的，所有步骤都顺序执行的结果。

　　所以说，真实确认这个socket关闭不可用的结论，其实是在收到RST之后异步处理的。

　　现在我们回到图1去仔细看看，从网络抓包情况来看，即使是在收到RST后，还是有W返回success的情况，因为从TCP层面收到RST后，到应用层对socket的内存内容进行一些修改，还是需要一定时间的。

四次挥手？

　　之所以会出现这么些问题，都是因为处于中间状态所导致，Server端的socket处于FIN_WAIT2状态，而Client端的Socket处于CLOST_WAIT状态，并没有走到一个完全关闭的终态。

　　在上面的测试用例中，我把client端的等待时间改成了120S，用netstat命名查询，这两个Socket还是处于两个状态，更长的时间并没有进行测试。

　　在TCP/IP Vol1 18章中描述到“许多伯克利的实现会在空闲10分钟75秒的情况下关闭处于FIN_WAIT2状态的Socket”，Client端会如何表现，目前我没测试，等哪天有心情了测试一下

　　TCP/IP协议的四次挥手流程图在这就不赘述了，感觉被课本骗了，说好的四次挥手呢，为什么总是进行到一半就不动了呢？

　　什么情况下会正常地走完这个流程？

1、Client的socket也主动调用close方法。

2、Client程序在CLOSE_WAIT状态下终止了，四次握手会立即就完成，操作系统层面做了这个FIN包的发送工作。

3、如果Client程序如果没有结束，也不主动发FIN包，会停留在此状态，直至被操作系统回收。

　　这从另外一方面也验证了为什么一定得主动关闭连接，既是帮助别人也是帮助自己。

　　即使是Server已经把你的连接关闭了，你这边也会一直停留在CLOSE_WAIT状态，Server端会停留在FIN_WAIT_2状态。

　　这两个状态是否会进入完全关闭的状态，以及进入完全关闭的状态所需的时间，由操作系统来决定，也就是说，和操作系统的实现有关。

小现象

　　1、在我的操作系统，OS X EI Capitan 10.11.5 (15F34)情况下，FIN_WAIT_2自动关闭的时间符合10分钟75秒这个描述，精确时间我也没统计到，差距1分钟内。已经30分钟过去了，Client端的Socket还傻傻停留在CLOST_WAIT状态，我也不知道啥时候它会完全关闭。

　　2、OSX作为Server服务的时候，无论是TCP连接建立的时候，还是TCP关闭的时候，都会重发一个ACK，linux下不存在这样的问题。

参考文档

java-socket-api-how-to-tell-if-a-connection-has-been-closed

TCP/IP Illustrated Volume 1: The Protocols

后记

　　后续看到有可以通过sendUrgentData()来实现发送urgent data，既实现写探活，同时数据还会被对端忽略，不进入业务层。但是也不能达到实时性的效果，也是会在第一次成功，收到RST后才失败。

所以还是觉得NIO的项目好，比如netty的channel，可以直接收到INACTIVE和UNREGISTERED事件。