我有一个从服务器读取大文件并经常挂在特定计算机上的应用程序。它已经在RHEL5.2下成功运行了很长时间。我们最近已升级到RHEL6.1，现在可以正常挂起。

我创建了一个重现问题的测试应用。它可以挂在100中的98次。

#include <errno.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <sys/param.h>
#include <sys/stat.h>
#include <sys/types.h>
#include <unistd.h>
#include <netdb.h>
#include <sys/socket.h>
#include <sys/time.h>

int mFD = 0;

void open_socket()
{
  struct addrinfo hints, *res;
  memset(&hints, 0, sizeof(hints));
  hints.ai_socktype = SOCK_STREAM;
  hints.ai_family = AF_INET;

  if (getaddrinfo("localhost", "60000", &hints, &res) != 0)
  {
    fprintf(stderr, "Exit %d\n", __LINE__);
    exit(1);
  }

  mFD = socket(res->ai_family, res->ai_socktype, res->ai_protocol);

  if (mFD == -1)
  {
    fprintf(stderr, "Exit %d\n", __LINE__);
    exit(1);
  }

  if (connect(mFD, res->ai_addr, res->ai_addrlen) < 0)
  {
    fprintf(stderr, "Exit %d\n", __LINE__);
    exit(1);
  }

  freeaddrinfo(res);
}

void read_message(int size, void* data)
{
  int bytesLeft = size;
  int numRd = 0;

  while (bytesLeft != 0)
  {
    fprintf(stderr, "reading %d bytes\n", bytesLeft);

    /* Replacing MSG_WAITALL with 0 works fine */
    int num = recv(mFD, data, bytesLeft, MSG_WAITALL);

    if (num == 0)
    {
      break;
    }
    else if (num < 0 && errno != EINTR)
    {
      fprintf(stderr, "Exit %d\n", __LINE__);
      exit(1);
    }
    else if (num > 0)
    {
      numRd += num;
      data += num;
      bytesLeft -= num;
      fprintf(stderr, "read %d bytes - remaining = %d\n", num, bytesLeft);
    }
  }

  fprintf(stderr, "read total of %d bytes\n", numRd);
}

int main(int argc, char **argv)
{
  open_socket();

  uint32_t raw_len = atoi(argv[1]);
  char raw[raw_len];

  read_message(raw_len, raw);

  return 0;
}

我的测试中有一些注意事项：

• 如果“ localhost”映射到回送地址127.0.0.1，则该应用程序挂起对recv（）的调用，并且永不返回。
• 如果“ localhost”映射到计算机的ip，从而通过以太网接口路由数据包，则应用程序成功完成。
• 当我遇到挂起时，服务器会发送“ TCP窗口已满”消息，而客户端会以“ TCP ZeroWindow”消息进行响应（请参见图像和附带的tcpdump捕获）。从这一点来看，它永远挂起，服务器发送保持活动状态，而客户端发送ZeroWindow消息。客户端似乎从来没有扩大其窗口，从而允许传输完成。
• 在挂起期间，如果我检查“ netstat -a”的输出，则服务器发送队列中有数据，但是客户端接收队列为空。
• 如果我从recv（）调用中删除了MSG_WAITALL标志，则该应用程序成功完成。
• 挂起问题仅在1台特定计算机上使用回送接口出现。我怀疑这可能与时序依赖性有关。
• 当我减小“文件”的大小时，挂起的可能性降低了

可在以下位置找到测试应用程序的源：

套接字测试源

从Loopback接口捕获的tcpdump可以在以下位置找到：

tcpdump捕获

我通过发出以下命令来重现该问题：

>  gcc socket_test.c -o socket_test
>  perl -e 'for (1..6000000){ print "a" }' | nc -l 60000
>  ./socket_test 6000000

这将看到发送到测试应用程序的6000000字节，该应用程序尝试通过对recv（）的一次调用来读取数据。

我很乐意听到关于我可能做错了什么的任何建议，或任何其他调试问题的方法。