AWS Kubernetes上Spring Boot应用JDBC连接11分钟后重置问题排查

问题场景与报错信息 #

WARN com.zaxxer.hikari.pool.ProxyConnection - HikariPool-1 -
Connection oracle.jdbc.driver.T4CConnection@54ef7 marked as broken
because of SQLSTATE(08006), ErrorCode(17002)
java.sql.SQLRecoverableException: IO Error: Connection reset WARN
org.hibernate.engine.jdbc.spi.SqlExceptionHelper - SQL Error: 17002,
SQLState: 08006 ERROR org.hibernate.engine.jdbc.spi.SqlExceptionHelper

• IO Error: Connection reset Caused by: java.sql.SQLRecoverableException: IO Error: Connection reset

AWS Kubernetes上部署的Spring Boot应用，执行耗时超11分钟的JDBC事务时出现连接重置，本地部署相同程序无此问题，数据库为本地部署存在固有延迟。

排查方向与解决步骤 #

1. 网络层超时拦截排查 #

• AWS负载均衡器空闲超时：NLB/ALB默认空闲超时为60秒，若长事务期间存在数据传输间隙，会被负载主动断开连接。需将空闲超时调整至720秒（12分钟）以上。
• VPC/防火墙规则：检查VPC安全组、网络ACL及企业防火墙是否存在长连接强制断开阈值，确保阈值大于事务最长耗时。
• 连通性测试：在K8s Pod内执行nc -zv <数据库IP> <端口>持续监听，模拟11分钟以上的连接时长，验证是否会出现中断。

2. HikariCP连接池参数调整 #

针对长事务场景，修改连接池配置适配长时间连接占用：

spring:
  datasource:
    hikari:
      max-lifetime: 1800000  # 30分钟，需小于数据库端连接超时
      connection-timeout: 300000  # 5分钟，避免连接等待超时
      keepalive-time: 600000  # 10分钟，定期发送心跳维持连接
      validation-timeout: 30000

• keepaliveTime需启用，避免网络层判定连接空闲断开；maxLifetime必须小于数据库CONNECT_TIME和IDLE_TIME设置。

3. Oracle数据库端超时配置检查 #

• SQLNET.EXPIRE_TIME：查看sqlnet.ora中该参数，默认可能为10分钟，若事务超此时长且无交互，数据库会主动断连，需调整为12分钟以上。
• 用户Profile限制：执行SQL查询连接超时规则：

SELECT profile, resource_name, limit FROM dba_profiles 
WHERE resource_name IN ('IDLE_TIME', 'CONNECT_TIME');

若存在小于11分钟的限制，通过ALTER PROFILE ... LIMIT ...修改对应参数。

4. 应用长事务逻辑优化 #

长事务本身是风险点，从业务层面优化：

• 拆分事务：将批量数据查询拆分为多个小批次，每批次处理完提交事务，避免单个事务持续过久。
• 只读事务标记：数据读取场景添加@Transactional(readOnly = true)，减少数据库锁占用，部分数据库对只读事务放宽超时限制。
• 分离读写逻辑：事务内仅完成数据读取，文件写入逻辑移出事务，缩短连接持有时间。

5. K8s Pod配置验证 #

• 探针配置：检查livenessProbe/readinessProbe的超时、间隔时间，避免探针检测干扰长事务连接，或因探针失败导致Pod重启。
• CNI插件规则：若使用Calico等网络插件，确认无长连接限制策略。

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