长连接无故断开的常见原因

在IDC机房或云服务器环境中，TCP长连接被无故断开是常见问题。除网络设备NAT超时、防火墙策略外，Linux内核默认的TCP Keepalive参数过于保守也是重要因素。系统默认keepalive探测周期长达7200秒（2小时），且连续探测失败9次才判定连接失效，总耗时约2小时11分钟。当连接空闲时间超过中间设备（如负载均衡、NAT网关）的会话超时时间时，中间设备会静默丢弃连接表项，导致后续数据报文无响应，表现为连接被无故断开。

核心参数说明

Linux TCP Keepalive相关参数位于/proc/sys/net/ipv4/目录，可通过sysctl命令查看和修改：

• tcp_keepalive_time：连接空闲多少秒后开始发送探测报文，默认7200秒。
• tcp_keepalive_intvl：每次探测报文的间隔秒数，默认75秒。
• tcp_keepalive_probes：连续探测失败多少次后判定连接断开，默认9次。

优化方案（以内网/跨机房业务为例）

根据常见网络设备会话超时（通常为300~600秒）和业务心跳需求，建议将参数调整为：

1. tcp_keepalive_time设为600（10分钟空闲即开始探测）
2. tcp_keepalive_intvl设为30（每30秒探测一次）
3. tcp_keepalive_probes设为3（连续3次失败即断开）

执行以下命令临时生效：

sysctl -w net.ipv4.tcp_keepalive_time=600
sysctl -w net.ipv4.tcp_keepalive_intvl=30
sysctl -w net.ipv4.tcp_keepalive_probes=3

若要永久生效，将上述配置写入/etc/sysctl.conf，然后执行sysctl -p加载。

应用层配合与注意事项

• Keepalive仅保证TCP连接在网络层面的存活，业务应用仍需设计应用层心跳以快速发现对端异常。
• 减小keepalive_time会增加系统对空闲连接的探测频率，对高并发连接数（如数十万以上）会带来一定CPU和网络开销，需根据业务实际权衡。
• 若业务处于NAT或负载均衡后端，需确保所有中间设备的会话超时时间大于tcp_keepalive_time，否则仍会出现断连。

验证效果

优化后可通过ss -o state established查看连接，输出中会显示timer字段，例如timer:(keepalive,2.000,0)，表示该连接已启用keepalive计时器。使用抓包工具（tcpdump）可观察到空闲期间定时发出的TCP Keep-Alive报文（ACK包，带有载荷或seq=最后一个字节序号）。若连接因Keepalive探测失败而断开，系统日志中可能记录相关报错。建议上线前在测试环境验证参数调整对现有业务的影响。