php-fpm重启导致的程序执行中断问题详解

背景和初步排查

• 订单业务对账时报警了，有笔订单在我们自己的mongo库里没有找到
• 业务接口  /3/xx/vgift/send 调用礼物系统  sendPresent 接口完成送礼， 之后写mongo，但是php error log 里却查不到任何mongo异常日志
• 写mongo没有异常，但是库里却没记录,推断只有2个可能

1是error log 丢日志了
2是程序执行过程中操作完sendPresent后down掉了，导致没写入mongo
-第一个情况工作多年的经验来看应该不至于，那就先根据第二种情况继续查吧

• 那就去看下php-fpm 的日志，看对应的时间点有没有什么异常

[[email protected]~]$ grep "2017 05:28" /var/log/php-fpm.log
[25-Jun-2017 05:28:01] NOTICE: Terminating ...

跟订单时间刚好吻合，那肯定有必要研究下了

熟悉下 php-fpm 的管理

php-fpm 是通过 php-fpm这个命令进行管理的，我们先看下这个命令

man php-fpm

这里有提到，php-fpm then responds to several POSIX signals php-fpm 会对下面几个信号作（自己的）处理

• SIGINT, SIGTERM: immediate termination
• SIGQUIT: graceful stop
• SIGUSR1: re-open log file
• SIGUSR2: graceful reload of all workers + reload of fpm conf/binary

动手验证下

sudo kill -QUIT {php-fpm-pid}

[26-Jun-2017 13:58:22] NOTICE: Finishing ...            
[26-Jun-2017 13:58:22] NOTICE: exiting, bye-bye!

sudo kill -TERM {php-fpm-pid}

[26-Jun-2017 13:59:21] NOTICE: Terminating ...            
[26-Jun-2017 13:59:21] NOTICE: exiting, bye-bye!

sudo kill -USR2 12583

[26-Jun-2017 14:00:48] NOTICE: Reloading in progress ...          
[26-Jun-2017 14:00:48] NOTICE: reloading: execvp("/usr/sbin/php-fpm", {"/usr/sbin/php-fpm", "--daemonize"})    
[26-Jun-2017 14:00:48] NOTICE: using inherited socket fd=8, "10.30.60.87:9000"        
[26-Jun-2017 14:00:48] NOTICE: using inherited socket fd=8, "10.30.60.87:9000"        
[26-Jun-2017 14:00:48] NOTICE: fpm is running, pid 12696          
[26-Jun-2017 14:00:48] NOTICE: ready to handle connections

从验证结果推断

在 05:28:01这个时间有人给php-fpm 发送了SIGTERM信号，在这个点发生很可能是个定时任务， 确认果然是这样 28 5 * * * root /etc/init.d/php-fpm restart> /dev/null

我们的 php-fpm 管理

• init script 是  /etc/init.d/php-fpm
• 其中stop 是  killproc -p ${pidfile} php-fpm, 显然从日志结果来个是kill -TERM  . 文档里也说了默认信号就是TERMkillproc sends signals to all processes that use the spec­ified executable. If no signal name is specified, the signal SIGTERM is sent.

看下这个情况下nginx的反应

总结原因

• 业务请求时执行完 sendPresent这个动作后 ， 还没来得及写mongo库， php-fpm就刚好被 terminate 了，....  刚好赶上了

替代方案

• 虽然php-fpm 没有解释 terminate 跟 graceful stop 的具体含义， 但猜的话前者是直接就终止程序的执行了，后者可能是温柔点，把处理中的请求里的所有操作都执行完再杀死。。。
• 总之 SIGTERM terminate 调php 工作进程太粗暴了，应该要改一下比较好
• 改成 SIGUSER2  reload 方式
• 改成 SIGQUIT方式 ,把killproc -p ${pidfile} php-fpm 这句 改成 killproc -p ${pidfile} php-fpm -QUIT
• php-fpm 的worker 是计数n次后就会杀掉重新拉一个，如果用reload感觉功能重复了,根本没必要定时重启了， 我还是选 graceful stop(SIGQUIT) 吧
• 当然还有个问题时，为啥要配置个定时重启，将上面的内容发给sa看了

与sa 的问答

sa 说了3点意见

• 建议看下 -QUIT 时，Nginx的状态码是否正常？另外在某种情况下，可能会造成 PHP-FPM 进程退出时间比较长，会影响部署吗？
• 用 reload(SIGUSER2) 而不是用SIGTERM停掉再启动.
  我们之前的测试结果看 reload 之后，nginx会报 502，并不 graceful stop。建议做好测试确认，包括部署php代码时是不是 reload？Bug #60961 Graceful Restart (USR2) isn't very graceful
• php-fpm每天定时重启脚本 这个定时脚本大概是在2012年部署的，当时是担心 PHP-FPM 存在内存泄漏的情况而添加的。到现在是不是还适用？建议找一台机器关掉定时脚本观察一段较长时间看看。

我回复

• SIGQUIT 是否正常还不清楚，但现在的默认 SIGTERM 是立即停掉php 进程是肯定不正常的 --  从nginx error log 看，对于nginx 和 php-fpm已经建立好的连接，错误是 “104: Connection reset by peer”； 准备去连的是“111: Connection refused”；
• “111: Connection refused” 是还可以接受的，连不上而已，用户稍后重试就可以；“104: Connection reset by peer” 这个就很难接受，这个错我理解的意思是连接已经建好了，php突然terminate了，然后发了个RST分节给nginx；背后就表示当前请求可能只执行了一半动作，还有动作没执行完，这可能就造成丢数据了。。。比如文章开头说的这个问题
• reload 那个其实就是 -USR2信号，这个bug看起来还没解决。。。不过-USR2 应该说是偶现terminate，但 -TERM 肯定是必现terminate
• 现在代码部署逻辑是同步代码+清理opcache和yac缓存， 不对php-fpm进程做操作
• php-fpm 会自己对worker进程处理的请求数计数，达到一定数量就干掉再重新拉一个； 所以worker进程应该没有什么内存泄露的问题； manager 进程就不清楚了，但我想概率应该是极其低的。这个适不适用感觉很难去证伪啊。。。
• 所以要不找3台机器， 一台用 -QUIT， 一台用 -USR2,  一台去掉这个定时任务；先观察下
• sa 回复可以，我们自己看着办

尾声

改成 SIGQUIT 信号nginx里还是有 104: Connection reset by peer， 看来手册里说SIGQUIT: graceful stop 也不能保证一次请求里的所有动作都执行完啊

最终结果 去掉这个定时重启php-fpm 的任务, 已经3个多月了，没发现问题，oh yeah~

参考文档

• php-fpm signal handler
• php-fpm init script
• killproc man page

总结