PostgreSQL 錯誤訊息：Connection to client lost

在監控觀察 PostgreSQL 資料庫的 Logs 時，有時候會觀察到錯誤訊息 Connection to client lost ，這時候會有兩個問題，第一個是這錯誤訊息跟誰有關，第二個是這錯誤訊息代表什麼意思。

在一般沒有特定設定時，Logs 裡面只會顯示紀錄時間還有錯誤訊息，除非有明確的 SQL 語法能夠對應，不容易判斷實際上造成此異常的源頭，需要搭配 log_line_prefix 的設定來看。

可以設定如下，加入 PID 與 UserName 來輔助判斷，依實際需求可以再加上 Application Name 和來源 IP 等等。

log_line_prefix = '%t %p %u'

接下來討論這個錯誤訊息代表什麼意思，這訊息告訴我們，資料庫想要嘗試將 SQL 執行結果回傳給 Client ，但卻發現找不到 Client 。

看到此訊息一般最有可能的原因是 Client 端沒有做 Tcp Keep Alive 的設定，執行長 SQL 在等待資料庫執行完成前，會有一段時間資料庫與AP沒有做任何封包的溝通，在這段期間在中間網路層可能會判斷認為這連線死掉了，就把連線砍掉了，導致 AP 認為資料庫一直沒有回應，而資料庫要回應的時候找不到人。

在資料庫端主要是以下三個參數來控制

tcp_keepalives_interval

tcp_keepalives_idle

tcp_keepalives_count

預設沒有調整的時候會依照 OS 的設定值如下：

[root@EDB-Primary ~]# cat /proc/sys/net/ipv4/tcp_keepalive_intvl

75

[root@EDB-Primary ~]# cat /proc/sys/net/ipv4/tcp_keepalive_probes

9

[root@EDB-Primary ~]# cat /proc/sys/net/ipv4/tcp_keepalive_time

7200

以預設的設定來說，若 7200 秒內沒有任何封包溝通，資料庫會主動向 AP 進行 Tcp 的 Keepalive 確認，若確認失敗，則會依據設定 tcp_keepalive_probes 檢查 9 次，每次檢查間隔 75 秒，若 9 次檢查都沒有回應，則判斷 Clinet 連線中斷。

一般來說，通常遇到這類錯誤訊息基本上都不會等到那麼久，通常可能十幾分鐘就發現了，所以基本上與資料庫端的 Tcp Keepalive 設定無關，可能會是網路層 或 AP 的主機不確定是否有什麼設定。

理想的解法會是 AP 端自己做 Tcp Keepalive 的設定確認，可以的一個偷吃步方法是在資料庫端設定把 tcp_keepalives_idle 的時間設定很短，例如一分鐘檢查一次，這樣資料庫就會主動向 AP 端做 TCP Keep Alive 確認，就可以確保連線活著。