谁的锅？一个 ping 案例

昨天一个同事向我反馈了一个问题，虽然最后分析出和我们服务没关系，但我觉得特别有意义，特此分享给大家。当时反馈电信用户连接我们的 pop 服务有异常，听到问题后，在我的阿里云 ECS 上ping了下，正好发现连接到电信 vip，如下图：

奇怪的是第一帧到第二帧之间特别慢（大概有15秒），但是 ping 命令整体显示的连接速度却很快，平均每一个ping的响应只有15ms，开始猜测是不是 ping 工具的内部工作机制导致的，ping 了下其他网站却非常快，不管三七二十一，先使用 tcpdump 抓个包，打算排除到 vip 的网络问题：

$ tcpdump -s 0 -i eth1 host 49.7.36.125 -w 11-17-ping1.pcap

关键输出如下：

可见每一对icmp包（ping背后就是icmp协议）的请求和响应非常快，基本排除了网络问题，但第2个包后15秒后才有第三个包，这让人感觉非常奇怪。

为了进一步寻找灵感，我运行了一个 strace 命令，如下：

$ strace -e trace=network -o 11-17-1.log -Tt ping pop3.sina.net -c 2

其中输出截图：

进一步验证每一对的icmp包请求响应是非常快的。但发现了一些奇怪的输出，如下图：

虽然输出很多，但可以看出主要是 DNS 解析花了很长时间，其中 10.202.72.118 和 10.202.72.116 是阿里云的 local DNS，也就是说 ping pop3.sina.net 的时候，需要通过 local DNS 解析出它的 ip 地址 49.7.36.125。

为了进一步验证是 DNS 解析的问题，我又运行了下列命令：

$ strace -e trace=network -o 11-17-2.log -Tt ping 49.7.36.125 -c 2

输出非常快速，而且输出的内容也非常少（去除了很多 DNS 网络调用），从而进一步确认了 DNS 解析的问题，那是阿里云 local DNS 的问题还是我们公司 DNS 域名服务器的问题？我又测试了下：

$ strace -e trace=network -o 11-17-3.log -Tt ping www.baidu.com -c 2

运行非常快速，说明是公司 DNS 域名服务器的问题？还是 ping 内部工作机制的问题？我又单独运行了两个命令，主要抓取 DNS 解析：

第二条命令输出很简单，如下图：

说明 dig 解析 pop3.sina.net 非常快。

第一条命令输出很复杂，ping 内部在进行域名解析的时候遇到了很多问题。最后我将local dns 改为了 8.8.8.8，不管是ping还是dig，速度都非常快。

到底是谁的锅呢？阿里云local dns？公司 dns 服务器？ping 内部dns解析机制？可以一起讨论讨论。

原文发布时间为：2018-11-27

本文作者：虞大胆

本文来自云栖社区合作伙伴“高效运维”，了解相关信息可以关注“高效运维”。