tcpretrans 每分钟上百 应用侧却查不到超时

先把当时的情况摆出来。ss -s 里 retrans 每分钟增长一百多，业务监控没有超时，跨可用区调用的 P99 比平时高二十毫秒，内核是 3.10，链路两端都是 ECS。

把日志和配置对完，能解释这个现象的基本就这几处。链路存在轻微丢包，靠快速重传补上但延迟增加。也可能是接收窗口太小，发送端被迫等待。

不容易想到的是，重传次数上限太大，失败要拖很久才放弃。还有一种情况，中间设备的会话表老化，出现静默丢包。

定位重传集中在哪条连接

ss -tin state established | grep -B1 retrans

连续采样看重传率变化

nstat -az | grep -E 'TcpRetransSegs|TcpOutSegs'

再往下用 mtr 看路径上的丢包节点

mtr -rwc 50 10.0.2.15

收紧重传次数相关参数

sysctl -w net.ipv4.tcp_retries2=8

别只看报错消失，验证要多做一步。重传率降到万分之五以下，跨区调用的 P99 回到正常水平，nstat 的增量趋于平稳。

容易忽略的是，少量重传是 TCP 的自我修复，不用处理；持续超过百分之一才值得查，先看路径再看本机参数。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。