AWS 服务报 502 错误排查结果

亦凉 2022-11-29 03:09 210阅读 0赞

如下是8月18日 `aws`网关系统报错 `502 Bad GateWay` 问题定位、追踪、方案确认等：

## 一、现象： ##

周 6 下午 1 点 25 分左右系统报警 5xx 错误；

## 二、定位：排查过程 ##

*  查看ELB日志确认错误来源于（商户API：查询支付结果及创建跨境支付单）；
 *  查询Pinpoint、Grafana及日志系统各项指标正常；

## 三、跟踪及分析： ##

查看ELB监控面板发现，502错误一直都存在，分布比较零散（大概的发生概率：万分之一（一万个请求约1次502错误)\]）；

*  确认调用链路确认错误区域：商户 —> ELB —> 业务系统；通过ELB日志发现，商户 —> ELB链路正常，ELB到业务系统链路不正常。可参考：[Troubleshoot Elastic Load Balancer HTTP 502 Bad Gateway Errors][] ，大致猜测可能请求还没有达到业务系统就已经502了（因此业务系统各项监控指标正常）
 *  验证猜想：ELB的TCP连接空闲存活时间60秒，业务系统Tomcat配置默认20秒，因此可能发生在极端的情况，业务系统关闭连接时，ELB刚好使用该连接，然后连接已关闭，ELB认为业务系统出现错误，包装错误：502 返回给调用方。
 *  实验组验证：（验证环境压测环境）
    
    > 第一组：ELB 60秒配置，Tomcat 存活时间配置1毫秒，200个并发请求，发现ELB监控502错误；  
    > 第二组：ELB 60秒配置，Tomcat 存活时间配置70秒，200个并发请求，未发现ELB监控502错误；

该验证过程，确认了因为配置的原因导致了此次的502问题，进一步验证是否TCP连接在这种情况下关闭；通过抓取TCP包，发现的确关闭了连接，因此基本可以确认，是由于该问题导致。

## 四、结论及方案： ##

> 结论：502 Bad GateWay 基于AWS ELB的环境部署下，有两种错误可能性：

*  配置问题（本次502报警问题）：在Tomcat KeepAliveTimeOut的时间 < ELB的KeepAliveTimeOut时间，导致极端情况下的连接不可用，ELB 返回502错误码； 解决方案，确保：Tomcat KeepAlive的时间 >= ELB的KeepAlive时间，理论上可彻底消除。
 *  服务不可用或错误：常规的502问题是主要因为服务此刻存在问题导致，此类502无法一次性解决，因为每次发生的情况都可能不一致，并且此类问题，会引起业务监控指标异常，属于长期观察及逐case解决的，能做到的是预防和监控。

> 将发布收单服务，修改 `Tomcat` 的 `KeepAliveTimeOut` 参数为 `70` 秒，解决此次502的问题。

通过修改 Spring Boot 容器工厂 `EmbeddedServletContainerFactory` 来修改 `Tomcat` 的 `KeepAliveTimeOut` 参数。

> TomcatConnectorConfig.java

@Configuration
    @Slf4j
    public class TomcatConnectorConfig {
    
        @Value("${tomcat.keep.alive.timeout:7000}")
        private int tomcatKeepAliveTimeout;
    
        @Bean
        public EmbeddedServletContainerFactory createEmbeddedServletContainerFactory() {
            TomcatEmbeddedServletContainerFactory tomcatFactory = new TomcatEmbeddedServletContainerFactory();
            tomcatFactory.addConnectorCustomizers(connector -> {
                ProtocolHandler protocolHandler = connector.getProtocolHandler();
                if (protocolHandler instanceof Http11NioProtocol) {
                    Http11NioProtocol protocol = Http11NioProtocol.class.cast(protocolHandler);
                    log.info("TomcatConnectorConfig.customize setKeepAliveTimeout begin");
                    protocol.setKeepAliveTimeout(tomcatKeepAliveTimeout);
                    log.info("TomcatConnectorConfig.customize setKeepAliveTimeout end");
                }
            });
            return tomcatFactory;
        }
    
    }

[Troubleshoot Elastic Load Balancer HTTP 502 Bad Gateway Errors]: https://medium.com/swlh/troubleshoot-elastic-load-balancer-http-502-bad-gateway-errors-28a32d4e0acb