首先说下环境，应用是基于tcp的socket自定义协议传输数据，原来平台部署在windows 2003上，一直也算正常，只不过3个月左右的一次socket出问题，所有的通信都会被拒绝。原因未知，猜测系统问题。
后来系统升级，直接换成了windows 2012，这下好了，2周左右一次的业务故障。不过这个故障的根本原因还是在于用应用程序没有处理好，子系统往主系统传数据的时候，主系统有基于数据库的唯一索引。问题就在主程序上，按说数据批量上传，要么全部通过，要么全部拒绝，要么返回哪些没处理成功。但只是简单的返回一个处理结果，子系统无法判断那些处理失败了。而子系统也有问题，失败的可以跳过就别传了啊，子系统还傻傻的重复传。结果就是主系统数据混乱，子系统数据被卡住。
开始基本上一月一次，也可以忍受，不过最近3天一次实在受不了。但改程序的可能性微乎其微，而且要命的是两套系统的日志死活无法输出，这样也分析不了出现问题的原因。
唯一的办法就是数据库抓包了，之前用cmd开了一个抓包窗口，抓了大半个月都没问题，刚关了就又出现了……哭……
再次用wireshark抓包，目测有很多黑色背景错误，主要有三种，一种是ack回复没收到，一个是丢包，另外的一种就是数据重传了。
网络是千兆直连的，不应该出现丢包的情况，但是系统为啥要重传数据包呢，这个不是我可以分析的。不过突然想到了应用出现问题的原因，因为网络是没问题的，所以不会存在丢包，那么主系统一定会收到两个同样的数据包，而系统对两个数据包都进行了处理，这就导致了异常，从而把系统挂住了。
唉，又是一个坑，很奇怪的是重传的ecn信息是不一样，暂时没有深入了解ecn，直接关闭试试，命令如下：netsh int tcp set global ecncapability=disabled
再继续抓包，已经没有了数据重传的现象，说明问题解决。接下来就看应用问题是否还好再出现了，如果不出现真的是命好啊，哈哈。