邮件服务器的Postfix队列持续积压,如何结合队列状态与日志定位原因?
看到 mailq 或 postqueue -p 中的邮件数量持续增加时,不能只根据队列总数判断故障位置。需要先确认邮件主要停留在 incoming、active、deferred 还是 hold,再用队列 ID 关联 Postfix 日志中的投递结果、远端响应和重试时间。这样才能区分远端服务器临时拒收、DNS或网络超时、Postfix本机资源不足,以及邮件根本没有进入队列等不同情况。
排查时建议先做只读采集,再从外部投递链路逐步进入本机进程、配置和队列文件。不要一开始就执行强制刷新、批量重投或删除队列;这些操作可能放大远端限流,也可能造成邮件不可恢复丢失。
A5数据为邮件收发、队列处理和日志留存等业务提供多地区物理服务器资源,覆盖中国香港、美国、日本、韩国、中国台湾、新加坡和马来西亚,支持不同CPU、内存、NVMe或大容量存储及网络线路组合。企业可依托多地区部署和相应带宽资源承载邮件系统、数据库与后台服务,并结合存储型方案满足队列数据、日志和归档文件的长期保存需求。
先确认积压发生在哪个队列
记录当前队列快照
先保存队列列表、Postfix版本和队列目录。命令不会删除或修改邮件,但队列列表中可能包含发件人和收件人地址,应限制文件权限。
umask 077
POSTFIX_VERSION="$(sudo postconf -h mail_version)"
QUEUE_DIR="$(sudo postconf -h queue_directory)"
SNAPSHOT="/var/tmp/postfix-queue-$(date +%Y%m%d-%H%M%S).txt"
printf 'Postfix version: %s\nQueue directory: %s\n' "$POSTFIX_VERSION" "$QUEUE_DIR" | \
sudo tee "$SNAPSHOT" >/dev/null
sudo postqueue -p | sudo tee -a "$SNAPSHOT" >/dev/null
sudo chmod 600 "$SNAPSHOT"
printf 'Snapshot saved to %s\n' "$SNAPSHOT"
预期结果是能够看到队列 ID、邮件大小、进入队列的时间、发件人、收件人以及最近一次投递失败原因。若只显示 Mail queue is empty,但业务仍报告邮件延迟,应重点检查:
- 查询的是否是实际承担投递任务的服务器;
- 是否存在Postfix多实例或容器,命令查看的队列目录是否正确;
- 邮件是否在应用、网关或其他中继服务器上,而非当前主机;
- 邮件是否已经显示
status=sent,问题转移到了下游邮箱系统。
在支持结构化输出的Postfix版本中,可以补充查看JSON队列信息:
sudo postqueue -j 2>/dev/null | head -n 20
如果命令报不支持或没有输出,不代表队列为空,使用 postqueue -p 作为兼容方式。
按队列状态理解积压位置
Postfix中的不同队列目录代表不同处理阶段,不能把所有目录中的文件都当成“投递失败”。
| 队列状态 | 常见含义 | 需要重点判断的现象 |
|---|---|---|
incoming | 邮件已接收,等待队列管理器处理 | 数量长期增加,通常要查qmgr、磁盘、权限或进程状态 |
active | 已被队列管理器选中,正在尝试投递 | 短时间存在正常;长期不减少可能是连接或投递进程阻塞 |
deferred | 最近一次投递失败,等待下一次重试 | 最常见的持续积压位置,应关联status=deferred原因 |
hold | 被管理员或策略显式暂停 | 不会自动投递,必须确认暂停原因后再释放 |
maildrop | 本地提交的邮件等待pickup接收 | 通常与本地程序、权限或pickup服务有关 |
corrupt | 队列文件损坏或格式异常 | 应保留文件和日志,避免直接删除后失去证据 |
deferred中的邮件会按照退避策略重试,因此日志并不一定每秒都有新记录。队列数量不变,同时重试间隔逐步拉长,并不等于Postfix完全停止工作。
可以使用 qshape 查看延迟队列的年龄分布和目标域分布。部分发行版需要额外安装Postfix附带的脚本包;如果系统没有该命令,不要为了排查临时替换系统组件。
sudo qshape deferred
如果输出显示大量邮件集中在较新的时间桶中,可能是近期突发流量或远端短暂异常。如果老化时间桶持续增长,尤其是数小时或数天前的邮件仍未减少,则更接近持续性投递故障。
队列数量还要结合流入和流出速率判断。例如,假设每分钟新增120封、成功投递80封,净增长就是每分钟40封;连续30分钟后,理论积压约为1200封。这个计算只能帮助判断趋势,不能代替日志分析,因为重试、退信和批量收件人会影响实际队列文件数量。
用日志建立一条可追踪时间线
先确定日志来源和时间范围
不同发行版的邮件日志位置不完全相同:
- Debian、Ubuntu常见为
/var/log/mail.log和/var/log/mail.err; - RHEL、CentOS、Rocky Linux、AlmaLinux常见为
/var/log/maillog; - 使用systemd日志的系统,可以通过
journalctl -u postfix.service查询; - 日志可能由rsyslog、syslog-ng或容器日志系统统一转发。
可以先从当前日志和systemd日志中查看指定时间段。下面的日期仅为示例,使用时应替换为故障实际开始和结束时间。
START="2025-01-15 10:00:00"
END="2025-01-15 11:00:00"
sudo journalctl -u postfix.service \
--since "$START" \
--until "$END" \
--no-pager
sudo grep -hE 'postfix/(pickup|cleanup|qmgr|smtp|lmtp|smtpd)' \
/var/log/mail.log /var/log/maillog 2>/dev/null | \
grep -E 'status=|NOQUEUE|connect to|timeout|SASL|TLS|relay='
如果故障发生在日志轮转前,还要检查压缩日志:
sudo zgrep -hE 'status=|NOQUEUE|connect to|timeout|SASL|TLS|relay=' \
/var/log/mail.log* /var/log/maillog* 2>/dev/null
日志时间和队列列表时间必须使用同一时区。主机使用UTC、应用使用本地时区,或者日志采集平台统一转成UTC时,都可能造成“看起来对不上”。建议记录主机当前时区和NTP状态:
date '+%F %T %Z %z'
timedatectl status 2>/dev/null | sed -n '1,12p'
如果时间同步异常,应先标记时间线可信度,不要仅凭时间先后做出结论。
识别Postfix日志中的关键字段
典型投递日志可能类似下面的示例。内容和地址为说明判断方法构造的示例,不代表已在读者环境执行。
Jan 15 10:21:04 mail01 postfix/qmgr[1842]: 3F8A912345: from=<sender@example.net>, size=1842, nrcpt=1 (queue active)
Jan 15 10:21:05 mail01 postfix/smtp[1921]: 3F8A912345: to=<user@example.org>, relay=mx.example.org[203.0.113.25]:25, delay=901, delays=0.08/0.02/30/870, dsn=4.4.1, status=deferred (connect to mx.example.org[203.0.113.25]:25: Connection timed out)
排查时重点看以下字段:
- 队列ID:如
3F8A912345,是关联队列文件和多条日志的主线。一次投递生命周期内通常保持不变。 from、to:确认是否集中于某个发件人、收件人或目标域。relay:确认实际连接的是哪个远端主机、IP和端口。delay:从进入队列到当前记录的累计延迟。delays=a/b/c/d:分别反映队列前等待、队列管理器处理、建立连接和传输阶段的耗时。最后一个数值明显偏大,通常说明连接建立后传输阶段缓慢或远端响应迟缓。dsn:投递状态码。4.x.x通常表示临时失败,5.x.x通常表示永久失败或策略拒绝。status:deferred表示等待重试,bounced表示永久失败后退信,sent表示远端SMTP服务器已经接收。- 括号中的原因:通常比状态码更有定位价值,例如连接超时、TLS握手失败、认证失败、远端返回限流或策略拒绝。
- 进程名和PID:如
postfix/smtp[1921],用于判断哪个投递服务在处理邮件。 client、sasl_username、TLS信息:主要出现在入站SMTP或提交服务日志中,可用于追踪是谁提交了大量邮件。
status=sent只说明对方SMTP服务器返回了成功接收,不代表邮件已经出现在最终用户收件箱。如果队列已经清空而用户仍未收到,应转查远端反垃圾系统、邮箱规则、下游网关或邮件内容策略。
按队列ID串起完整过程
拿到一个代表性队列ID后,不要只看最后一行。应从首次出现到最后一次重试完整查看:
QUEUE_ID="3F8A912345"
sudo journalctl -u postfix.service --no-pager | \
grep -F "$QUEUE_ID"
sudo grep -hF "$QUEUE_ID" \
/var/log/mail.log /var/log/maillog 2>/dev/null
sudo postcat -vq "$QUEUE_ID" 2>/dev/null | sed -n '1,120p'
postcat -vq可能显示邮件头、收件人和部分邮件内容,属于敏感信息。只应在授权的管理员终端执行,不要把完整输出复制到公开工单或聊天记录中。
一条正常的时间线通常类似:
pickup或smtpd接收邮件;cleanup生成队列文件并分配队列ID;qmgr记录邮件进入活动队列;smtp或lmtp尝试投递;- 出现
status=sent、status=deferred或status=bounced。
不同缺口有不同含义:

- 有
cleanup和qmgr,但长期没有smtp:邮件已经进入队列,本机投递进程、并发限制、资源或服务状态需要优先检查。 - 有
smtp,反复出现同一目标域的4.x.x:通常是远端临时拒收、连接失败、限流或目标域DNS异常。 - 出现
status=sent后仍被报告未收到:Postfix队列不是当前阻塞点。 - 只有
NOQUEUE:邮件在进入队列前被拒绝,不能用它解释已经存在的队列积压。 - 队列文件存在,但日志中找不到对应队列ID:可能发生过日志轮转、日志丢失、查询了错误实例,或文件来自异常恢复过程。
如果邮件经由本地应用提交,日志可能还会包含Message-ID、本地用户UID或提交客户端信息。当队列ID已经变化或日志不完整时,可以用“收件人地址+Message-ID+时间窗口”进行辅助关联。
按由外到内的顺序定位原因
先看是否集中于某个目标域
从队列列表和qshape deferred中观察目标域分布。如果大部分积压都指向一个域,优先检查该域的MX记录、目标IP连通性和远端返回码;如果所有目标域都受到影响,则更可能是本机资源、配置或出口网络问题。
可以从Postfix所在主机查询目标域邮件交换记录:
TARGET_DOMAIN="example.org"
dig "$TARGET_DOMAIN" MX +noall +answer
dig "$TARGET_DOMAIN" A +short
dig "$TARGET_DOMAIN" AAAA +short
预期是能够得到可用的MX主机和地址。异常分支包括:
- 没有MX记录,但存在A记录:SMTP发送端可能按域名A记录处理,需结合Postfix配置和RFC兼容性判断;
- MX记录指向不存在的主机:通常是目标域DNS问题;
- 只能解析出IPv6,但主机到IPv6出口不可用:日志中可能出现连接超时;
- DNS解析很慢或间歇失败:应检查本机解析器、递归DNS和网络,而不是马上修改Postfix重试参数。
如果需要测试TCP连接,应使用与生产路径一致的源主机,并注意某些网络环境会限制25端口。TCP端口可达也不代表对方会接受邮件,测试结果只能作为辅助证据。
TARGET_MX="mx.example.org"
nc -vz -w 5 "$TARGET_MX" 25
如果本机没有nc,不要直接从另一台主机替代测试;另一台主机的出口地址、DNS和防火墙路径可能完全不同。生产环境还应避免高频连接测试,以免触发远端限流。
根据远端响应区分临时失败和永久失败
日志中的错误文本通常可以直接把问题分成几类:
| 日志特征 | 更可能的方向 | 排查重点 |
|---|---|---|
Connection timed out | 网络路径、目标防火墙、远端无响应 | DNS解析结果、出口防火墙、目标IP和连接耗时 |
Connection refused | 目标端口未监听或主动拒绝 | 目标MX是否正确,是否连接到了错误IP |
Host or domain name not found | DNS或目标域配置异常 | MX、A/AAAA、递归DNS和缓存 |
TLS is required, but was not offered | TLS策略不匹配 | 远端能力、Postfix TLS级别和证书校验 |
SASL authentication failed | 中继认证失败 | 账号、密码映射、认证机制和中继配置 |
421、450、451、452 | 临时拒收或限流 | 远端策略、发送速率、并发量和IP信誉 |
550、551、553、554 | 永久拒收或策略拒绝 | 收件人、发件域、SPF/DKIM/DMARC和内容策略 |
status=sent | 对端已接受 | 转查下游投递、垃圾箱或最终邮箱策略 |
对于421、450等临时响应,不建议反复执行postqueue -f。强制刷新会让Postfix短时间内重新发起大量连接,可能进一步触发对方的限流。应先降低发送压力或等待远端恢复,再观察原有重试是否正常进行。
对于550等永久拒绝,也不要通过批量重投解决。需要先确认收件人是否有效、发件域认证是否完整,以及拒收文本是否指出信誉、策略或内容原因。
检查本机磁盘、inode和队列进程
当所有目标域都出现超时,或者incoming、active长期不下降时,再检查本机资源。先获取队列目录,不要假设一定是/var/spool/postfix。
QUEUE_DIR="$(sudo postconf -h queue_directory)"
df -h "$QUEUE_DIR"
df -i "$QUEUE_DIR"
sudo du -xhd1 "$QUEUE_DIR" 2>/dev/null | sort -h
sudo postfix status
重点判断:
- 磁盘空间接近100%:Postfix可能无法创建、移动或更新队列文件;
- inode耗尽但磁盘仍有剩余:大量小文件会导致新文件创建失败;
- 队列目录某个子目录异常膨胀:结合前面的队列状态判断是待投递、暂停还是损坏文件;
- Postfix未运行或关键服务反复退出:查看systemd状态和日志;
- 系统负载、内存或文件描述符不足:可能表现为投递进程启动慢、连接建立异常或队列转移停滞。
可以继续查看服务状态和最近的系统日志:
sudo systemctl status postfix.service --no-pager
sudo journalctl -u postfix.service --since "30 minutes ago" --no-pager
sudo journalctl -k --since "30 minutes ago" --no-pager | \
grep -Ei 'oom|out of memory|disk|inode|ext4|xfs|i/o error'
如果incoming长期有文件,但qmgr日志没有继续处理,优先排查Postfix服务、队列目录权限和磁盘错误。不要直接手工移动或删除队列目录中的文件;Postfix队列文件由数据文件和队列信息组成,手工操作可能造成邮件损坏或状态不一致。
检查配置、TLS和中继认证
在确认资源正常后,保存当前配置,再查看非默认配置项。postconf -n可能暴露中继地址、认证映射路径和网络策略,应限制输出范围。
sudo postconf -n
sudo postconf -h relayhost
sudo postconf -h smtp_tls_security_level
sudo postconf -h smtp_sasl_auth_enable
sudo postconf -h inet_protocols
sudo postconf -h default_process_limit
sudo postconf -h smtp_destination_concurrency_limit
重点核对:
relayhost是否被错误设置,导致所有邮件进入不可达的中继;smtp_tls_security_level是否要求远端必须提供TLS,但目标服务器不支持或证书校验失败;smtp_sasl_auth_enable和密码映射是否匹配当前中继要求;inet_protocols是否让Postfix优先使用不可用的IPv6路径;- 目标域并发限制是否过低,造成正常邮件处理速度不足;
- 是否近期修改过
main.cf、master.cf、DNS、证书或认证密码。
配置调整前应备份实际配置目录下的文件,并记录差异。配置目录不一定是默认位置,可以先查询:
CONF_DIR="$(sudo postconf -h config_directory)"
STAMP="$(date +%Y%m%d-%H%M%S)"
sudo cp -p "$CONF_DIR/main.cf" "$CONF_DIR/main.cf.$STAMP.bak"
sudo cp -p "$CONF_DIR/master.cf" "$CONF_DIR/master.cf.$STAMP.bak"
sudo postconf -n | sudo tee "/var/tmp/postfix-config-$STAMP.txt" >/dev/null
sudo chmod 600 "/var/tmp/postfix-config-$STAMP.txt"
修改后先检查配置,再重新加载,不要在原因尚未确认时同时修改多个参数。若变更导致异常,恢复对应备份,重新执行配置检查并加载。恢复配置也应保留操作记录,避免无法判断问题究竟由哪项变更引起。
根据结果选择处理路径
远端单域异常
如果只有一个或少数目标域积压,日志集中出现同一个MX、同一组IP或同一种4xx响应,处理重点在远端链路:
- 确认MX解析没有异常,且Postfix连接的是当前有效地址。
- 记录远端返回的完整SMTP响应,包括退回码和文本。
- 检查发送频率、连接并发和单IP限流情况。
- 等待Postfix按原有退避策略重试,不要连续强制刷新。
- 必要时联系目标域管理员,提供时间、源IP、目标MX和响应码。
如果同一域在不同IP上结果不同,应继续比较IPv4和IPv6路径、目标地址的黑名单或远端负载情况,不要仅根据域名级别下结论。
所有目标域都超时或TLS失败
所有外域同时异常时,应优先排查本机出口防火墙、云平台安全策略、上游网络和系统时间。TLS证书验证还依赖系统时间、CA证书和目标主机名;时间偏差可能让多个目标域同时出现证书错误。
不建议为了“先把队列发出去”而关闭TLS校验、降低安全级别或绕过证书验证。此类改动会扩大安全风险,而且通常不能解决网络不可达或远端拒收问题。
incoming、maildrop长期增长
这类现象说明邮件可能尚未进入正常投递阶段。应查看:
postfix/pickup是否持续出现;postfix/cleanup是否能为邮件分配队列ID;- 本地提交程序是否使用了错误的提交接口;
- 队列目录权限和磁盘inode是否正常;
master.cf中的服务是否被禁用或配置错误。
如果本地应用短时间产生大量邮件,还要回到发送源限制生成速率。仅刷新Postfix队列无法解决“进入速度大于处理速度”的问题。
hold队列有大量邮件
hold中的邮件不会自动投递。先确认是管理员手动暂停、内容审查策略、故障演练还是安全事件处置。只释放经过确认的队列ID,不要直接释放全部邮件。
QUEUE_ID="3F8A912345"
sudo postsuper -h "$QUEUE_ID"
sudo postsuper -H "$QUEUE_ID"
上面的-h会暂停指定邮件,-H会解除暂停。执行前应确认队列ID、影响范围和释放条件;如果释放后发现判断错误,可以再次对同一队列ID执行-h暂停。不要使用批量参数替代逐项核对。
postsuper -d会删除队列邮件,删除后不能通过Postfix撤销。除非已经完成业务审批、保留必要的邮件内容和审计记录,否则不要执行批量删除,更不要把ALL用于不明确的故障现场。
已经修复原因但队列仍未下降
修复DNS、网络、认证或配置后,可以先观察Postfix是否在下一个重试周期自动处理。如果需要立即触发一次投递,应在确认远端已经恢复、并发和速率可接受后执行:
sudo postqueue -f
这个命令只负责触发队列刷新,不会修复DNS、TLS、认证或远端拒收问题。如果根因未解决,刷新只会增加失败连接和日志噪声,甚至加剧限流。
修复后的复测与持续观察
复测不能只看“命令执行成功”,而要同时观察队列、日志和资源变化。可以在维护终端分别运行:
sudo journalctl -u postfix.service -f
watch -n 15 'sudo postqueue -p'
在多个重试周期内重点记录:
deferred总量是否停止增长;- 最老邮件的年龄是否开始下降;
qshape deferred中老时间桶是否逐步减少;- 同一目标域是否仍重复出现相同错误;
status=sent、status=bounced和status=deferred的比例变化;- 磁盘空间、inode、系统负载和Postfix进程是否稳定;
- 是否出现新的
NOQUEUE拒绝或本地提交失败。
正常恢复不一定意味着队列立即变成零。远端临时故障恢复后,旧邮件可能按照退避时间分批投递;只要老队列持续减少、新增速率没有重新超过投递速率,就说明处理链路正在恢复。相反,如果队列总量短暂下降后又快速上升,应重新比较新增邮件量、实际成功投递量和失败原因,确认是否只是一次强制刷新造成的短暂变化。
建议保留故障时的队列快照、代表性队列ID、完整错误文本、配置差异和修复时间。后续可以据此建立监控指标,包括队列总量、最老邮件年龄、各目标域积压量、临时失败比例、磁盘使用率和Postfix进程状态。这样下一次出现积压时,可以先判断是同类远端问题复发,还是本机处理能力和邮件生成速率发生了变化。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5481.html



