Bug TCP no kernel Linux causou timeouts na API do GKE

Bug TCP no kernel Linux causou timeouts na API do GKE

Publicado em 21/11/2026 0 visualizações

Ainda sem avaliações

Reordenação no PSC, half-close do Envoy e bug TCP no kernel Linux causaram timeouts na API do GKE; a resposta incluiu um patch.

Timeouts interromperam implantações

Em janeiro, pods de um cliente com vários clusters do Google Kubernetes Engine (GKE), conectados de forma privada ao plano de controle pelo Private Service Connect (PSC), passaram a sofrer timeouts intermitentes ao acessar a API do Kubernetes. A falha bloqueou cerca de 800 desenvolvedores de implantar mudanças em produção.

Capturas de pacotes mostraram que o plano de controle respondia a novas solicitações de conexão TCP com pacotes ACK antigos, associados a conexões já encerradas. O timeout de E/S (I/O) numa conexão que não se completava podia apontar para o PSC, as interfaces de rede virtuais, a máquina de estados TCP do Linux ou o gerenciamento de conexões do Envoy.

Três causas em camadas diferentes

A investigação identificou três causas interligadas: reordenação de pacotes no PSC, o comportamento half-close do proxy Envoy, que impedia o encerramento correto de conexões TCP, e um defeito no kernel Linux, que descartava determinados pacotes FIN reordenados. Engenheiros das equipes do GKE, do PSC, de redes, do hostnet e do kernel trabalharam com a comunidade Linux para rastrear as falhas.

Com o half-close do Envoy e o descarte de pacotes FIN fora de ordem pelo kernel, alguns soquetes permaneciam indefinidamente no estado FIN_WAIT_2. Isso contribuiu para a falha de conectividade observada pelos pods.

Correções foram aplicadas em etapas

Ao longo de várias semanas, a Google adotou três medidas. Primeiro, reverteu uma mudança no PSC para restaurar a conectividade. Depois, corrigiu o tratamento do protocolo no proxy Envoy e acrescentou testes de regressão para ajudar a detectar o problema em alterações futuras.

A correção final tratou o defeito de TCP no kernel Linux. O patch, escrito por Eric Dumazet, então ex-engenheiro de software da Google, corrigiu o descarte dos pacotes FIN reordenados. A sequência combinou a recuperação inicial do serviço com ajustes nas camadas do proxy e do sistema operacional.

Patch chegou a versões do GKE

A correção do kernel foi integrada ao Linux 6.9.7 e portada para as versões de suporte prolongado 6.6 e 6.1. Clientes do GKE receberam o ajuste a partir da versão 1.33.5. O caso mostra como comportamentos de rede que parecem plausíveis quando analisados isoladamente podem se combinar e produzir falhas difíceis de localizar.

Capturas de pacotes em várias camadas e a correlação entre sintomas de rede e mudanças na infraestrutura foram essenciais para identificar as causas. A InfoQ publicou os detalhes com base na descrição da Google Cloud sobre a investigação e as correções.

Autor

Jaime LinharesEmpresa

CEO do Guia de TI

Comentários

0

Comece a conversa.
Seja a primeira pessoa a comentar este conteúdo.

Deixe um comentário

Entre no nosso grupo!