【全网首发】一次 Netty 不健壮导致的无限重连分析

这是上一篇文章的姊妹篇，也是由于 OOM 导致不健壮的 Netty 一系列诡异的行为，这次的问题分析会比上次那个更有意思一点。（备注：本文 Netty 版本是上古时代的 3.7.0.Final)

上篇文章见：一次 Netty 代码不健壮导致的大量 CLOSE_WAIT 连接原因分析

现象描述

开发的同学反馈 dubbo 客户端无法调用远程的服务，抓包来看，客户端一直在建连，每次建连成功 3 秒以后就主动断开连接。

这个现象就很奇怪了，默认情况下dubbo消费端对属于同一个provider的不同service只会共享一条tcp连接进行通信，此处就是为了跟 provider 端建立这个连接。

为什么这里三次握手成功以后会断开连接呢？这个现象其实挺诡异的，于是想到用 strace 看一下背后到底发生了什么。

strace -f -T -p 238289 -o strace-new.238289.out

在 strace 中找 connect 相关的调用，根据线程号过滤对应的日志，可以看到发生了哪些系统调用：

一开始就创建一个 socket，将该套接字设置为非阻塞，随后调用 connect 发起建立，因为是非阻塞套接字，connect 这里不阻塞直接返回 -1，随后开始等待 3s，如果 3s 内没有能建立成功，futex 超时退出。

但是这个跟抓包的行为就不一致了，从包上看，duboo 服务端有回复 SYN+ACK，但是 java 应用认为我没有收到，3s 超时。

同时，这里整个 strace 日志中没有看到对应 fd 相关 epoll_ctl 调用，也就是没有人把这个 fd 加入到 epoll 的事件监听中。

正常来说，我们的一个非阻塞的 connect 编程是这样的。（以下代码来自 ChatGPT，错了别赖我）

// 设置 socket 为非阻塞模式
int set_nonblocking(int fd) {
    // 省略
}

// 连接服务器
int connect_to_server(const char *hostname, int port) {
  int sockfd;
  struct sockaddr_in serv_addr;
  struct hostent *server;

  // 创建 socket
  sockfd = socket(AF_INET, SOCK_STREAM, 0);

  // 设置 socket 为非阻塞模式
  set_nonblocking(sockfd)

  // 尝试连接服务器
  if (connect(sockfd, (struct sockaddr *) &serv_addr, sizeof(serv_addr)) < 0) {
    if (errno != EINPROGRESS) { // 非阻塞下会返回这个错误码
      return -1;
    }
  }
  return sockfd;
}

// 使用 epoll 监听 socket 连接的状态
int wait_for_connection(int sockfd) {
  int epfd, nfds;
  struct epoll_event ev, events[1];

  // 创建 epoll 实例
  epfd = epoll_create(1);

  // 将 socket 添加到 epoll 的事件监听集合中
  memset(&ev, 0, sizeof(ev));
  ev.events = EPOLLOUT | EPOLLET;
  ev.data.fd = sockfd;
  if (epoll_ctl(epfd, EPOLL_CTL_ADD, sockfd, &ev) < 0) {
    return -1;
  }

  // 监听事件
  for (;;) {
    nfds = epoll_wait(epfd, events, 1, -1);
    if (nfds == -1) {
      return -1;
    }
    // 检查连接是否成功
    if (events[0].events & EPOLLOUT) {
      return sockfd;
    }
  }
  return -1;
}

int main(int argc, char *argv[]) {
  const char *hostname = "localhost";
  int port = 8080;

  // 创建并连接到服务器
  int sockfd = connect_to_server(hostname, port);
  if (sockfd < 0) {
    return 1;
  }

  // 使用 epoll 监听 socket 连接的状态
  sockfd = wait_for_connection(sockfd);
  if (sockfd < 0) {
    return 1;
  }

  // 连接成功，在这里执行你想要的操作
printf("Connection established!\n");

// 关闭 socket
close(sockfd);

return 0;
}

目前的思路大概就清楚了：没有人调用epoll相关的函数去注册事件，导致内核收到SYN+ACK包以后，没有程序感兴趣去处理。

为什么没有向 epoll 注册事件

上面是建连是 Dubbo 的重连线程来实现的，重连线程的主要作用是检测和管理网络连接的状态，如果发现连接断开或异常，就会尝试重新建立连接。先来看一下重连线程做了什么，重连线程的创建位于 com.alibaba.dubbo.remoting.transport.AbstractClient类中。

Dubbo 内部用 ScheduledThreadPoolExecutor 线程池运行 reconnect 线程。这个重连线程会调用 com.alibaba.dubbo.remoting.transport.netty.NettyClient.doConnect 发起建连。

ClientBootstrap.connect 不会直接为 channel 注册事件，而是生成了一个 RegisterTask 放入了 NioClientBoss 的 taskQueue 中，等待被处理。

通过注入 stack java.util.concurrent.ConcurrentLinkedQueue offer -n 1 就可以发现，确实如此。

如果 RegisterTask 的 run 方法被执行时，才是真正的注册事件。

现在可以推断出 RegisterTask 的 run 没有被调用。

继续看taskqueue是如何消费的，就知道 run 为什么没有被执行了。这个队列是在 org.jboss.netty.channel.socket.nio.AbstractNioSelector#processTaskQueue 中消费的

这个方法是被 org.jboss.netty.channel.socket.nio.AbstractNioSelector#run 调用的，实际是实现类 org.jboss.netty.channel.socket.nio.NioClientBoss，这个类也是一个 runnable，启动后生成一个名为 New I/O boss #N 的线程，内部是一个无限循环消费 taskqueue 以及处理就绪事件。