Azure Web PubSub监听程序随机断开问题排查求助

问题场景 #

运行在AWS EC2实例Docker容器中的Node.js PubSub监听程序，基于Azure Web PubSub SDK开发，运行数天后会随机断开连接；CPU、内存无异常峰值，容器保持运行，但PubSub连接已关闭；配置了重连逻辑，但仅能看到连接关闭日志，重连未触发。

现有重连代码片段 #

function connect(ws: WebSocket) {
  ws.on('error', (error) => console.log(error));
  ws.on('open', () =>
    console.log(
      '******** Pubsub listening to messages! ********* ',
      new Date().toISOString()
    )
  );
  ws.on('close', (e) => {
    console.log(
      'Service connection is CLOSED. Reconnect will be attempted in 5s.',
      e
    );
    setTimeout(function () {
      connect(ws);
    }, 5000);
  });
  ws.on('message', async (data) => {
    console.log('Message received: %s %s', data, new Date().toISOString());
    ..
    ..
    ..
    ..
  });
}

核心问题分析 #

重连逻辑失效的直接原因：在close事件回调中，你尝试复用已关闭的WebSocket实例调用connect函数，但WebSocket连接关闭后，该实例无法再次用于建立新连接，必须创建全新的WebSocket实例才能发起重连。

排查与修复建议 #

1. 修复重连逻辑，创建新WebSocket实例 #

重构代码，每次重连时生成新的WebSocket连接实例，替换原有复用旧实例的逻辑：

// 重构为创建新连接的逻辑
function createAndConnect() {
  // 此处需替换为实际的Azure Web PubSub连接URL生成逻辑（含有效Token）
  const ws = new WebSocket('your-azure-pubsub-connection-url');
  
  ws.on('error', (error) => console.error('[WebSocket错误]', new Date().toISOString(), error.stack || error));
  ws.on('open', () =>
    console.log(
      '******** Pubsub listening to messages! ********* ',
      new Date().toISOString()
    )
  );
  ws.on('close', (e) => {
    console.log(
      'Service connection is CLOSED. Reconnect will be attempted in 5s.',
      `关闭代码: ${e.code}, 原因: ${e.reason}`
    );
    setTimeout(createAndConnect, 5000);
  });
  ws.on('message', async (data) => {
    console.log('Message received: %s %s', data, new Date().toISOString());
    // 原有消息处理逻辑
  });
}

// 初始启动连接
createAndConnect();

2. 增强错误日志与状态监控 #

• 扩展error事件日志，记录错误栈、错误代码等详细信息，便于定位断开根源：

  ws.on('error', (error) => {
    console.error('[WebSocket错误]', new Date().toISOString(), error.stack || error);
  });
  

• 在close事件中记录关闭代码（e.code）和原因（e.reason），Azure Web PubSub会通过这些字段传递断开原因（如超时、服务端维护、Token过期等）。

3. 排查网络层面的断开诱因 #

• 检查AWS实例/容器的网络超时配置：确认安全组、负载均衡是否存在TCP空闲超时规则，若连接长时间无数据传输，可能被中间网络设备主动断开。可通过Azure Web PubSub SDK配置keepAlive心跳机制，维持连接活跃。
• 验证Docker容器网络模式：排查桥接模式下的端口映射、网络隔离是否导致连接异常。

4. 检查Azure Web PubSub服务端配置 #

• 登录Azure Portal查看Web PubSub服务日志，确认是否为服务端主动断开连接，以及具体原因（如订阅过期、权限变更、服务维护）。
• 确认客户端连接Token的有效期，若Token过期会导致连接断开，重连时需重新生成有效Token。

5. 优化重连策略 #

增加指数退避重连机制，避免短时间内频繁重连给服务端带来压力，同时提升重连成功率：

let reconnectDelay = 5000;
const maxDelay = 60000;

function createAndConnect() {
  const ws = new WebSocket('your-azure-pubsub-connection-url');
  
  ws.on('open', () => {
    console.log('******** Pubsub listening to messages! ********* ', new Date().toISOString());
    // 重连成功后重置延迟
    reconnectDelay = 5000;
  });
  
  ws.on('close', (e) => {
    console.log(`Service connection is CLOSED. Reconnect will be attempted in ${reconnectDelay}ms.`, `关闭代码: ${e.code}, 原因: ${e.reason}`);
    setTimeout(() => {
      createAndConnect();
      // 指数退避：延迟翻倍，不超过最大值
      reconnectDelay = Math.min(reconnectDelay * 2, maxDelay);
    }, reconnectDelay);
  });
  
  // 其他事件监听...
}

内容的提问来源于stack exchange，提问作者fullstack_realm