Postfix邮件队列积压如何排查,怎样判断是投递失败还是发送过量

发布人:A5数据发布时间:2026-11-08 11:49阅读量:77

Postfix邮件队列积压,本质上是进入队列的邮件量暂时高于成功投递量,但“队列变大”本身不能直接说明原因。要判断是投递失败还是发送过量,必须同时观察队列增长速度、邮件进入队列的来源、投递结果以及远端返回的状态码。

判断时不要只看 mailq 的总数量。若 pickup、cleanup 日志持续快速增加,且同一账号、应用或来源地址产生大量邮件,通常属于发送量过高;若进入队列的速度正常,但大量队列邮件反复出现 status=deferred、连接超时、DNS失败或远端 4xx 响应,则更接近投递失败。两种情况也可能同时存在,例如应用突然重试导致发送量暴增,同时远端又因信誉或频率限制拒收。

问题树诊断配图

先确认积压的真实范围

查看队列数量、队列类型和最老邮件

首先确认积压发生在哪个队列,以及邮件已经等待了多长时间:

postqueue -p

也可以使用:

mailq

常见队列状态包括:

  • incoming:邮件正在进入队列,通常还未完成清理和排队。
  • active:当前正在由队列管理器处理,准备投递或已经开始投递。
  • deferred:此前投递未成功,等待下一次重试。
  • hold:被人工或规则暂停,不会自动投递。
  • maildrop:本地用户或程序通过本地投递接口提交、尚未由 pickup 处理的邮件。

postqueue -p 的末尾通常会显示队列请求数和总大小。队列总数只能说明当前存量,不能说明增长方向,因此至少需要间隔几分钟连续观察。例如:

postqueue -p
sleep 300
postqueue -p

如果第一次有 1200 封,5 分钟后变成 1800 封,说明净增长为每分钟 120 封左右。但还要结合投递成功数判断增长来自“进入太多”还是“投递太慢”。

如果系统安装了 Postfix 附带的 qshape 工具,可以进一步查看延迟队列按域名和年龄的分布:

qshape deferred
qshape active

某些发行版未将 qshape 放入默认路径,或者版本未提供该工具。此时可以先核对版本和队列目录:

postconf mail_version
postconf -h queue_directory

如果支持 JSON 队列输出,也可以使用:

postqueue -j

该方式适合交给脚本分析队列名、队列ID、到达时间、发件人和收件人,但不同 Postfix 版本支持情况可能不同,不能把 postqueue -j 作为所有环境的必备命令。

注意邮件数量和收件人数不是同一个指标

一个队列文件可能包含多个收件人,日志中的 nrcpt=20 表示一封邮件对应20个收件人。相同邮件可能随后产生多条投递结果,因此不能简单地用:

  • pickup 日志行数;
  • status=sent 日志行数;
  • 队列文件数量;

三者直接做一对一比较。

排查时应同时记录邮件级和收件人级数据:

  • 邮件级:队列ID、发件人、邮件大小、nrcpt。
  • 收件人级:目标域名、status、增强状态码、远端响应。
  • 时间级:进入队列时间、首次投递时间、最近一次重试时间。

例如,10分钟内有100封邮件进入队列,但每封邮件平均包含10个收件人,那么实际产生的投递对象可能接近1000个。

建立原因树:积压究竟来自哪里

可以把Postfix邮件队列积压分为四条主要分支:

  1. 进入量过大:应用重试、群发任务、账号被滥用或邮件循环。
  2. 远端投递失败:DNS、网络、TLS、远端限流、策略拒收。
  3. 本机资源或服务异常:磁盘、inode、内存、进程、权限或Postfix服务。
  4. 配置和调度限制:并发过低、延迟发送、指定传输通道被暂停。

核心判断可以简化为:

观察结果更可能的原因下一步
pickup、cleanup数量快速增加,来源集中本地程序或认证账号发送过量按 uid、sasl_username、客户端地址定位来源
进入队列速度正常,多个域名出现连接超时网络、DNS、出口端口或远端不可达检查MX解析、25端口、路由和防火墙
主要是一个目标域名返回 4xx远端限流或临时策略查看远端响应和重试趋势,避免立即强制刷新
大量 5xx、status=bounced地址、策略或内容被永久拒绝按增强状态码和远端文本分类
出现 queue file write error、磁盘满本机存储或inode耗尽先释放或扩容空间,再恢复投递
没有新的投递日志,队列长期不变服务、调度器或本机资源异常检查Postfix状态、日志和进程
pickup和投递结果都很高,但队列仍增长发送量超过当前投递能力计算进入速率与成功投递速率,定位发送来源

这张表只能帮助选择方向,不能替代日志关联。尤其是“发送过量”和“投递失败”可能同时发生。

从日志建立一条完整时间线

先确定日志来源和时间基准

常见Linux发行版的Postfix日志位置不同:

  • RHEL、Rocky Linux、AlmaLinux等系统通常使用 /var/log/maillog。
  • Debian、Ubuntu等系统通常使用 /var/log/mail.log。
  • 使用systemd或集中式日志时,可以先查看:
journalctl -u postfix --since "1 hour ago" --no-pager

如果Postfix通过系统日志服务写入文件,也需要检查对应的邮件日志:

grep -E 'postfix/(pickup|cleanup|qmgr|smtp|smtpd|local|virtual)' /var/log/maillog

Ubuntu或Debian环境可将路径替换为:

grep -E 'postfix/(pickup|cleanup|qmgr|smtp|smtpd|local|virtual)' /var/log/mail.log

日志轮转后,旧记录可能位于 .1 或压缩文件中。排查跨天积压时,不能只查看当前日志文件。还要确认系统时区、应用时区和集中式日志平台的时区是否一致:

date
timedatectl

日志中的时间如果相差数小时,容易把应用重试、队列进入和远端拒收错误关联错。

识别不同Postfix进程的含义

Postfix日志中的进程名称可以帮助还原邮件流转过程:

  • smtpd:通过SMTP接收外部或认证客户端提交的邮件。
  • pickup:从本地邮件投递目录拾取邮件,常见于本机程序提交。
  • cleanup:整理邮件头、分配队列ID并完成初步处理。
  • qmgr:管理队列,将邮件交给对应的投递代理。
  • smtp:向远端SMTP服务器投递。
  • lmtp:通过LMTP向本地邮件系统或其他LMTP服务投递。
  • local、virtual:本地用户或虚拟邮箱投递。
  • bounce:处理退信。

一个典型的示例时间线如下,日志内容仅用于说明字段含义:

从日志建立一条完整时间线配图

May 18 10:00:01 mail postfix/pickup[2101]: 7A3C12F001: uid=1002
May 18 10:00:01 mail postfix/cleanup[2104]: 7A3C12F001: message-id=<job-8842@example.net>
May 18 10:00:01 mail postfix/qmgr[1988]: 7A3C12F001: from=<notice@example.net>, size=24831, nrcpt=20 (queue active)
May 18 10:00:04 mail postfix/smtp[2110]: 7A3C12F001: to=<user@example.org>, relay=mx.example.org[192.0.2.10]:25, delay=3.1, delays=0.1/0.02/0.6/2.4, dsn=2.0.0, status=sent (250 2.0.0 accepted)

应沿着同一个队列ID查找相关记录:

grep '7A3C12F001' /var/log/maillog

如果一个队列ID对应多个收件人,还要关注每个收件人的独立结果。一个收件人可能已经 sent,另一个收件人仍然 deferred。

重点关注哪些字段

字段判断作用
队列ID串联同一封邮件从接收、排队到投递的日志
from=查看发件人是否集中在某个账号、域名或异常地址
to=判断目标域名是否集中,识别单一远端故障
nrcpt=了解一封邮件包含多少收件人,避免只按邮件数估算
size=判断是否为大附件或异常大邮件造成资源压力
client=查看SMTP提交来源地址和主机名
sasl_username=判断是否由某个认证账号提交
uid=关联本机程序、系统账号和服务进程
relay=确认实际连接的是目标MX还是中继服务器
dsn=查看标准投递状态,如临时失败或永久失败
status=区分 sent、deferred、bounced 等结果
delay、delays=判断时间主要消耗在排队、建连还是传输
括号内的远端文本了解超时、限流、策略拒绝和TLS错误的具体原因

status=sent通常只表示对方SMTP服务器已经接受邮件,不等于邮件已经进入最终收件箱。status=deferred表示本次没有成功,Postfix会按重试策略再次投递;status=bounced通常表示永久失败或达到退信条件。

delays=a/b/c/d中的各段时间可以用于判断瓶颈位置。不同版本日志细节可能略有差异,但通常可以从中观察邮件在本地排队、队列调度、建立远端连接和传输阶段分别消耗了多少时间。如果最后一段明显偏大,可能是传输慢、远端读取慢或网络质量问题;如果队列等待时间明显偏大,则可能是并发、调度或资源不足。

逐层排除:先看进入量,再看投递结果

第一层:判断是否属于发送过量

发送过量的直接证据通常来自邮件进入队列的日志,而不是队列本身。重点查看以下来源:

本地程序提交

如果大量记录来自:

postfix/pickup: ... uid=1002

说明邮件由本机用户或程序通过本地接口提交。此时应继续关联:

  • UID对应的系统账号;
  • 定时任务、Web应用、订单系统或批处理程序;
  • 应用自身的重试日志;
  • 同一时间是否有批量任务启动;
  • 同一邮件内容或 message-id 是否反复出现。

如果应用在Postfix暂时失败后无条件重试,可能形成“应用重试增加队列,队列增加又导致处理变慢”的循环。

SMTP认证提交

如果日志中频繁出现:

sasl_username=account@example.net

应按认证账号统计提交量,并结合 client= 查看来源地址。示例:

postfix/submission/smtpd[3102]: client=unknown[198.51.100.23],
sasl_method=PLAIN, sasl_username=account@example.net

单个账号在短时间内向大量外部域名提交,且与正常业务行为不符,可能是账号凭据泄露、脚本滥用或批量任务配置错误。此时不能只清理队列,还应检查认证系统、应用密钥和登录来源。

外部连接或转发配置异常

如果外部客户端可以直接通过本机向任意域名投递,而日志中没有合理的认证信息,需要检查中继限制和接收策略。不要仅凭“连接很多”判断开放转发,必须结合:

  • 客户端来源;
  • 是否认证;
  • 收件人域名是否属于本地域;
  • smtpd_recipient_restrictions、smtpd_relay_restrictions等实际配置;
  • 是否存在受信任网段配置过宽。

查看当前生效配置:

postconf -n

不要直接把完整配置和日志发布到公开位置,其中可能包含内部域名、账号、地址或中继凭据。

通过速率计算确认

设某个10分钟窗口内:

  • 新进入队列的邮件为1600封;
  • 完成投递或退信的邮件为600封;
  • 队列由1000封增加到2000封。

净增长为1000封,平均每分钟增加100封,即每小时约增加6000封。这个结果只能说明进入量高于处理量,是否属于异常还要和业务基线比较。如果此时 pickup和cleanup突然高于平时,而投递成功率没有明显下降,优先检查批量任务、重复重试和账号滥用。

第二层:判断是否是远端投递失败

可以先按投递状态筛选日志:

journalctl -u postfix --since "30 minutes ago" --no-pager \
  | grep -E 'status=(deferred|bounced|sent)'

传统日志文件可以使用:

grep -E 'status=(deferred|bounced|sent)' /var/log/maillog

判断重点如下:

  • status=deferred加dsn=4.x.x:通常是临时失败,常见于限流、连接超时、远端暂时不可用。
  • status=bounced加dsn=5.x.x:通常是永久失败,例如地址不存在、策略拒绝或域名配置问题。
  • status=sent:远端服务器接受当前投递,但不代表最终用户已经收到。
  • 只有队列ID和qmgr日志,没有后续投递日志:可能仍在等待调度,也可能是队列管理器、传输进程或本机资源异常。

示例:

postfix/smtp[4120]: 8D21A4003B: to=<a@example.org>,
relay=mx.example.org[192.0.2.20]:25, dsn=4.7.0,
status=deferred (host mx.example.org said: 421 4.7.0 temporary rate limit)

这类结果更接近远端临时限流。若目标域名集中在一个服务商,且其他域名投递正常,应优先按目标域名和远端响应处理,而不是立即判断本机Postfix故障。

另一种情况是多个目标域名都出现:

connect to mx.example.org[192.0.2.20]:25: Connection timed out

此时需要转向网络、出口策略或本机防火墙检查。

第三层:检查DNS、网络和TLS

先确认Postfix实际使用的投递路径。如果配置了中继服务器,应检查中继而不是直接测试收件人域名:

postconf relayhost
postconf transport_maps

对目标域名查询MX记录:

dig +time=3 +tries=1 MX example.org

如果没有MX记录,再根据邮件系统规则检查A或AAAA记录。DNS查询成功不代表SMTP连接一定成功,还要测试实际目标地址的25端口:

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

测试对象应替换为日志中的实际远端主机。该命令只测试TCP连接,不会发送邮件。若环境未安装 nc,应使用发行版提供的等效诊断工具,不要为了排障随意修改防火墙。

需要区分几种结果:

第三层:检查DNS、网络和TLS配图

  • DNS查询失败:检查本机解析器、上游DNS和目标域名配置。
  • DNS正常但25端口超时:检查出口网络、云平台邮件端口策略、路由和防火墙。
  • 连接被拒绝:远端服务未监听、策略拒绝或连接到了错误地址。
  • TCP连接成功但TLS协商失败:检查证书、协议兼容性、SNI以及远端加密要求。
  • 连接和TLS都正常,但返回4xx或5xx:优先分析远端策略、信誉、频率和地址有效性。

如果需要观察TLS握手,可以使用不会提交邮件的方式:

openssl s_client -starttls smtp \
  -connect mx.example.org:25 \
  -servername mx.example.org

这只适合诊断握手,不应在未确认目标和授权范围时进行批量测试。

针对邮件系统对网络连通性、磁盘队列和持续处理能力的要求,A5idc数据提供香港、美国、日本、韩国、新加坡等地区的物理服务器,覆盖CN2、国际及地区优化线路,并配备不同规格的CPU、内存、SSD或NVMe存储。企业可将Postfix、日志分析和业务程序部署在相应资源环境中,结合多IP、大带宽及大容量存储方案,承载跨地区邮件投递、队列数据保存与运维分析等场景。

第四层:检查系统资源和Postfix服务

邮件队列大量增长时,磁盘空间和inode耗尽是常见的本机原因。先取得队列目录,再检查所在文件系统:

queue_dir=$(postconf -h queue_directory)
df -h "$queue_dir"
df -i "$queue_dir"
du -sh "$queue_dir"/* 2>/dev/null

重点观察:

  • 磁盘使用率是否接近满;
  • inode是否耗尽;
  • deferred目录是否异常膨胀;
  • 日志文件是否占满同一文件系统;
  • 是否存在大附件或异常邮件持续写入。

同时查看服务状态和近期告警:

systemctl status postfix --no-pager
postfix status
postfix check
journalctl -u postfix -p warning..alert --since "1 hour ago" --no-pager

出现以下信息时,应优先处理本机问题:

  • queue file write error
  • cannot access ...
  • fatal: ...
  • unable to create lock file
  • out of memory
  • No space left on device
  • 大量进程启动失败或达到进程上限

不要在不清楚队列目录权限和所属关系时直接执行递归chmod或chown。Postfix的队列目录包含多个专用子目录和权限要求,错误修改可能导致邮件无法进入队列。先保存配置和检查结果,在明确发行版、运行方式和包管理状态后再修复。

第五层:检查并发、延迟和传输配置

Postfix本身可能没有故障,但被配置为低速发送,或者某个传输通道被暂停。重点查看:

postconf -n | egrep \
'^(relayhost|transport_maps|defer_transports|soft_bounce|queue_run_delay|maximal_backoff_time|minimal_backoff_time|default_destination_concurrency_limit|smtp_destination_concurrency_limit|default_destination_rate_delay|smtp_destination_rate_delay|maximal_queue_lifetime)'

需要特别留意:

  • defer_transports:指定传输被延迟,可能导致邮件长期停留在队列。
  • transport_maps:某些域名可能被路由到错误或不可达的服务器。
  • relayhost:所有外发邮件都依赖某个中继时,中继故障会造成大范围积压。
  • smtp_destination_concurrency_limit及相关并发参数:过低会让投递能力受限,过高则可能触发远端限流。
  • default_destination_rate_delay:发送间隔过大时,队列会持续增加。
  • minimal_backoff_time、maximal_backoff_time和queue_run_delay:影响失败后的重试节奏。
  • soft_bounce:测试环境中如果启用,某些本应永久失败的邮件可能继续保留为延迟状态。

这些参数不能脱离业务量和远端策略直接调大。提高并发可能暂时降低队列,但也可能使远端限流更严重,甚至扩大信誉风险。

根据证据定位根因

完成前面的检查后,可以用“进入量”和“投递结果”组合判断:

进入队列的速度投递结果典型判断
高于正常水平sent比例正常发送任务、账号或应用产生过量邮件
正常大量deferred远端临时失败、网络或中继故障
高于正常水平大量deferred发送过量与投递失败同时存在
正常几乎没有投递结果队列调度、服务进程或本机资源异常
高于正常水平大量bounced应用发送了大量无效地址,或目标策略集中拒绝
低于正常水平队列仍持续增长历史积压尚未消化,或实际投递能力已经明显下降

发送过量的典型证据链

一条比较完整的证据链应当类似:

  1. pickup或认证 s m t p d日志在某个时间点突然增加。
  2. 队列ID对应的发件人、认证账号、UID或客户端地址高度集中。
  3. 应用任务日志显示批处理、重试或异常循环。
  4. 投递日志中并非全部失败,部分邮件已经正常sent。
  5. 停止或限制来源后,新进入队列的速度明显下降。

如果只看到大量队列,却没有上述来源证据,不能直接认定为发送过量。

投递失败的典型证据链

另一条证据链可能是:

  1. 新进入队列的速度接近正常基线。
  2. 同一目标域名反复出现status=deferred。
  3. dsn=4.x.x、连接超时、TLS失败或远端返回临时限流。
  4. 重试间隔增加,最老邮件年龄持续上升。
  5. DNS、网络或远端服务恢复后,成功投递数量开始超过新增数量。

如果所有目标域名都失败,应先检查本机出口和中继;如果只有某个域名失败,则优先分析该域名的MX、响应文本和频率限制。

采取恢复动作时避免扩大故障

对异常来源先限流或暂停

如果确认某个账号、程序或任务正在持续产生异常邮件,应优先停止源头重试、暂停批处理或收紧提交速率。对于已经确认不应继续外发的少量队列邮件,可以按队列ID暂时挂起:

postsuper -h 7A3C12F001

恢复单封邮件时:

postsuper -H 7A3C12F001

执行前应记录队列ID、发件人、收件人和原因,并确认具备管理员权限。挂起不会删除邮件,但会改变其投递状态。批量挂起前应明确范围,避免误伤正常业务。

不要把删除队列作为第一反应。删除操作可能不可逆,并且会破坏后续取证。若确需清理,应先按业务要求备份必要的邮件头、队列ID和审计记录,并明确影响范围。

修复网络或中继后再恢复投递

确认DNS、网络或中继已恢复后,才考虑触发队列重新投递:

postqueue -f

该命令可能让大量延迟邮件立即重新建立连接。如果远端仍在限流,强制刷新会增加连接压力和失败次数。因此执行前应确认:

  • 远端临时错误已经消失或明显减少;
  • 本机磁盘、内存和进程资源正常;
  • 并发和速率配置不会造成突发流量;
  • 已经准备好观察日志和回滚措施。

如果修改了Postfix配置,先保存当前配置:

postconf -n > /root/postfix-n-$(date +%F-%H%M%S).conf

修改后检查配置并重新加载:

postfix check
postfix reload

若验证失败,应根据保存的配置恢复原值,再次执行postfix check。不要在高峰期同时修改并发、重试时间、传输路由和认证策略,否则难以判断哪个变化产生了影响。

验证队列是否真正恢复

恢复不是“队列数量下降一次”,而是趋势连续改善。建议至少观察以下指标:

  • 新进入队列的速度是否回到正常范围;
  • active和deferred数量是否持续下降;
  • 最老邮件年龄是否缩短;
  • status=sent是否持续增加;
  • 同一目标域名的4xx或连接错误是否减少;
  • 是否出现新的异常发件人、认证账号或本地UID;
  • 磁盘和inode是否仍在增长;
  • Postfix服务是否稳定,没有新的fatal或写队列错误。

例如,处理完成后连续10分钟内:

验证队列是否真正恢复配图

  • 新增邮件约每分钟20封;
  • 成功投递约每分钟80封;
  • deferred数量从5000降到4400;
  • 同一远端的421错误不再增加;

这说明投递能力已经高于进入量,队列开始消化。即使队列暂时仍有数千封,也不代表故障没有恢复。

对于关键业务,可选择一两个受控收件人进行验证,并同时检查Postfix日志和远端服务器的接收记录。需要再次强调,Postfix记录status=sent只代表远端SMTP服务器接受,不代表最终邮箱一定完成投递。

建立复发监控点

为了避免下次只能在队列堆满后处理,建议围绕“数量、速度、年龄、来源、结果”建立监控:

  • active、deferred和hold队列数量;
  • 最老队列邮件的年龄;
  • 每分钟新增邮件数和收件人数;
  • 每分钟sent、deferred、bounced数量;
  • 按目标域名统计的4xx、5xx和连接超时;
  • 按uid、sasl_username、客户端地址统计的提交量;
  • DNS解析失败、TLS失败和SMTP连接耗时;
  • 队列文件系统的磁盘空间和inode;
  • Postfix进程数、服务状态及日志写入情况。

告警阈值应以正常业务基线为准,而不是套用所有服务器都适用的固定数字。例如,可以设置“队列连续两个观察周期净增长”“最老邮件超过正常投递时限”“单一账号提交量明显偏离历史范围”“同一远端连续返回临时错误”等复合条件。

实际排查时,最有价值的关联键仍然是队列ID、时间、来源和目标域名。只看队列总数容易把发送过量误判成投递失败,也容易忽略两者同时发生的情况;把pickup、cleanup、qmgr和最终投递日志串成时间线,才能确定邮件是没有及时进入投递流程,还是已经投递但被网络或远端服务器反复拒绝。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/8262.html

相关推荐