网站建设社会实践成果/安徽建站
"too many open files"意味着当前进程用完了所有的文件描述符。本文简要描述如何处理这种问题。
一切皆文件
在Linux系统中，一切皆文件。普通文件、目录、设备以及socket都是当作文件来对待。Linux在所有这些类型的文件系统上面封装了一层虚拟文件系统(VFS)，从而为上层应用提供了统一的编程接口。这里推荐一篇讲得比较好的入门级别文章：
https://ops.tips/blog/what-is-slash-proc/
下面这个图片也是来自上面这篇文章。vfs_read会将上层的read请求翻译成相应的底层文件系统的请求。
现在的应用程序一般都是分布式运行，相互通过网络通信。所以一般遇到“too many open files”问题都是与socket相关。本文也主要是围绕socket来描述。
文件描述符泄漏or设计缺陷？
一旦发生"too many open files"，一般有两种可能，要么是代码有BUG，导致socket泄漏，要么是有设计缺陷。
如果遇到突发流量，导致socket激增，但是当流量减弱或消失后，socket数量能逐渐回归到正常。那就说明没有socket泄漏。这时往往是设计问题，由于没有相应的熔断限流措施，以及没有设置合理的最大文件描述符数。
如果当流量减弱后，socket数量还是居高不下，那就说明有泄漏，就需要排查代码问题。
定位工具
一般来说，定位这类问题，有三种常用的方法或者工具。
/proc//fd
第一种方式是直接查看"/proc//fd"这个目录中的文件。其中是要查看的进程的ID，例如下面就是进程29716打开的所有文件，
用下列命令就可以快速统计进程打开的文件描述符的总数(注意：要刨去第一行:))，
ls -lrt /proc/29716/fd | wc -l如果是进程在代码中查看自己占用的文件描述符时，则可以直接访问/proc/self/fd这个目录，因为/proc/self其实就是指向/proc/的一个链接。Golang代码如下，
fds, err := ioutil.ReadDir("/proc/self/fd")lsof
使用"lsof -p "也可以查询某个进程占用的所有文件描述符。例如下面就是查询进程29716打开的所有文件描述符。lsof显示的信息比/proc//fd更全一点，而且条目稍多，因为它将进程所在的目录以及加载的动态库也算在内。但是最终系统报"too many open files"时，是以/proc//fd中所包含的条目为准。
netstat
netstat可以很方便的查看本机的网络连接情况。例如下面的截图就是执行如下命令的输出。如果要查看某个进程的连接信息，可以根据pid过滤。
netstat -nap | grep tcp
TCP状态机
分析socket问题，一定要会看TCP状态机，要清楚各个状态分别代表什么含义，以及相互之间如何转化。下图来自google搜索。
首先，一定要明白TCP是双工的，当一方关闭连接，只表示它没有数据要发送了，但是它还可以接受数据。只有双方都关闭了连接，才算最终关闭了连接。
在上面众多的状态中，CLOSE_WAIT这个状态需要重点关注。其含义是对方已经关闭了TCP连接，但自己这方还没有关闭连接。如果不是故意这么设计或实现，往往意味着代码中有BUG，没有及时关闭连接。如果由于处于CLOSE_WAIT状态的socket过多，导致“too many open files”，那八成就是代码中在需要调用close关闭连接的地方遗漏了。
另外，TIME_WAIT是一种正常的状态。当双方都关闭了连接，主动关闭的一方最后会进入TIME_WAIT状态，等待2MSL的时间之后，就会自动变成CLOSED状态。其目的是确保对方能收到最后一个ACK包，以及等待网络中延迟的各种包消失。
如果看到很多SYNC_WAIT，那说明对方网络不通，和对方的连接无法建立。
getrlimit & setrlimit
如果需要，可以设置更大的文件描述符数量。可以通过ulimit命令，或者系统调用setrlimit来设置。ulimit是一个shell命令，它设置shell以及通过shell启动的进程的资源限制，它最后也是调用setrlimit。这里推荐一篇很简单实用的文章：
https://www.robustperception.io/dealing-with-too-many-open-files
获取或设置当前进程的资源限制，可以使用系统调用getrlimit和setrlimit，
#include #include int getrlimit(int resource, struct rlimit *rlim);int setrlimit(int resource, const struct rlimit *rlim);Golang中对应的系统调用定义在syscall包中，不过从go1.4之后，应用使用golang.org/x/sys中的包。
func Getrlimit(resource int, rlim *Rlimit) (err error)func Setrlimit(resource int, rlim *Rlimit) (err error)这里一定要分清soft limit和hard limit。首先, soft limit肯定小于或等于hard limit。对于某个进程来说，起作用的是soft limit。如果不是特权用户，只能调整soft limit，最大可以调成与hard limit一样大。对于特权用户，可以同时修改soft limti和hard limit，但同样soft limit不能超过hard limit。例如Golang中，Getrlimit返回的结构体中，Cur对应的是soft limit，而Max则是hard limit。
type Rlimit struct { Cur uint64 Max uint64}一般来说，在linux系统中，soft limit和hard limit默认分别是1024和4096。
etcd的做法
etcd有一个goroutine来监控文件描述符的使用情况，代码如下，
// https://github.com/etcd-io/etcd/blob/master/etcdserver/metrics.go#L201func monitorFileDescriptor(lg *zap.Logger, done ticker := time.NewTicker(10 * time.Minute) defer ticker.Stop() for { used, err := runtime.FDUsage() if err != nil { lg.Warn("failed to get file descriptor usage", zap.Error(err)) return } fdUsed.Set(float64(used)) limit, err := runtime.FDLimit() if err != nil { lg.Warn("failed to get file descriptor limit", zap.Error(err)) return } fdLimit.Set(float64(limit)) if used >= limit/5*4 { lg.Warn("80% of file descriptors are used", zap.Uint64("used", used), zap.Uint64("limit", limit)) } select { case C: case done: return } }}从上面的代码中，不难看出，通过两个metrics (fdUsed和fdLimit) 与普罗米修斯(prometheus)做了集成。
上面代码中的，FDLimit和FDUsage的实现如下。其中FDUsage就是通过目录"/proc/self/fd"来统计当前进程打开的文件描述符总数的。而FDLimit是利用了系统调用Getrlimit。
func FDLimit() (uint64, error) { var rlimit syscall.Rlimit if err := syscall.Getrlimit(syscall.RLIMIT_NOFILE, &rlimit); err != nil { return 0, err } return rlimit.Cur, nil}func FDUsage() (uint64, error) { return countFiles("/proc/self/fd")}正确使用Golang中Transport
在Golang中，客户端通过http访问服务器时，会使用到http.Transport。这里要注意一点，Transport维护了一个连接池。所以在实际使用中，不要为每一个HTTP请求创建一个新的Transport。正确的做法是只创建一个http.Client和http.Transport，以后每个http请求都使用同一个client。具体参考下面这个issue，
https://github.com/golang/go/issues/24719--END--
相关文章
Prometheus + Grafana构建云时代的monitoring解决方案