【TCP server检测通信中断】

tcp 保活

        最近遇到一个tcp保活的问题，发现61850协议server端在网线断掉后，server无法检测到断开，而且更严重的问题是，一些任务还在持续向该tcp发送报文，例如report等，导致众多任务卡住，一些正常的响应都无法进行了。

        遇到这个问题问题，首先想到的是这个tcp的socket不是non-block的，所以会阻塞住各个任务，查了一些socket 设置确实没有，于是把non-block设置上，卡住各任务的情况就没有了，但是server端还是检测不到网线的断开。

        于是在网上查了很多资料，基本上最终的结论就是tcp keepalive方式+TCP_USER_TIMEOUT选项，该选项在一定内核版本后支持，但是现在一般的设备都是比较新的内核了，肯定是支持的。

        之前一直没有想到的是keepalive方式是用在tcp空闲的时候，只有没有数据的时候才会启动keepalive方式，也就是client和server两端，只要有一端发keepalilve，在检测时间内有数据，另外一端实际上是不会发的，在我们这个例子上，是一直在发送report报文的，所以keepalive这种机制不生效

        于是研究了TCP_USER_TIMEOUT选项，网上的资料上这个方法应该是生效的，于是看了内核代码，研究了一下TCP的定时器，在内核代码中三个定时器（tcp_keepalive_timer/tcp_retransmit_ timer/tcp_probe_timer）中都有对socket的isck_user_timeout变量的判断，并且在tcp_keepalive_timer函数中即使keepalive到期了，还是要判断isck_user_timeout是否到期，才能生效，所以从代码的角度来说应该是没有问题的，于是我在内核里面也加了打印，发现该走的判断没有走到，所以设置后还是不生效，所以从而怀疑设置错了。

本来认为就是一个socket的选项设置不应该出问题，后来加了打印，发现确实设置错误了，返回了错误码，根据错误码以及kernel的打印，才发现TCP_USER_TIMEOUT这个选项的值被61850的开源代码给重定义了，可能是为了在windows 操作系统使用，到了linux下就不能用了，把重定义去掉就好了，server就能在设置的tcp_user_timeout时间检测到断开了，但是由于tcp定时器机制比较复杂，各种情况下，实际断开的时间和设置的值在某些情况下还是有一些小差异的。哎，大意了。。。。

        这么多年开发一直的毛病，重点都是在研究原理，分析代码，但是总是出现一些小错误，导致研究了一大堆，发现是一个小错误导致的，也正是因为这个毛病，导致自己看的代码越来越多，技术也就会越来越好了，原谅自己，保持好心态，才是解决技术问题的关键。