Postfix邮件队列持续积压时,如何判断是投递失败还是发送速度受限?

发布人:A5数据发布时间:2026-11-05 09:41阅读量:69

Postfix邮件队列持续增长,并不等于所有邮件都已经投递失败。队列中同时存在“等待重试的临时失败邮件”“正在投递的邮件”“尚未被投递进程处理的邮件”,也可能只是本机按照并发数或速率参数发送,速度低于业务产生速度。

判断重点不是单看 mailq 中的数量,而是把队列状态、Postfix日志、远端SMTP响应和时间线关联起来:如果日志长期只有 status=deferred、连接超时或远端拒绝,且成功投递几乎停止,通常更接近投递故障;如果仍有稳定的 status=sent,但每分钟完成量接近固定值,或远端持续返回 421、450、451、452 等临时响应,则更可能是本地发送速度受限或对方限流。

先确认队列到底在增长什么

查看队列状态和年龄

先做只读检查,不要直接执行删除队列或强制反复刷队列的操作。常用命令如下:

mailq

也可以使用:

postqueue -p

输出中通常可以看到队列ID、邮件大小、进入队列的时间、发件人和收件人。重点观察以下内容:

  • 队列总量是否在连续两个或多个时间点增长;
  • 邮件主要位于 active 还是 deferred;
  • 最早邮件已经等待多久;
  • 收件人是否集中在某一个域名;
  • 是否存在大量相同大小、相同发件人的邮件;
  • 队列中是否出现大量重复收件人,暗示应用重试或批量任务重复提交。

单次执行只能得到一个快照。例如,当前队列有 20,000 封邮件,并不能直接说明系统已经故障。若过去10分钟进入队列 30,000 封、成功投递 15,000 封,队列增加 15,000 封,说明发送能力低于输入速度;若队列数量不变,但最老邮件持续变老,则可能是重试周期、远端限流或某个目的域投递停滞。

如果系统安装了 Postfix 自带的 qshape 工具,可以进一步查看队列年龄分布:

qshape deferred
qshape active

不同发行版可能未默认安装该工具。如果命令不存在,不要根据路径猜测安装包名称,先使用发行版的包管理器查询,或直接通过 postqueue -p 和日志统计。

年龄分布通常比总量更有价值:

  • deferred 主要集中在最近几分钟,且 sent 日志持续出现,可能是正常积压或发送速率低于输入速率;
  • 存在大量数小时甚至数天前的邮件,且反复出现相同错误,更接近持续性投递故障;
  • 队列集中在一个目的域,其他域投递正常,优先检查该域的DNS、网络连接和远端策略;
  • 所有域都变慢,优先检查本机资源、Postfix进程、出站网络和全局速率配置。

确认邮件是如何进入队列的

Postfix日志中的 pickup 和 smtpd 可以帮助判断邮件来源:

  • postfix/pickup:通常表示本机上的应用、脚本或本地用户提交邮件;
  • postfix/smtpd:通常表示通过SMTP服务从其他主机提交邮件;
  • postfix/cleanup:负责整理邮件头和队列文件;
  • postfix/qmgr:负责从队列中取出邮件并安排投递;
  • postfix/smtp:负责向外部SMTP服务器投递。

如果 pickup 日志增长很快,但外发 smtp 的 status=sent 数量跟不上,可能是应用产生邮件过快,或者出站投递能力被限制。如果 smtpd 连接数和入站提交量异常增加,还需要排查是否存在误配置、循环投递或未经授权的批量提交。

建立原因树:失败、限流还是输入过快

可以把原因分成四层:网络层、系统层、Postfix服务层和应用或远端策略层。每一层都应先找到观察依据,再决定下一步,而不是看到队列增长就直接调大发送并发。

分支典型日志或现象更可能的判断
DNS或网络不可达Connection timed out、Network is unreachable、MX解析失败投递路径故障
远端临时拒绝421、450、451、452、4.7.x远端限流或临时策略
远端永久拒绝550、551、552、553、5.1.x地址、策略或内容永久失败
本机资源不足磁盘满、inode耗尽、内存压力、进程无法启动本地处理能力异常
本地速率参数生效status=sent 持续出现,但完成量接近固定上限本地并发或速率受限
应用提交过快pickup量明显高于sent量,发件人或主题高度重复输入速度超过投递速度
单一目的域积压其他域正常,某一域大量deferred该域网络、DNS或远端策略问题

这里的“投递失败”还需要区分永久失败和临时失败。status=bounced 通常表示永久性失败,邮件会生成退信并从正常投递流程中移除;status=deferred 表示暂时无法投递,Postfix会按重试策略继续保留邮件。因此,队列持续积压时,最需要重点分析的通常是 deferred,而不是只统计所有失败日志。

逐条关联Postfix日志

找到正确的日志来源

Debian、Ubuntu等系统通常使用:

/var/log/mail.log

RHEL、Rocky Linux、AlmaLinux等系统通常使用:

/var/log/maillog

使用systemd的系统也可能主要通过日志服务查看:

journalctl -u postfix --since "30 minutes ago" --no-pager

如果不确定Postfix是否直接写文件,可以先检查:

postconf -h maillog_file

该参数为空时,日志可能通过syslog或systemd统一收集。不要只固定查看某一个文件,否则可能遗漏实际的投递记录。

可先筛选关键结果:

grep -E 'postfix/(smtp|qmgr|pickup|smtpd).*status=' /var/log/mail.log

如果日志文件路径不同,将命令中的路径替换为实际路径。日志中可能包含收件地址、邮件主题或业务标识,生产环境中复制日志时应注意脱敏。

重点字段及含义

一条外发日志通常类似下面的结构。以下内容是模拟示例,用于说明字段关系:

Apr 18 10:21:03 mail01 postfix/smtp[18420]: 3F7A91234C: to=<user@example.net>, relay=mx.example.net[203.0.113.25]:25, delay=312, delays=0.2/0.1/5.0/306, dsn=4.7.1, status=deferred (host mx.example.net[203.0.113.25] said: 421 4.7.1 Try again later)

需要重点查看以下字段:

字段观察内容诊断价值
队列ID如3F7A91234C将同一封邮件的提交、重试和最终结果串起来
to=收件人或目的域判断是否集中在某个域
relay=实际连接的MX主机和IP判断DNS结果与实际连接目标
delay=从进入队列到本次记录的总延迟观察整体等待时间
delays=分阶段延迟区分排队、连接、传输和远端响应阶段
dsn=增强状态码区分临时、永久错误及策略类响应
status=sent、deferred或bounced判断最终投递结果
括号内文本SMTP服务器返回的原始说明判断超时、拒绝、TLS、地址或策略原因

对SMTP投递而言,delays=a/b/c/d 通常可用于粗略定位耗时阶段:

  • a:邮件从进入队列到交给投递进程前的等待时间;
  • b:建立连接相关的时间;
  • c:邮件内容传输阶段的时间;
  • d:等待远端SMTP服务器响应的时间。

不同版本和投递场景下字段表现可能略有差异,应把它作为定位线索,而不是脱离其他日志单独下结论。

例如:

delay=8.4, delays=8.1/0.1/0.1/0.1

如果大量邮件都表现为第一段较高,说明邮件主要耗在本机队列等待,可能是并发数低、投递进程不足或输入速度过快。

delay=290, delays=0.2/0.2/1.4/288.2

如果最后一段很高,且最终伴随 421、451 或连接超时,更应检查远端响应、网络路径或对方限流。

用队列ID串起完整时间线

不要只看最后一行错误。拿一个仍处于 deferred 的队列ID,例如 3F7A91234C,在日志中完整搜索:

grep '3F7A91234C' /var/log/mail.log

一个完整时间线可能是:

10:20:01 postfix/pickup[1201]: 3F7A91234C: uid=1002 from=<app@example.org>
10:20:01 postfix/cleanup[1205]: 3F7A91234C: message-id=<20240418102001.3F7A91234C@example.org>
10:20:01 postfix/qmgr[1198]: 3F7A91234C: from=<app@example.org>, size=18420, nrcpt=1 (queue active)
10:20:06 postfix/smtp[1210]: 3F7A91234C: to=<user@example.net>, relay=mx.example.net[203.0.113.25]:25, delay=5.2, delays=0.1/0.1/0.2/4.8, dsn=4.7.1, status=deferred (host mx.example.net said: 421 4.7.1 Try again later)
10:35:06 postfix/smtp[1350]: 3F7A91234C: to=<user@example.net>, relay=mx.example.net[203.0.113.25]:25, delay=905, delays=0.1/0.1/0.2/4.8, dsn=2.0.0, status=sent (250 2.0.0 queued as ABC123)

这个例子说明第一次投递没有成功,但邮件后来成功送达。若同一目的域大多数邮件都经历类似的 421 后再成功,通常更像远端限流,而不是本机完全无法发送。

如果只看到第一条 deferred,没有后续 sent,还不能立即判定永久失败。需要结合队列进入时间、Postfix重试间隔和当前时间继续观察。

按层排除问题

网络和DNS层

先从日志中的 relay= 获取实际目标主机,再检查MX解析。不要只测试某个公共DNS名称,因为Postfix使用的解析器、IPv4或IPv6路径可能与个人电脑不同。

dig MX example.net +short
getent ahosts mx.example.net

重点观察:

  • MX记录是否存在,是否指向过期或无法解析的主机;
  • 是否只有IPv6地址,而本机IPv6路由不可用;
  • 多个MX主机中是否只有某一个目标失败;
  • 日志中的IP是否与当前解析结果一致。

在获得授权且不会违反对方接入策略的前提下,可以从邮件服务器测试TCP 25端口:

nc -vz -w 5 mx.example.net 25

测试结果的含义并不绝对:

  • succeeded 只能说明TCP连接建立,不代表SMTP投递一定成功;
  • timed out 可能是本机出口、防火墙、安全组、上游网络或远端丢弃;
  • refused 可能是目标主机没有监听,或中间设备主动拒绝;
  • DNS正常但TCP失败,优先检查网络路径;
  • TCP正常但SMTP返回421或451,更接近远端策略或临时限流。

同时查看本机是否存在大量连接等待:

ss -tan | grep ':25'

如果连接大量处于 SYN-SENT,可能是建立连接受阻;如果连接已经建立但长时间无响应,则应结合delays最后一段和远端响应继续判断。不要仅凭连接数量就直接修改防火墙或提高并发。

系统资源层

Postfix需要磁盘空间、inode、内存和可用进程。如果队列目录所在文件系统接近耗尽,可能出现邮件无法写入、队列管理进程异常或日志无法记录等连锁问题。

df -h
df -i
free -m
vmstat 1 5

如果安装了sysstat,还可以查看磁盘等待:

iostat -xz 1 5

应重点检查:

  • /var/spool/postfix 所在分区是否满;
  • inode是否耗尽,即使磁盘容量仍有剩余;
  • 内存不足是否触发回收或进程被终止;
  • 磁盘等待是否长期偏高;
  • 系统时间是否正确,错误时间会影响日志时间线、TLS和队列年龄判断;
  • 日志分区是否满,导致关键投递记录缺失。

资源不足时,不要先用删除队列的方式“清理空间”。先确认哪些文件占用空间、哪些邮件仍需保留,并按业务留存要求制定处理方案。删除队列可能造成邮件丢失,也会破坏后续故障取证。

Postfix服务层

查看服务状态和基本配置:

systemctl status postfix --no-pager
postfix status
postconf -n

如果服务状态显示运行中,但队列完全不动,还要结合日志判断是队列管理进程没有获得投递机会,还是投递进程启动后立即失败。

可以重点检查与并发、速率和重试有关的参数:

postconf default_process_limit
postconf default_destination_concurrency_limit
postconf smtp_destination_concurrency_limit
postconf default_destination_rate_delay
postconf smtp_destination_rate_delay
postconf minimal_backoff_time
postconf maximal_backoff_time
postconf queue_run_delay

这些参数的作用方向不同:

  • default_process_limit影响Postfix服务进程总量;
  • *_destination_concurrency_limit影响向同一目的地建立的并发投递数;
  • *_destination_rate_delay会在同一目的地的连续投递之间增加间隔;
  • minimal_backoff_time和maximal_backoff_time影响临时失败后的重试间隔;
  • queue_run_delay影响队列扫描频率,但不等于每封邮件的实际发送速度。

如果配置中存在针对某个域的transport、rate或并发限制,还要检查对应的transport配置,而不能只看全局参数。修改配置前应保存当前有效配置,例如:

postconf -n > /root/postfix-main.cf.before-change

该操作仅保存文本配置。修改后先执行配置检查,再按维护流程重新加载服务:

postfix check
systemctl reload postfix

如果修改没有改善,应依据保存的配置逐项恢复并再次验证。不要为了验证“速度是否恢复”而直接把并发数大幅调高,这可能触发远端更严格的封锁,也可能造成CPU、内存和网络连接数压力。

应用提交和远端策略层

如果 pickup持续快速增加,而status=sent数量较低,优先检查应用、定时任务和消息重试逻辑:

  • 业务程序是否在SMTP提交失败后立即重复提交;
  • 队列任务是否发生重复消费;
  • 是否有批量营销、通知或报表任务突然启动;
  • 是否存在邮件循环,例如系统通知再次触发通知;
  • 单封邮件是否包含很大的附件,导致传输时间显著增加;
  • 是否只有一个应用账号或一个发件地址产生大量邮件。

可按发件人和目的域统计日志。以下是简单筛选示例,具体字段位置会因日志格式而变化:

grep 'postfix/smtp' /var/log/mail.log | \
grep -E 'status=(sent|deferred|bounced)'

如果大部分邮件都集中发往同一个域,并且出现以下响应:

421 4.7.1 Try again later
450 4.2.1 Mailbox temporarily unavailable
451 4.7.0 Temporary server error
452 4.2.2 Insufficient system storage

说明远端暂时没有接受邮件。此时应降低该目的域的并发和发送速率,保持重试,不要通过不断刷新队列强行冲击对方。

如果出现以下类型的响应:

550 5.1.1 User unknown
550 5.7.1 Message rejected
552 5.3.4 Message size exceeds fixed limit

则更接近永久性地址、策略或大小问题。增加本地发送速度无法解决,应该按错误类型修正收件人、邮件内容、大小限制或授权策略。

用几个特征区分“失败”和“受限”

更像投递失败的特征

满足的特征越多,越应优先排查故障,而不是调整速率:

  • 连续多个观察周期没有新的 status=sent;
  • deferred日志集中出现连接超时、DNS失败、路由不可达;
  • 所有目的域都受到影响;
  • 队列最老邮件持续变老;
  • delays中的连接或远端响应阶段明显偏高;
  • Postfix投递进程频繁退出或无法启动;
  • 邮件进入队列后长期没有对应的smtp投递记录;
  • 磁盘、inode、内存或网络出口存在明确异常。

更像发送速度受限的特征

以下情况更接近“能发,但发得慢”:

  • status=sent持续出现,发送成功率没有完全归零;
  • 每个5分钟窗口的成功投递数量接近固定值;
  • 队列主要集中在一个或少数几个目的域;
  • 远端持续返回421、450、451、452或4.7.x;
  • 日志中连接建立正常,但远端响应等待时间较长;
  • delays第一段持续偏高,说明邮件在本机等待投递机会;
  • Postfix配置中存在较低的目的域并发或速率间隔;
  • 应用每分钟提交量稳定高于每分钟成功投递量。

需要注意,远端限流本身也会以“临时投递失败”的形式出现在日志里。因此,“status=deferred”只说明当前投递没有完成,不能单独证明是网络故障或永久失败。必须继续看SMTP返回码、目的域分布和后续是否成功。

用几个特征区分“失败”和“受限”配图

验证恢复,而不是只看队列数量

找到疑似根因并处理后,至少观察一个完整的重试周期。恢复验证应同时看四组数据:

  1. 新提交邮件是否能在合理时间内出现对应的smtp日志;
  2. status=sent数量是否持续高于status=deferred;
  3. 队列总量和最老邮件年龄是否连续下降;
  4. 原先集中出现的错误是否停止或明显减少。

例如,处理远端限流后,合理的恢复迹象可能是:

10:40-10:45  pickup=1200  sent=700   deferred=500
10:45-10:50  pickup=1100  sent=1050  deferred=80
10:50-10:55  pickup=900   sent=980   deferred=25

这是用于说明判断方法的示例数据,不代表任何实际环境。第一阶段队列仍会增加,后两个阶段发送量超过新增量,队列才会逐步消化。

不要只执行一次 postqueue -f 后看到队列数量变化就认为恢复。强制刷队列可能让大量邮件同时发起连接,放大远端限流或本机资源问题。只有在确认网络、服务和远端策略已经恢复,并且明确了解该操作影响时,才考虑在维护窗口执行;正常情况下,Postfix自身会按照队列调度和重试策略继续处理。

对于单封测试邮件,建议使用已获授权的测试地址,并通过队列ID核对完整链路:

grep '<测试邮件对应的队列ID>' /var/log/mail.log

最终应看到类似:

status=sent (250 2.0.0 ...)

同时确认队列中没有继续产生相同目的域和相同错误的新邮件。

让问题在下一次更早暴露

邮件服务器不应只监控队列总数,还应建立与诊断过程一致的监控点:

  • 队列总量和最老邮件年龄;
  • active、deferred数量及年龄分布;
  • 每分钟pickup、sent、deferred和bounced数量;
  • 按目的域统计的临时失败率;
  • 421、450、451、452和5xx响应数量;
  • DNS失败、TCP连接超时、TLS协商失败;
  • Postfix进程数量、磁盘空间和inode使用率;
  • 本地并发、速率限制参数是否发生变化;
  • 应用提交量是否突然超过历史基线。

阈值应结合业务时效设置。作为排查起点,可以在连续三个采样周期队列都增长、最老邮件超过业务允许时延,或某一目的域的临时失败率在10分钟内持续升高时触发告警。磁盘和inode也应提前告警,避免等到队列无法写入后才发现资源耗尽。

最终判断可以归纳为一条可执行的链路:先看队列年龄和分布,再用队列ID关联日志;随后根据relay、delays、dsn和status定位阶段;最后用一段时间内的新增量、成功量和失败量验证是“完全投不出去”,还是“仍在发送但受到速率或远端策略限制”。

邮件队列处理涉及持续运行的服务进程、队列与日志存储,以及服务器的网络资源。A5idc数据提供香港、美国、日本等地区的物理服务器,配置涵盖多种CPU、内存与SSD或NVMe存储,并有不同线路和带宽方案,可为邮件服务及相关业务后台提供部署所需的计算、存储和网络资源。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/7620.html

相关推荐