在实战中使用nginx-rtmp遇到的TCP连接问题分析

背景

前段时间公司做了一次体育赛事的现场直播，网络由某通信公司负责搭建，主要测试5G CPE上行网络的带宽和稳定性，为了做到万无一失，他们同时搭建了一条用作备份的400M光纤线路。通过配置交换机来做到主备切换，要达到以下的效果：

无线链路down掉，交换机自动检测到丢包，丢包到指定数量（可以在交换机中配置），自动切换到备用链路。
无线链接恢复，备用链路切换回无线链路。

我们采用nginx-rtmp搭建了2层CDN。

测试

推流端推送RTMP流会向nginx-rtmp发送请求建立TCP链接，推流过程中，把交换机上的无线链路网线拔掉。自动切换到光纤线路，推流端重连后依然不能够成功建立链接，推流软件卡死。

server端的TCP链接一直存在：

root@iz2zehy7gff0ksipgb4ch3z /u/l/nginx# netstat -natp | grep "1936"

tcp        0      0 0.0.0.0:1936            0.0.0.0:*               LISTEN      9467/nginx: master

tcp        0      0 192.168.199.6:1936      223.71.3.82:46012       ESTABLISHED 11177/nginx: worker

nginx 报错了：

2019/05/20 15:44:58 [error] 6947#0: *286 live: already publishing, client: 223.71.3.82, server: 0.0.0.0:1936

此时

就是因为无线链接断开时，TCP链接不能够被正常关闭，publisher会一直存在导致的。

复习一下四次挥手：

我们知道TCP连接有一个特性：

TCP 连接一旦建立，只要通信双方之间的中间结点（包括网关和交换机、路由器等网络设备）工作正常，那么在通信双方中的任何一方主动关闭连接之前，TCP 连接都将被一直保持下去。TCP 连接的这种特性，使得一个长期不交换任何信息的空闲连接可以长期保持数小时、数天甚至数月。中间路由器可以崩溃、重启，网线可以被挂断再连通，只要两端的主机没有被重启，TCP 连接就可以被一直保持下来。

可以看到，网线虽然断掉了，但是server端没有收到client的任何消息，server端不会主动发起挥手，因此连接会一直维持很长一段时间（我的测试机器上大概数小时）。链接断开后server端一直在发送PSH+ACK:

如何才能实现快速重连

为源站加load balance

加一个备源和一个调度服务，调度策略采取轮询，两次连续的TCP连接请求会被定向到不同的源站上面。这个方法治标不治本，切一次可以，如果无线链路恢复，再切回来的时候，可能TCP链接还没有关闭。

添加drop_idle_publisher

Syntax: drop_idle_publisher timeout

Context: rtmp, server, application

Drop publisher connection which has been idle (no audio/video data) within specified time. Default is off. Note this only works when connection is in publish mode (after sending publish command).

drop_idle_publisher 10s;

nginx-rtmp会在指定的时间内丢弃空闲的publisher：

root@iz2zehy7gff0ksipgb4ch3z /u/l/n/logs# netstat -natp | grep "1936"

tcp        0      0 0.0.0.0:1936            0.0.0.0:*               LISTEN      11421/nginx: master

tcp        0      0 192.168.199.6:1936      61.148.243.150:9338     ESTABLISHED 12923/nginx: worker

tcp        0      1 192.168.199.6:1936      223.71.3.82:47240       FIN_WAIT1   -

我们将drop_idle_publisher设置为2s,抓包可见这次是server端在2s后探测到这个TCP连接处于空闲状态，主动发起了挥手消息，此时publisher就被释放掉了，再次推流会重新建立新的TCP，重新生成此publisher。

上图是链路断掉后，TCP链接完全断开前server端向client发送的数据包，可以看到一直在发送FIN+最后一个数据包的ACK，时间间隔大概为 0.2秒->0.4秒->0.8秒->1.6秒->3.2秒->6.4秒->12.8秒->25.6秒

这种方法是可行的。

so_keepalive

listen

syntax: listen (addr[:port]|port|unix:path) [bind] [ipv6only=on|off] [so_keepalive=on|off|keepidle:keepintvl:keepcnt|proxy_protocol]

context: server

Adds listening socket to NGINX for accepting RTMP connections

关于TCP探活机制的几个参数的说明：

keepcnt 关闭一个非活跃连接之前进行探测的最大次数t
keepidle 对一个连接进行有效性探测之前运行的最大非活跃时间间隔
keepintvl 两个探测的时间间隔

设置如下参数：

listen 1936 so_keepalive=5s:2:2;

可以看到，最后一个ACK没有回复后隔了5秒开始TCP keep-alive 探活，总共两次，间隔2秒，最后发送RST+ACK断开了TCP连接。

参考

nginx-rtmp-module wiki

TCP 连接断连问题剖析