套接字连接超时因网络而异

Question

我有一个相当有趣的问题。我们有 2 个网络在工作，它们是彼此的物理副本（网络 A 和网络 B）。它们只是在不同的子网上运行。

我正在为我们在网络上相互集群的设备进行一些容错改进。我正在执行的测试案例之一是这些设备在引入错误配置时的行为。例如，假设我有两个具有以下接口配置的设备：

设备 X IP：10.200.234.127 子网掩码：255.255.254.0 默认网关：10.200.234.1

设备 Y IP：10.200.234.127 子网掩码：255.255.254.0 默认网关：10.200.234.1

这 2 台设备通过集群心跳广播相互发现。心跳包含设备的 IP 地址等，这使它们能够相互建立通信。很标准的东西。现在，假设我引入了网络错误配置，使得其中一个设备配置为不同的 sunbet：

设备 X IP：192.168.1.115 子网掩码：255.255.255.0 默认网关：192.168.1.1

这里发生的情况是，两台设备仍然从集群广播中相互了解（它们在同一交换机上物理连接在一起）。但是，正如您所料，它们无法按预期相互通信。但是，当这些设备尝试相互通信时，我看到一些关于连接超时的奇怪行为。例如，如果设备连接在网络 A 上，则连接尝试会在几秒钟内超时，这很好。现在，如果我将两个设备都放在网络 B 上，我会看到完全不同的行为。在网络 B 上，用于在设备之间建立套接字连接的 connect() 调用不会很快失败。相反，它们会陷入这种退避和重传周期，需要 189 秒才能最终放弃（在 3、6、12、24、48 和 96 秒处重传，已通过wireshark 验证）。

所以我想知道的是，为什么 connect() 调用在网络 A 而不是在网络 B 中如此迅速地失败。我尝试使用阻塞套接字和对 connect() 的调用以及非阻塞套接字和调用 connect()，然后调用 select()。在这两种情况下，我都无法让连接在 189 秒内放弃。我知道我可以在调用中施加更短的超时来选择并更快地放弃，但这不是重点。我正在尝试了解导致此问题的这 2 个网络上可能存在的差异。

Answer 1

也许您应该提供更多地址？目前尚不清楚这些 IP 是什么。

我的猜测是：

• 在缓慢的情况下，您会遇到 ARP 故障（没有响应，因为目标的网络掩码不正确）
• 在快速情况下，您会遇到路由故障。如果主机的网络掩码不正确，它甚至不会尝试 ARP。

请尝试 strace 阻塞套接字，错误代码应该不同。