长轮询客户端超时 120 -> 180 秒(实测出现 126.6 秒的长尾)

relay-stability 跑了 30 次真实长轮询,第 1 次耗时 126604ms:

    服务端 hold 是 60 秒
    剩下 66 秒全是网络停顿(4G 抖动 + 重传退避)
    而客户端超时写的是 120000ms
    -> 126.6 > 120,那次会被**误判成失败**,尽管服务端已经正常返回

其余 29 次都是 61~62 秒,很正常。不是 hold 太长,是网络尾巴太长。

为什么放宽超时而不是缩短 hold:
  A. hold 缩到 45 秒、超时保持 120 -> 最坏 111 秒,安全
     但请求数多 33%,而每次请求都要吃隧道 1~2 秒开销
  B. hold 保持 60 秒、超时放宽到 180 -> 最坏 180 秒,安全
选 B —— 这条链路的根本问题是丢包抖动,**请求越少越不容易撞上**。
放宽超时只是"别把慢但成功的请求冤枉掉",不增加任何请求。

客户端已有"连续失败 3 次才判离线"(OFFLINE_AFTER=3),
所以偶尔一次长等待不会让界面闪"已断开"。

超时余量的演进(全是实测逼出来的):
  90 秒  -> 实测 93589ms  不够
  120 秒 -> 实测 126604ms 不够
  180 秒 -> 60 hold + 120 余量

两边同步改:
  windows/lanremote/relay.py                     POLL_TIMEOUT 120 -> 180
  android .../RelayTransport.java                POLL_TIMEOUT_MS 120000 -> 180000
(Java 侧确认 setConnectTimeout 另有 15 秒上限、setReadTimeout 吃这个值,
  没有别的超时会先把请求掐掉。)
This commit is contained in:
xmz7891
2026-10-07 17:36:20 +08:00
parent facb156aca
commit b2bfa6ffbf
3 changed files with 151 additions and 11 deletions
@@ -41,13 +41,15 @@ public class RelayTransport implements Transport {
*
* <p>必须显著大于服务端的 hold 时间,否则会在服务端正常返回
* 之前自己先超时 —— 那就变成"每次轮询都失败"了。
* 120 秒 = 60(hold) + 60(网络余量)。
*
* <p>余量给这么大是因为实测出现过一次 93589ms 的长尾
* (4G 丢包触发 TCP 重传退避)。设 90 秒会把那次
* 其实成功的请求误判成失败。
* <p>180 秒 = 60(hold) + 120(网络余量)。
* 余量一直在加大,因为实测的长尾一直在刷新:
* 90 秒时实测到 93589ms,120 秒时实测到 126604ms
* (30 次里 1 次,其余都是 61~62 秒)。
* 4G 丢包触发的重传退避能拖出一分钟以上的停顿,这是链路特性。
* 放宽超时只是"别把慢但成功的请求冤枉掉",不增加请求数。
*/
private static final int POLL_TIMEOUT_MS = 120000;
private static final int POLL_TIMEOUT_MS = 180000;
/** 发送/接收的单次请求超时 */
private static final int SEND_TIMEOUT_MS = 30000;
/** 网络出错后的退避 */