App Service 应用经常需要访问外部服务，比如 Azure SQL、Redis、Storage 或第三方 API。很多人会以为应用是直接从 worker 实例访问公网，但实际上并不是这样。
App Service 的 worker 实例运行在 scale unit / stamp 内部，通常没有直接分配公网 IP。它访问外部公网 endpoint 时，需要经过 stamp 的出站负载均衡器。这个负载均衡器会把 worker 的私网源地址和端口，转换成公网源地址和端口，这个过程就是 SNAT（Source Network Address Translation）。
这篇文章主要整理 App Service 中排查 SNAT 问题时需要知道的几件事：
- SNAT 如何工作 ?
- SNAT 端口为什么会耗尽 ?
- 端口如何分配 ?
- 耗尽时有哪些症状 ?
- 以及应用应该如何优化连接使用 ?
1: SNAT 是怎么工作的
以 TCP 连接为例，一次出站访问大致是这样发生的：
负载均衡器会维护一条映射记录，例如：
| 字段 | 示例 |
|---|---|
| 协议 | TCP |
| Worker 实例地址 | 10.0.5.60:51014 |
| 负载均衡器公网地址 | 13.76.245.72:12481 |
| 外部服务地址 | 52.189.232.180:80 |
注意：
- 应用看到的是自己连到了外部服务
- 外部服务看到的是负载均衡器的公网地址
- 负载均衡器负责在两边之间做地址转换
- 这个过程对应用和外部服务都是透明的
2: SNAT 端口耗尽
SNAT 端口的消耗和 TCP 五元组有关：
| 字段 | 含义 |
|---|---|
| Protocol | 协议，例如 TCP |
| Source IP | 源 IP，SNAT 后是负载均衡器公网 IP |
| Source Port | 源端口，也就是 SNAT 端口 |
| Destination IP | 外部目标 IP |
| Destination Port | 外部目标端口 |
注意：
- 如果多个 TCP 流访问的是同一个目标 IP、同一个目标端口、同一个协议，那么它们需要不同的源端口来区分。也就是说，高并发访问同一个外部服务时，SNAT 端口会很快被消耗。
- 反过来，如果多个流访问的是不同目标 IP 或不同端口，那么五元组本身已经不同，SNAT 端口就有机会被复用。
每个 IP 地址最多只能打开有限数量的端口。如果应用频繁打开和关闭连接，情况会更严重。因为 SNAT 端口关闭后不会马上释放：
| 关闭方式 | SNAT 端口释放时间 |
|---|---|
| 正常 FIN/ACK 关闭 | 约 240 秒后释放 |
| RST 重置 | 约 15 秒后释放 |
| 达到 idle timeout | 按 idle timeout 释放 |
这意味着，如果一个 Web 应用每秒打开 1 条 HTTP 连接，调用后端服务后正常关闭，那么在 240 秒内可能累计占用约 240 个 SNAT 端口。
另一个例子是数据库连接池：如果一个繁忙站点的 SQL 连接池大小是 300，并且数据库查询执行较慢，那么这些连接可能持续占用约 300 个 SNAT 端口。
还有一种常见情况是队列触发的 Function App：如果压测一开始就把大量消息一次性灌入队列，Function 可能瞬间启动大量到 Storage 或其他外部服务的连接，很快耗尽 SNAT 端口。
3: SNAT 端口分配算法
为了避免某个站点耗尽整个 stamp 的 SNAT 端口并影响其他站点，Azure Load Balancer 需要对 SNAT 端口做分配控制。常见算法包括：
| 分配方式 | 端口数量 |
|---|---|
| On-demand 算法 | 每实例基础 160 个，可按需尽力分配更多 |
| 新算法 | 每实例固定预分配 128 个 |
这里的 160 个 SNAT 端口 可以用一个粗略的容量分摊思路来理解。一个典型的 App Service stamp 可能有 5 个出站 IP，每个 IP 理论上有大约 65536 个端口。如果这些端口要被 stamp 内大约 2000 个实例共享，那么每个实例能稳定分到的端口数量大约是：
5 × 65536 ÷ 2000 ≈ 163.84 取整后就接近 160 个端口 / 实例。
4: SNAT 端口耗尽时的症状
当 SNAT 端口耗尽时，应用常见表现包括：
- 连接外部 endpoint 变慢；
- 请求长时间 pending；
- 最终出现 socket timeout；
- Application Insights 里能看到依赖调用失败。
如果启用了 Application Insights dependency tracking，也可能看到外部依赖调用失败。
5: 如何解决 App Service 的 SNAT 端口耗尽
总体方向是：先减少不必要的连接占用，再考虑扩展。
具体建议：
- 复用连接：不要每次请求都 new 一个
HttpClient； - 使用连接池：数据库、HTTP 客户端都应合理复用连接；
- 控制连接池大小：连接池不是越大越好，过大的池会持续占用端口；
- 降低重试强度：失败时疯狂重试会进一步放大端口占用；
- 让后端尽快响应：后端越慢，连接存活越久，SNAT 端口占用越久；
- 横向扩容 App Service Plan：SNAT 端口按实例分配，实例变多，总可用端口也会增加；
- 使用 App Service Environment：ASE 的实例池更小，worker 实例通常可以获得更多 SNAT 端口；
- 压测要贴近真实流量：负载测试应以稳定速度投喂数据，而不是一开始就把所有消息一次性灌入队列。
示例代码及优化
下面的代码可以复现 SNAT 端口耗尽问题：
public string Index(string url) { var request = HttpWebRequest.Create(url); request.GetResponse(); return "OK"; }
为了复用连接，可以改成关闭响应对象：
public string Fin(string url) { var request = HttpWebRequest.Create(url); var response = request.GetResponse(); response.Close(); return "OK"; }
下面这种写法也会造成 SNAT 端口泄漏，因为每次调用都会创建新的 HttpClient：
public async Task<string> Client(string url) { using (var client = new HttpClient()) { await client.GetAsync(url); } return "OK"; }
可以改成复用同一个 HttpClient：
private static Lazy_client = new Lazy (); public async Task<string> ReuseClient(string url) { var client = _client.Value; await client.GetAsync(url); return "OK"; }
常见问题（FAQ）：
Q：我能自己看到 App Service 的 SNAT 端口分配指标吗？
A：一般情况下，这个指标不直接公开。日常设计时不要依赖“实际能拿到多少端口”，而应按每实例 128 个的保守值来控制。
Q：为什么不能直接根据 SNAT 端口指标做自动扩缩容？
A：因为很多 SNAT 问题本质是连接没有复用。如果代码持续浪费连接，单纯扩容只是把问题摊开，并不一定治本。应该先优化连接复用和后端响应，再考虑扩容。
Q：SNAT 耗尽和 TCP Connections 耗尽有什么区别？
A：TCP Connections 是 worker 实例层面的连接计数，SNAT 是出站负载均衡器上的公网源端口资源。前者统计所有 TCP 连接，后者只和外部网络流量有关。二者有关联，但不能互相替代。
Q：多个 WebJob 共用同一个 App Service Plan，怎么判断谁占用了最多连接？
A：如果没有按进程维度的连接指标，可以把部分 WebJob 移到另一个 App Service Plan，通过隔离法观察问题是否缓解，逐步定位高连接消耗的任务。
参考资料
SNAT with App Service :https://4lowtherabbit.github.io/blogs/2019/10/SNAT/