2014.06.19.001---故障报告

一、事故描述：

    在19：21收到警报，显示IIS/Router服务器的D盘空间即将负荷。

二、事故处理过程：

1.  登录服务器查看后，发现router的日志很大，有超过100G，导致无法打开，   决定，先重启router服务，删除日志。

2.  重启完毕router后，日志又出现了猛刷的情况，进入查看，显示

    2014-06-19T20:08:25.170+0800[conn8956] end connection 10.4.1.101:7389(100 connections now open)

    2014-06-19T20:08:25.170+0800[mongosMain] connection accepted from    10.4.1.101:7390#8957 (101 connections now open)

    2014-06-19T20:08:25.170+0800[conn8957]  authenticate db: minger   { authenticate: 1, user: "client",nonce: "xxx", key: "xxx" }

    2014-06-19T20:08:25.170+0800[conn8957] end connection 10.4.1.101:7390(100 connections now open)

    2014-06-19T20:08:25.170+0800[mongosMain] connection accepted from    10.4.1.101:7391#8958 (101 connections now open)

    2014-06-19T20:08:25.170+0800[conn8958]  authenticate db: minger   { authenticate: 1, user: "client",nonce: "xxx", key: "xxx" }

    2014-06-19T20:08:25.170+0800[conn8958] end connection 10.4.1.101:7391(100 connections now open)

    2014-06-19T20:08:25.170+0800[mongosMain] connection accepted from    10.4.1.101:7392#8959 (101 connections now open)

    2014-06-19T20:08:25.170+0800[conn8959]  authenticate db: minger   { authenticate: 1, user: "client",nonce: "xxx", key: "xxx" }

    2014-06-19T20:08:25.170+0800[conn8959] end connection 10.4.1.101:7392(100 connections now open)

    2014-06-19T20:08:25.186+0800[mongosMain] connection accepted from    10.4.1.101:7393#8960 (101 connections now open)

    2014-06-19T20:08:25.186+0800[conn8960]  authenticate db: minger   { authenticate: 1, user: "client",nonce: "xxx", key: "xxx" }

3.  这个问题在阿里也一度遇到过，是由于阿里云的物理机的设置导致tcp请求 上不去，而出现这种情况。

4.  将IIS的tcp pool关闭，mongodb的pool关闭。随机日志不再狂刷。

三、分析原因：

    Mongodb 驱动程序采用的连接池的方式连接到数据库，目前从观察到的情况是应用一开启便根据变量的设置，建立全部连接，然后提供给程序使用，并且一旦其中某个连接到数据库的访问失败，则会清空整个连接池到这台数据库的连接，并重新建立连接。 
    而mongodb对中断连接的垃圾清理工作则是懒惰的被动清理方式，如果驱动程序端配 置的连接数过大，一旦发生重连，则会导致mongo端堆积大量的垃圾连接数据，导致主机资源耗尽。 

windows服务器，timewaitdelay  最小值是30秒，而mongodb pool size 设为2000

也就是说，如果2000个连接里有一个因为网络关系断开了，就要重新建立新的2000个连接，之前的2000个因为timewaitdelay的原因，暂时还不能释放，如果在30秒内，因为网络原因，重复建立连，接导致将60000个端口都用尽了。就会报错

但是既然耗尽了，为什么日志中显示一直有100个连接保持着呢？

对此，老大给出了一条很重要的信息，C#中，关于连接池的代码中，设定最小值为100。对此我做出的猜想是，是否这100个链接用的是系统的1024个端口中的100个？导致timewaitdelay不会涉及到这100个链接呢？尚待考证。

四、改进措施

1.  调整
MaxUserPort = 65534
MaxHashTableSize = 65536 
MaxFreeTcbs = 16000
TcpNumConnections = 16777214

2.  将minpoolsize设为200，进行观察。

2014年06月20号