如何为Envoy Proxy上游连接启用TCP Keepalive及解决配置无效问题

配置中的致命错误 #

• 集群名称cluster1"末尾多了一个多余的双引号，这会直接导致Envoy解析配置失败，该集群的所有设置（包括keepalive）都不会生效。修正为name: cluster1。

HTTP2 Keepalive配置的关键问题 #

你需要的是HTTP2层面的gRPC Keepalive探测（对应gRPC的PING帧），当前配置还有几个影响生效的问题：

1. YAML格式错误：connection_keepalive用了JSON风格的大括号包裹，不符合YAML语法规范，需改成缩进格式：

   http2_protocol_options:
     connection_keepalive:
       interval: 60s
       timeout: 10s
       connection_idle_interval: 10s
   

2. connection_idle_interval设置不合理：这个参数定义了连接空闲多久后才开始发送keepalive探测，你设置的10秒如果短于实际业务的请求间隔，连接始终处于活跃状态，自然不会触发探测。如果需要固定每60秒发送一次，建议将此值调整为小于interval的数值，或者确认业务场景下连接会进入空闲状态。
3. 需确认HTTP2协商成功：gRPC基于HTTP2，要保证Envoy与上游服务器成功协商使用HTTP2，可通过Envoy管理端口的config_dump接口（如curl localhost:9901/config_dump）验证集群的HTTP2配置是否生效。

额外排查方向 #

• 检查gRPC服务器配置：确保服务器允许接收空闲连接的keepalive探测，比如是否设置了grpc.keepalive.permit_without_calls=true，否则服务器可能会拒绝Envoy发送的空闲PING帧。
• 区分TCP与HTTP2 Keepalive：你配置的tcp_keepalive是操作系统层面的TCP心跳，和gRPC使用的HTTP2应用层PING帧完全独立，两者不会互相替代，不要混淆。

修正后的完整集群配置示例 #

clusters:
  - name: cluster1
    connect_timeout: 300s
    lb_policy: ROUND_ROBIN # 根据实际业务选择负载均衡策略
    upstream_connection_options:
      tcp_keepalive:
        keepalive_probes: 1 
        keepalive_interval: 60
        keepalive_time: 10
    http2_protocol_options:
      connection_keepalive:
        interval: 60s
        timeout: 10s
        connection_idle_interval: 30s # 调整为合理的空闲触发阈值
    load_assignment:
      cluster_name: cluster1
      endpoints:
        - lb_endpoints:
            - endpoint:
                address:
                  socket_address:
                    address: your-upstream-host
                    port_value: your-upstream-port

内容的提问来源于stack exchange，提问作者debonair