nginx 反代高并发时，偶尔出现 upstream timed out 该怎么排查原因？

[kisshere]

高并发状态下，error_log 偶尔出现：

upstream timed out (110: Connection timed out) while reading response header from upstream

因为是偶尔出现这个 time out, 我自己访问又没有任何问题，所以不知道该怎么排查，是 upstream 服务器请求太多处理不过来？还是反代服务器和 upstream 服务器网络连接有问题，还是反代服务器 nginx 配置问题？

so 上给出的最高赞答案： https://stackoverflow.com/questions/18740635/nginx-upstream-timed-out-110-connection-timed-out-while-reading-response-hea 把 proxy_read_timeout 加大就可以了，感觉完全是治标不治本啊

nginx 能不能设置一个超过 time out 就自动再向 upstream 服务器重新发送请求的功能？

[seers]

proxy_next_upstream 配置看看

[justest123]

以前学 Nginx 的时候收藏的一篇博客[TCP SOCKET 中 backlog 参数的用途是什么？]( https://www.cnxct.com/something-about-phpfpm-s-backlog/)，其中提到过上游服务 backlog 过大的情况下，可能来不及处理，导致 Nginx 超时报 110 （提一个思路，不一定是这个问题

[picone]

首先要理解这个错误，请求分 3 个阶段，连接，写，读，这个错误意思是读的时候超时了。那错误本身就是从 upstream 读取请求结果超时。我认为的排查方向：
- 找到下游服务对应的日志，看看请求处理时间是多少。经验来说这个问题可能性最大，需要下游增加处理请求超时。
- 网络问题，下游返回回包了，上游没接到，看一下网络 IO 是不是打满了，看一下 TCP 重传的指标。
- 超时重试有 proxy_next_upstream ，但是注意幂等请求。https://nginx.org/en/docs/http/ngx_http_proxy_module.html#proxy_next_upstream

[qoo2019]

proxy_next_upstream error timeout http_500;

[julyclyde]

应该是上游处理能力满了
nginx 到上游的连接，在上游的处理能力以外，但还在 backlog 范围内
上游内核会先接受 tcp 连接，等实际服务的程序调用 accept 获得这个链接

[redford42]

可以看一下服务器的 tcp 链接是否有丢弃请求的情况

[zliea]

upstream 用 keepalive 了么？

[zliea]

还需要看是否需要调整后端服务器的连接数。

[facelezz]

@picone 是的 既然都是 reading timeout 那出错的方向 肯定在 nginx 和你的服务上 1.检查 I/O 2.带宽 3.检测丢包情况 4.你的服务偶尔超时 5.proxy_read_timeout 过小（严格上来讲还是属于 4 ） 楼上提到的 proxy_next_upstream 可以让 ng 在这个情况下 重试下一个 upstream 里的节点

经验来说 4 可能性最大，连接数我觉得不需要调整，毕竟是 reading timeout （已经连上了）

[facelezz]

不过 4 的话 你们有 APM 的话 应该很容易发现吧

[lambdaq]

二楼 @justest123 的回答是对的。就是你代码处理不过来排队了，后面的请求一看卧槽排这么长的队就 gg 了。

[lambdaq]

有一个思路是 nginx 请求的时候带上一个头比如 proxy_set_header x-nginx-time $time_iso8601;

然后你在代码接到请求里对比一下，看下别人请求在排队的时候蹲了多长时间。

[facelezz]

@lambdaq 那也不对吧 backlog 过大是 Connection timed out 过小是 Connection refused 题主的报错不是 reading timeout 么

[julyclyde]

@facelezz backlog 过大的话是可以建立连接的
建立连接和 backlog 是内核处理的。user space 的是 accept 从已经建立的连接们取一个回来

[kisshere]

@facelezz 那请问一下，怎么查看当前 Nginx 默认的 proxy_read_timeout 呢？谢谢

[lambdaq]

@facelezz backlog 过大，已经连上的比如有 1000 个，但是都过了 60s 没能得到 accept()，那么 nginx 还是会 upstream timed out 的。

upstream 其实很多时候压根不知道 nginx 已经放弃请求了，还在那里吭哧吭哧挨个处理队列呢。。。

[facelezz]

@julyclyde
@lambdaq
这就超出我知道的知识了，只是感觉 reading timeout 看上去不像是这个问题

@kisshere 默认好像是 60s 可以 Google 下

[julyclyde]

@facelezz reading timeout 就是 exactly 这个问题
如果把 backlog 设小一点，早就失败然后下一个了

[facelezz]

@julyclyde 这样吗 学到了~

[kisshere]

@picone 下游服务对应的 error_log 日志只记录了 host 和 referer 还有请求网址，没有处理时间啊？

[kisshere]

@facelezz 查了下默认超时是 60s ，话说你愿意等待一个网页加载超过 60s 么？大多数人等个三四秒没反应就关闭网页了，这个超时时间加长和没加长又有什么区别。。。

[picone]

@lambdaq 查了一下 nginx 的 backlog 的配置文档：
sets the backlog parameter in the listen() call that limits the maximum length for the queue of pending connections. By default, backlog is set to -1 on FreeBSD, DragonFly BSD, and macOS, and to 511 on other platforms.
这个 backlog 也就是 listen 队列的长度。其实调整这个感觉是治标不治本，相当于更多需要 accept 的连接都没被处理到，如果都 accept 了就是往 upstream 建立更多的连接。upstream 其实是能指定 nginx 放弃请求的，TCP 会 FIN ，对应比如 Go 里面就是 context canceled 。
定位错误的另外一个方法是开启 debug 级别的日志观察一下。

[picone]

@kisshere 下游服务也是 nginx 服务？ 可以查一下下游的 access_log ，如果是对应的请求有 499 的话基本实锤是下游服务的问题了。
感觉你们的日志并没有串起来，建议在最上游的服务搞一个 logid/traceid 之类含义的字段，放 header ，然后全链路都透传这个字段，查日志就能一一对应了。

[lambdaq]

@picone 这里说的不是 nginx 的 backlog 。说的是响应 nginx 请求的 upstream 的 backlog 。

[facelezz]

@kisshere 不是 这个有的公司会配的很短 你如果没配的话 就没必要改

[facelezz]

我感觉这个少了 APM 和日志链 并不好排查 可以按照上面的提示调整下 backlog 或者配置 proxy_next_upstream 来缓解

[dusu]

1. Accesslog 里把 upstream_response_time 写上
2. 自己写个 bash 统计上游平均响应时长
3. ss -s 看看系统连接情况
4. ss -tlnp 看 backlog 占用情况

[kisshere]

@dusu 试了，upstream_response_time 几乎都是在毫秒范围内，出现了极个别“-”值

[julyclyde]

你把 upstream server address 记录下来看看，有些请求可能会有好几个 upstream server address