K8s上NestJS应用间TCP通信间歇性ECONNRESET错误排查问询

1. 验证TCP保活配置 #

• 检查Pod内的TCP保活参数：进入A或B的Pod，执行 sysctl net.ipv4.tcp_keepalive_time net.ipv4.tcp_keepalive_intvl net.ipv4.tcp_keepalive_probes，默认参数通常为7200秒（2小时）、75秒、9次，若连接空闲时间超过阈值，会被底层网络断开但应用未感知。
• 检查Node层面的TCP保活配置：在K8s节点上执行相同的sysctl命令，确认节点全局配置是否会影响Pod的默认参数。
• 在NestJS代码中显式设置TCP保活：Node.js的net模块支持socket的keepAlive配置，创建连接时添加 { keepAlive: true, keepAliveInitialDelay: 30000 }（30秒初始延迟），强制应用层主动发送保活包。

2. 排查K8s网络组件的连接超时 #

• 检查Service会话保持与回收：若使用ClusterIP，确认是否开启sessionAffinity，同时查看所用网络插件（如Calico、Flannel）的空闲连接回收机制配置，部分插件会主动断开长时间空闲的连接。
• 检查NodePort/负载均衡超时：若使用NodePort，确认云厂商负载均衡或节点本地的空闲连接超时设置（例如部分云厂商SLB默认900秒超时），超时后会主动断开连接。
• 检查Pod生命周期：查看B应用的Pod是否存在重启、滚动更新记录，执行 kubectl get pods -n <namespace> -w 持续观察，Pod重启会直接导致旧连接失效。

3. 分析应用层连接管理逻辑 #

• 检查A应用的TCP连接池配置：若A使用连接池，确认是否设置了空闲连接回收规则（如maxIdleTime），避免复用已被底层断开的无效连接。
• 开启TCP连接调试日志：在A、B应用中添加TCP连接的debug日志，或设置Node.js环境变量 NODE_DEBUG=net，记录连接建立、断开、错误的细节，定位ECONNRESET发生的具体场景。
• 检查B应用的TCP服务配置：确认B的NestJS微服务是否设置了最大连接数限制、空闲连接超时（如timeout、maxConnections参数），是否会主动断开长时间空闲的连接。

4. 底层网络问题排查 #

• 用tcpdump抓包分析：在A的Pod中执行 tcpdump -i any port <B的TCP端口> -w tcp-connection.pcap，持续抓包直到出现ECONNRESET，再用Wireshark分析包内容，确定是哪一方发起的FIN/RST包。
• 持续测试网络连通性：在A的Pod中定期执行 nc -zv <B的服务IP> <端口> 测试TCP连接，同时持续ping B的服务名/IP，观察是否存在间歇性连通问题。
• 检查NetworkPolicy规则：确认是否有NetworkPolicy限制了A、B之间的TCP流量，比如是否配置了超时或流量阈值规则。

内容的提问来源于stack exchange，提问作者Tan Nguyen