当前位置:首页 > 技术笔记

代理 TLS 间歇失败排查实录:两个 xray inbound 抢占 443 端口

JackSee4小时前技术笔记10

代理 TLS 间歇失败排查实录:两个 xray inbound 抢占 443 端口

现象:GitHub 操作频繁报 SSL routines::wrong version number,但同样是这台机器,有时候又完全正常。
结论:不是网络、不是梯子质量、不是 CherryStudio,而是服务器上两个 xray inbound 抢同一个 443 端口,内核按 50/50 随机分发连接。
代价:走了 3 条错误假设,其中 1 条还写出了补丁。


一、现象与环境

项 值
客户端 Windows 11 Pro 22631,CherryStudio 2.2.1(Electron)
Agent 运行时 CherryStudio 内置 Claude Code CLI 子进程
网络出口 v2rayN 7.x + xray,SOCKS5 监听 127.0.0.1:10808
服务端 美国 VPS,mack-a v2ray-agent 脚本,xray 24.11.30
服务端域名 proxy.example.com(Let's Encrypt 通配证书)
故障表现 SSL routines::wrong version number / SEC_E_INVALID_TOKEN / Connection was reset

症状有几个反直觉的点:

  1. 时好时坏。同一命令连续执行,成功率在 30%~100% 之间大幅漂移。
  2. 浏览器看 YouTube 不卡,但 agent 一跑就断。
  3. 在 cmd 里直接跑 claude 一切正常,在 CherryStudio 的 Agent 里就频繁报错。
  4. 失败特别快(约 0.5 秒),不是"慢",是干脆地断。

第 2、3 点是后面误判的源头,先说结论:它们都是 50% 概率造成的采样错觉。


二、三条错误假设(以及怎么被证伪的)

假设 1:代理做了 TLS 中间人解密(MITM)

网上有一种说法:CherryStudio 的 Agent 子进程跑在 Node.js 里,有独立的证书信任逻辑,如果代理用自签根证书重签流量,就会报 SELF_SIGNED_CERT_IN_CHAIN。

证伪:这个判断需要先分清报错的层级。

报错 出现时机 含义
Self-signed certificate detected
SELF_SIGNED_CERT_IN_CHAIN
TLS 握手进行中,拿到了证书但不信任 真 MITM,需要 NODE_EXTRA_CA_CERTS
wrong version number
SEC_E_INVALID_TOKEN
握手开始,TCP/隧道层就断了 连接被掐,根本没有证书出现

我们拿到的是第二类。抓包也确认了:连接在 0.5 秒内被 FIN,客户端从未收到任何 TLS 记录。所以 NODE_EXTRA_CA_CERTS、NODE_TLS_REJECT_UNAUTHORIZED=0 这套做法在这里完全无效。

假设 2:nginx 和 xray 抢 443 端口

服务器上确实在跑 nginx,而且自连 443 时有 8/10 返回 HTTP/1.1 400 Bad Request / Server: nginx。看起来很像 SO_REUSEPORT 冲突。

证伪:

grep -rn 'listen.*443' /etc/nginx     → 空
nginx -T | grep 'listen.*443'         → 空

nginx 根本没有监听 443。那些 400 是 xray 自己的 fallback 链产生的:

xray:443 (VLESSTCP)
  └─ fallback dest 31296 → trojanTCP
                            └─ fallback dest 31300 → nginx

也就是说,这不是端口冲突,而是伪装设计正常工作。这个假设当场作废。

假设 3:CherryStudio 注入的代理环境变量有缺陷

读源码发现,proxyEnv.js 在 SOCKS 分支里只导出 SOCKS_PROXY 和 ALL_PROXY,不导出 HTTP_PROXY/HTTPS_PROXY,而 HTTP 分支会全套导出。看起来是个明确的缺陷,于是解包 app.asar 写了补丁。

证伪过程:写完补丁后,先做了一个验证实验——如果这个假设成立,那么"把 socks 端口当 HTTP 代理用"应该是稳定的。实测:

10808 当 HTTP 代理:  4/10
10808 当 SOCKS5:     2/10

两种协议失败率一样高。这说明问题不在客户端怎么描述代理,而在连接本身通不过去。补丁的根因假设不成立,已完全还原,解包目录(约 300MB)已删除。

教训:写完补丁不等于修好了。必须先设计一个能证伪它的实验,再谈上线。


三、决定性证据链

关键转折点是放弃"改客户端",转而分层验证链路。

步骤 1:构造对照组

代理里同时有两条路:
- baidu.com → 命中 geosite:cn / geoip:cn → 走 freedom 直连
- github.com → 命中 geosite:github → 走节点

同样经过 SOCKS 入口,但出站路径不同。这是一个天然对照组。

走本地 SOCKS 入口 → www.baidu.com    : 10/10  ✅
走本地 SOCKS 入口 → github.com       :  2/10
走本地 SOCKS 入口 → www.google.com   :  4/10
走本地 SOCKS 入口 → cloudflare.com   :  4/10
走本地 SOCKS 入口 → example.com      :  0/10

example.com 是全网最中立的测试站,一样 0/10。 这彻底排除了"GitHub 被针对性封锁"的可能。

步骤 2:验证服务器本身

绕过越复杂,就越要怀疑中间层。直接对服务器做 TLS:

直连 proxy.example.com:443 TLS 握手 : 20/20 ✅,平均 0.17s

服务器健康。问题不在服务端 TLS,也不在链路质量。

步骤 3:抓隧道里的原始字节

不猜,直接看对方回了什么。建好 SOCKS 隧道,发一个最小 TLS ClientHello,打印原始响应:

b'\x12\x04\x00\x00\x00\x00\x00\x00\x03\x00\x00\x00\x80\x00\x04\x00\x01\x00\x00'

这不是 TLS。0x12 0x04 是 HTTP/2 SETTINGS 帧(长度 18,类型 4,流 0)。

所以:客户端发的是 TLS,收到的却是 HTTP/2。客户端解析失败 → wrong version number。

问题从"TLS 有问题"变成了"为什么会有 HTTP/2 服务混进来"。

步骤 4:找到第二个监听者

$ ss -lntp 'sport = :443'
LISTEN *:443  users:(("xray",pid=680278,fd=10))
LISTEN *:443  users:(("xray",pid=680278,fd=14))

同一个 xray 进程,在 443 上挂了两个 fd。

步骤 5:配置层确认

mack-a 脚本的配置是一堆碎片文件,grep 一下谁声明了 443:

02_VLESS_TCP_inbounds.json             "port": 443, "security": "tls"
07_VLESS_vision_reality_inbounds.json  "port": 443, "security": "reality"

两个都声明了 443。再看被拒连接的归宿:

// 07 的 fallback
"fallbacks": [{ "dest": "31305", "xver": 1 }]

// 08 定义 31305
"port": 31305, "network": "grpc"

gRPC 就是 HTTP/2。 闭环了。

步骤 6:量化分裂比例

$ 服务器上自连 127.0.0.1:443 × 20
10x  ERR:SSLError                  ← 落到 TLS inbound
10x  web/fallback: HTTP/1.1 404    ← 落到 Reality inbound → 31305 → nginx

正好 50/50。 这不是巧合,是 SO_REUSEPORT 在内核层面按连接轮询分发。


四、根因与机制

拓扑(故障时)

客户端 (security=tls, SNI=proxy.example.com)
        │
        ▼
   ┌────────────────────────────┐
   │  VPS :443  (SO_REUSEPORT)  │
   │   ├─ 02_VLESS_TCP   (tls)  │  ← 客户端期望的入口
   │   └─ 07_VLESS_Reality      │  ← 一半连接被分到这里
   └────────────────────────────┘
                 │ Reality 握手失败
                 ▼ fallback dest 31305
          08_VLESS_vision_gRPC  (HTTP/2)
                 │
                 ▼
        返回 HTTP/2 SETTINGS 帧
                 │
                 ▼
      客户端:「这不是 TLS」→ wrong version number

为什么两个 inbound 会同时存在

mack-a 的 v2ray-agent 脚本每次安装一个协议就写一个 NN_xxx.json,但不会自动移除旧的 443 入口。反复执行安装、或先后装过 TLS 和 Reality,就会留下两个都声明 443 的文件。xray 不会报错(它支持同端口多 inbound,靠 reusePort 共存),于是问题被静默地引入。

为什么表现为「时好时坏」

现象 解释
成功率 30%~100% 漂移 小样本下 50% 概率的正常波动
YouTube 不卡 一条长连接连上后一直复用,赌中一次能看很久
agent 频繁断 agent 开大量短连接,每次独立掷硬币
cmd 里 claude 正常 那几次操作刚好连续掷中,属于运气,不是环境差异

这是最关键的一点:在 50% 概率的系统里,小样本观察会系统性地骗人。 我一开始就是被"cmd 能跑通"带偏了。


五、修复

原则

  1. 只停用不删除:改名 .disabled,随时可恢复
  2. 改前备份:带时间戳
  3. 改后必须校验:xray -test + 重启 + 监听数断言
  4. 失败自动回滚:任何一步不满足就还原并重启

脚本要点

# 前置检查:如果 443 只剩一个文件,直接退出,不做任何改动
if [ "$(port443_files | wc -l)" -lt 2 ]; then
  echo "conflict already gone"; exit 0
fi

# 备份 + 停用
cp -a "$REALITY" "$REALITY.bak.$(date +%Y%m%d%H%M%S)"
mv -f "$REALITY" "$DISABLED"

# 校验,失败回滚
"$XRAY" -test -confdir "$D" || rollback "xray -test failed"
systemctl restart xray           || rollback "restart failed"
[ "$(listener_count)" -eq 1 ]    || rollback "expected 1 listener"

listener_count 用 ss -lnt 'sport = :443' | grep -c :443,这是一条可断言的硬指标,比"看起来正常"可靠得多。

为什么保留 02 而不是 07

客户端节点参数是 security: tls + 证书 proxy.example.com.crt + flow: xtls-rprx-vision,对应 02_VLESS_TCP_inbounds.json。Reality 那个是历史遗留。

取舍

影响 说明
✅ TLS 节点恢复稳定 从 ~45% 提升到 ~100%
✅ 伪装网站不受影响 nginx 与 02 的 fallbacks 完全未动
⚠️ Reality 节点失效 它就是被停用的那个
⚠️ gRPC 节点失效 31305 只通过 Reality 的 fallback 对外暴露

六、验证结果

服务器端

指标 修复前 修复后
:443 监听数 2 1
声明 443 的配置文件 2 1
20 次自连结果 10 / 10 分裂 20× 一致
xray -test OK OK

客户端(同一台机器、同一时段)

指标 修复前 修复后
GitHub 隧道 TLS 握手 9/20 40/40
git ls-remote 时好时坏 10/10
浅克隆 react(67MB) 0/5 3/3
五个域名连通 3/5 5/5
github.com 延迟 — 1.54s
api.github.com 延迟 — 0.75s
baidu.com 延迟 — 0.24s

七、方法论小结

排查顺序(可复用)

1. 先看"哪一层"出错,而不是"什么错"
     拿到证书了吗?→ 有:MITM / 证书问题
                    → 无:连接层,与证书无关
2. 构造对照组
     同一入口、不同出站路径(如 geosite:cn 直连 vs 走节点)
     对照组正常 = 问题在出站链路,不在入口
3. 逐层隔离
     服务器 TLS 单独测 → 排除服务端
     客户端独立进程测 → 排除宿主应用
4. 抓原始字节,不读错误文案
     "wrong version number" 只是现象,\x12\x04 才是真相
5. 量化,不看单次
     连跑 20 次;成功/失败比例本身就是线索(50% 强烈暗示二选一)
6. 改配置必须可断言
     ss -lnt | grep -c :443  == 1

六条踩过的坑

  1. 单次成功不等于配置正确。 50% 概率下,连续 3 次成功是 12.5%,很常见。
  2. "某处能跑通"不能反证"环境没问题"。 cmd 里 claude 正常 ≠ CherryStudio 有问题,可能只是运气。
  3. 不要一上来改客户端。 客户端配置对了,链路坏的还是坏的;先证明链路健康,再谈客户端。
  4. 同一个进程的多个 fd 也要查。 ss 输出里两条 *:443 都指向同一个 xray,很容易被忽略成"IPv4/IPv6 双栈"。
  5. 只读诊断脚本要先行。 所有 diag*.sh 都是只读的,先把事实收集齐,再动配置。
  6. 写补丁之前先证伪。 我那版 CherryStudio 补丁逻辑上说得通,但根因假设是错的;验证实验救了它。

关于"官方已知缺陷"

排查中确实查到 CherryStudio 有一串相关 issue(#13833 / #13895 / #16016 / #15807),都与 Agent 子进程的代理注入有关,代码里也确实存在 SOCKS 分支不导出 HTTP_PROXY 的设计取舍。但那些都不是本次故障的原因。 同一类报错文案,背后的层级可以完全不同 —— 这也是为什么"搜到相似 issue"不能替代本地验证。


八、速查命令

# 1. 服务器上确认 443 是否只有一个监听者(最重要的一条)
ss -lnt 'sport = :443' | grep -c :443
# 输出必须是 1

# 2. 找出所有声明 443 的 xray 配置
grep -l '"port"[[:space:]]*:[[:space:]]*443' /etc/v2ray-agent/xray/conf/*.json

# 3. 改完先测配置再重启
/etc/v2ray-agent/xray/xray -test -confdir /etc/v2ray-agent/xray/conf
systemctl restart xray

# 4. 客户端侧:抓隧道里的原始响应
#    收到 \x12\x04... 说明对端在说 HTTP/2,不是 TLS

本文记录于 2026-11-17。所有数据均为同一台机器、同一时段实测。

本站所有文章内容在未注明的情况下均为原创,未经允许谢绝转载。

相关文章

环评水文地质章节核对实战:四个被抄错的硬数据

环评水文地质章节核对实战:四个被抄错的硬数据

背景 接手一个选矿厂环评项目的水文地质章节编写。委托人手上有一份土地前身(天然气液化项目)的岩土工程勘察中间资料、一套 1:500 地形图 CAD、一份邻区砖瓦…

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。