背景

許多小伙伴做網(wǎng)絡編程時，會自然而然的去做應用層的心跳檢測機制，如果問為什么要做心跳檢測，大部分人會說保活，及時發(fā)現(xiàn)連接失效等等。這篇文章會結合TCP協(xié)議原理來分析，使用應用層做心跳檢測的原因和必要性。

沒有應用層心跳檢測時

在沒有應用層心跳檢測時，我們如何發(fā)現(xiàn)對端應用程序崩潰/對端主機崩潰/主機不可達等等異常呢？

假如網(wǎng)絡正常

我們考慮異常時在發(fā)送數(shù)據(jù)包：

• 如果對端程序崩潰還未重啟，會發(fā)送FIN，本端可以立即感知
• 如果對端 程序崩潰/主機崩潰 后已經(jīng)重啟，會發(fā)送RST，本端可以立即感知
• 對端主機崩潰一直未重啟，我們發(fā)送的數(shù)據(jù)包將會TCP超時
• 對端主機不可達，我們發(fā)送的數(shù)據(jù)包將會TCP超時

TCP超時重傳的默認機制是什么呢？

首先明確，超時重傳的原理是在發(fā)送某一個數(shù)據(jù)以后就開啟一個計時器，在一定時間內如果沒有得到發(fā)送的數(shù)據(jù)報的ACK報文，那么就重新發(fā)送數(shù)據(jù)，直到發(fā)送成功為止。

關于超時重傳的時間間隔和重傳次數(shù)，下面這篇博客比較詳細的講解了這個知識點：TCP/IP重傳超時--RTO

總結一下博客中的內容

1. RTO有一個最小值，不同內核中是寫死的，博客中提到的內核版本是200ms，就算RTT是0.5ms也不行的，會用200ms來發(fā)送第二次發(fā)送的數(shù)據(jù)包。
2. TCP內核中可以修改兩個參數(shù)

/proc/sys/net/ipv4/tcp_retries1 (integer; default: 3)
TCP嘗試了3次（tcp_retries1默認3）重傳后，還沒有收到ACK的話，則后續(xù)每次重傳都需要network layer先更新路由。

/proc/sys/net/ipv4/tcp_retries2 (integer; default: 15)
TCP默認最多做15次重傳。根據(jù)RTO(retransmission timeout)不同，最后一次重傳間隔大概是13到30分鐘左右。如果15次重傳都做完了，TCP/IP就會告訴應用層說：“搞不定了，包怎么都傳不過去！”

如果沒有應用層心跳檢測，我們發(fā)送的數(shù)據(jù)包，最差需要依靠TCP超時來判斷對端出現(xiàn)問題，這個超時時間是很長的，在現(xiàn)代的業(yè)務中幾乎無法滿足業(yè)務的需求。

我們考慮只接收對端數(shù)據(jù)包的過程：

• 如果對端程序崩潰，會發(fā)送FIN，本端可以立即感知
• 對端主機崩潰
  • 如果關閉了Tcp的KeepAlive保活機制，那么沒有任何感知；
  • 如果開啟了TCP keep_alive，會通過保活機制，發(fā)送幾個檢測包，要么超時，要么得到RST
• 對端主機不可達，和上面的主機崩潰同理

如果沒有應用層心跳檢測，我們在不發(fā)送，只接受的情況下，最差需要依靠Keep Alive機制的超時或RST來判斷對端出現(xiàn)問題，超時時間為：2小時+75秒* 9次。這個時間在默認參數(shù)設置下也是很長的。另外，這三個參數(shù)也可以修改的：

net.ipv4.tcp_keepalive_time 對應2小時
net.ipv4.tcp_keepalive_intvl 對應75秒
net.ipv4.tcp_keepalve_probes 對應9次

假如網(wǎng)絡異常

假如有網(wǎng)絡異常，但是對方主機和程序都正常

發(fā)送數(shù)據(jù)包時：

• 通過本端TCP超時，發(fā)現(xiàn)網(wǎng)絡異常

接收數(shù)據(jù)包時：

• 通過Keep_Alive機制來探測

有應用層心跳檢測時

通過上面的分析可以得知，對于網(wǎng)絡應用，無論是依賴TCP超時還是Keep Alive，在最差的情況下的超時時間都是不可接受的。所以我們需要在應用層做一個類似的心跳檢測機制，保證可以在任何情況下都可以快速的檢測出異常情況。

那么是否可以只發(fā)一次，在規(guī)定時間內沒收到回復就判定連接異常呢？考慮下面的兩種情況：

• 網(wǎng)絡波動，但是對端主機和服務都正常
• 對端主機正忙于處理其他事務，響應慢了一些

對這兩種情況來說，如果檢測一次，發(fā)現(xiàn)超時就判定連接失效基本屬于誤傷，可以通過多發(fā)送幾次心跳檢測包來規(guī)避上面的誤傷情況。

并且還需要考慮，在多次發(fā)送的心跳包，需要帶序號，對端回復時，也要保證使用這個序號或者序號+1來匹配我們發(fā)出去的心跳包。如果編號對應不上，就不能算作此次檢測成功了。