AutoDL算力云FinalShell实战：SSH连接优化与稳定性提升方案

共计 1926 个字符，预计需要花费 5 分钟才能阅读完成。

背景痛点

最近在使用 AutoDL 算力云进行深度学习训练时，发现 SSH 连接经常莫名其妙断开，让人非常头疼。经过排查，主要遇到以下几种情况：

• 训练到一半突然断连，需要重新连接查看进度
• 大文件传输中途失败，不得不重新开始
• 长时间空闲后连接自动断开

经过分析，这些问题主要源于：

1. NAT 网关超时机制：大多数云服务商为了节省资源，会主动关闭长时间空闲的 TCP 连接
2. 网络抖动：跨地区网络不稳定导致的数据包丢失
3. SSH 默认配置：未针对云环境进行优化

技术对比

尝试过多种 SSH 客户端后，FinalShell 在长连接维护上表现突出：

FinalShell 的内置心跳机制和自动重连功能，使其成为 AutoDL 云实例的最佳搭档。

核心方案

1. 服务端 SSH 配置优化

首先修改服务器端的 SSH 配置，增加 TCP Keepalive 支持：

# 修改 /etc/ssh/sshd_config
sudo vim /etc/ssh/sshd_config

添加或修改以下参数：

# 每 60 秒发送一次 keepalive 包
TCPKeepAlive yes
# 最大丢失 3 次 keepalive 后断开连接
ClientAliveInterval 60
ClientAliveCountMax 3

这些参数的作用是：

• TCPKeepAlive：启用 TCP 层的心跳检测
• ClientAliveInterval：服务端主动检查客户端存活的时间间隔 (秒)
• ClientAliveCountMax：允许的最大丢失心跳次数

修改后重启 SSH 服务：

sudo systemctl restart sshd

2. 自动重连脚本

在本地创建一个自动重连脚本 autoreconnect.sh：

#!/bin/bash
# AutoSSH 重连脚本
# 参数 1: 用户名
# 参数 2: 服务器 IP
# 参数 3: 端口号 (可选，默认 22)

USER=$1
HOST=$2
PORT=${3:-22}

while true; do
    echo "[$(date)] 正在连接 $USER@$HOST:$PORT"
    ssh -o TCPKeepAlive=yes \
        -o ServerAliveInterval=60 \
        -o ServerAliveCountMax=3 \
        -p $PORT $USER@$HOST

    echo "[$(date)] 连接断开，5 秒后重试..."
    sleep 5
done

脚本关键点：

1. 使用无限循环保持持续重连
2. 添加 SSH 客户端 keepalive 参数
3. 断开后延迟 5 秒重试，避免频繁连接

赋予执行权限并运行：

chmod +x autoreconnect.sh
./autoreconnect.sh your_username your_autodl_ip

3. FinalShell 高级设置

FinalShell 本身也提供了连接优化选项：

1. 打开 FinalShell 设置 → SSH 连接
2. 启用 ” 保持连接 ” 选项
3. 设置心跳间隔为 50 秒
4. 勾选 ” 压缩传输 ” 以减少数据量
5. 调整终端缓冲区大小 (建议 32768)

性能验证

网络稳定性测试

使用 iperf3 测试优化前后的带宽稳定性：

# 服务器端
iperf3 -s

# 客户端 (本地)
iperf3 -c 服务器 IP -t 60

测试结果对比：

断连次数统计

24 小时监控结果：

避坑指南

1. Keepalive 间隔不宜过短
2. 低于 30 秒可能触发云防火墙的异常检测

3. 建议保持在 45-120 秒之间

4. 内网穿透场景

5. 需要额外配置代理 Keepalive

6. 在~/.ssh/config 中添加：

   Host *
       ServerAliveInterval 60
       ServerAliveCountMax 3

7. GPU 实例注意事项

8. 监控 SSH 进程资源占用：nvidia-smi
9. 避免在 SSH 会话中直接运行图形程序

延伸思考

tmux 会话持久化

即使 SSH 断开，tmux 也能保持会话：

# 安装 tmux
sudo apt install tmux

# 新建会话
tmux new -s mysession

# 断开连接 (保持运行)
Ctrl+B, D

# 重新连接
tmux attach -t mysession

WebSocket 方案探索

对于极端网络环境，可以考虑：

1. 使用 websockify 建立 WebSocket 隧道
2. 配置 Nginx 反向代理 WebSocket
3. 通过浏览器访问 SSH 会话

这种方案能更好地穿透防火墙，但配置复杂度较高。

总结

通过上述优化，我的 AutoDL 云实例 SSH 连接稳定性显著提升。现在可以安心进行长时间训练，不再担心意外断连。完整的配置脚本已分享在 Gist：

查看完整配置

如果你也有类似需求，不妨试试这套方案。欢迎在评论区分享你的优化经验！