设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 4829|回复: 19
打印 上一主题 下一主题

[信息技术] 阿里云排雷

[复制链接]
  • TA的每日心情
    奋斗
    2021-4-20 05:43
  • 签到天数: 300 天

    [LV.8]合体

    跳转到指定楼层
    楼主
     楼主| 发表于 2023-5-17 14:48:31 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    喷了一下阿里云7 h7 X. r8 O: P! {+ Z
    # X) \4 G9 z6 k! j( I/ L
    在GPT4的帮助下,迅速找到了问题根源。- G( H& k) P9 R; d
    / i) z- ^& R/ H4 M4 r  Q
    我的问题是:Ubuntu22.04中,kswap进程启动后,机器就卡死了。swap空间一点没占用。可能是什么问题?
    : D' s, j7 f, @! u; k$ Y- i# S1 X. h) {
    : S' t2 M3 c- {6 q$ B9 dGPT4的回答是: 9 F3 ^, l+ v6 K8 ~
    1 H8 ]8 T  A1 ~6 S$ E% F+ w
    在 Linux 系统中,kswapd 是内核线程,它的主要职责是在系统内存压力大的情况下回收(释放)内存,以便给新的进程提供内存空间。它通过将内存中的数据移到 swap 空间(也就是硬盘)来实现这个功能。如果你看到 kswapd 进程占用了大量的 CPU 时间,并且系统变得非常缓慢,那可能是内存压力过大导致的。
    / W  g. [7 K0 y( z  }- V- E& K% p  r
    然而,你提到 swap 空间没有被占用,这就比较奇怪了。这可能是由于以下几种情况导致的:
    4 h$ c. e$ K( `( j9 [& `- c4 N; f* X! D# n: X; T# S
    内存泄漏:有一个或多个进程可能在不断地消耗内存,但没有正确地释放它。你可以使用 top 或 htop 命令来检查哪个进程占用了大量的内存。
    + t; {6 O! E* g$ M  q# }+ w! `0 A: ?) k
    Swap 使用被限制或禁用:在某些情况下,系统可能被配置为尽量不使用 swap 空间。你可以通过 cat /proc/sys/vm/swappiness 命令来查看 swappiness 参数的值。这个值的范围是 0 到 100,数值越大,系统使用 swap 的可能性就越大。如果这个值非常低,你可能需要提高它。
    / V# _/ O" T! H" r' U/ O1 V
    : N5 k$ h: }- }% X错误的内存管理:在某些罕见的情况下,可能是由于内核的错误或硬件问题导致的内存管理问题。在这种情况下,你可能需要升级内核或检查硬件。
    & x, A9 @9 ^3 ~% G
    % k  ^( ^4 F6 ^9 i为了进一步排查问题,你可能需要更详细地监控系统的内存使用情况,并检查相关的系统日志。你也可以尝试使用一些内存管理和优化工具,如 earlyoom 或 nohang,来自动处理低内存情况。如果问题持续存在,你可能需要寻求专业的技术支持。

    0 i+ _& ?7 u$ M& O! Q3 O) _- O9 H- }( P" Y: Y; V
    我在Google中,后来找到正确关键字,在stackoverflow也找到正确答案:https://askubuntu.com/questions/ ... taking-a-lot-of-cpu7 c- O4 w/ W* S- R3 h- p
    ( n# X' k; \3 K% q& I, T, B
    在阿里云中,swappiness数值是0,也就是,永远不要使用swap分区。所以虽然我设置了swap,但是内存根本不会存到swap里,kswapd进程自己都拿不到内存。把最后一个bit的内存榨干后,系统完全当机。% i6 `& W# ^6 v2 A
    * C# m3 ^. }" S4 t
    我修改这个数值为60后,就没有问题了。swap分区开始工作,ssh也可以连上。3 t  q/ R1 n5 q6 n& H

    % t' G3 ^& q3 m/ Z( e  l# a但是,这个数值在其他Ubuntu系统中都是60,不管是22.04/20.04/18.04,不管是AWS,ServaRICA还是我自己的服务器。阿里云的为什么这么特殊呢?
      E: O- O  _. C' O0 g
    7 o' R; x1 _6 b' d最后在/etc/sysctl.conf配置文件中,第一行赫然写着 vm.swappiness=0。而在其它系统中,配置文件里都没有这个设定。
    6 a. A$ n! `0 n4 R+ h" J1 ~( y
    & k" X9 e' B2 c+ n: S阿里为啥要改Ubuntu的默认配置?搜索了一下,在Google找到了阿里云的官方指导:https://developer.aliyun.com/article/1151641。页面虽然已经404了,但是Google cache还能看到:在服务器和容器平台建议关闭SWAP,避免内存交换影响服务器性能,甚至引发数据丢失。* r5 v3 P5 @, ^& [: _

    0 }/ S" E' O, ~- g但是,我们知道,不管你内存多大,都要开启swap。毕竟谁也不能保证你的内存是足够大的。自己家里机器随便折腾没事,服务器要24x365在线的。阿里云为什么这么反人类呢?我觉得有一个帖子说的对:“借此让用户购买更大的内存!”
    2 r0 \; g$ f/ T' l4 `" ^% O
    $ a1 B1 e1 J! x0 G* E4 i2 S喷完了,还要继续搞明白node为啥占这么多内存?我看node的进程数越来越大,貌似在不停的fork。当然也可能是内存泄露,swap分区最终也被占满了。' h$ X! N( U/ Q' A& F/ z
    " w% v3 e; d: f( y  T$ ^$ ]

    评分

    参与人数 6爱元 +56 收起 理由
    常挨揍 + 10
    indy + 10 谢谢分享
    水风 + 8
    李根 + 10 谢谢分享
    老财迷 + 8

    查看全部评分

  • TA的每日心情
    奋斗
    2025-2-10 14:12
  • 签到天数: 1741 天

    [LV.Master]无

    沙发
    发表于 2023-5-17 15:01:56 | 只看该作者
    猫腻真不少
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2021-6-29 00:36
  • 签到天数: 14 天

    [LV.3]辟谷

    板凳
    发表于 2023-5-17 16:24:44 | 只看该作者
    草得嘞,阿里云这么流氓?很早很早以前玩solaris的时候,建议swap分区配置成物理内存的2~3倍。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    2017-8-11 14:49
  • 签到天数: 2 天

    [LV.1]炼气

    地板
    发表于 2023-5-17 19:21:01 | 只看该作者
    我们那种1T2T内存的机器,连swap都不建了。
    / x7 l( x# i6 J( e- o5 @一般情况下swap还是要建的。当然太大也没意思,有个10g也就够了吧
    ! r& e+ s: S, Y1 h) `3 Q' k
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2021-4-20 05:43
  • 签到天数: 300 天

    [LV.8]合体

    5#
     楼主| 发表于 2023-5-18 07:01:37 | 只看该作者
    straw 发表于 2023-5-17 19:21$ U" \) e" Q/ p' C- D3 S
    我们那种1T2T内存的机器,连swap都不建了。. I/ x2 b+ a2 y% P+ k. c0 [$ @# L3 r
    一般情况下swap还是要建的。当然太大也没意思,有个10g也就够了 ...

    0 J% v! C/ B- B# k8 \* f你可以默认不建swap分区,但不能偷摸让我建立了swap分区也不能用。我很难用善意去揣度他们这么折腾的目的。

    点评

    给力: 5.0
    给力: 5
      发表于 2023-5-18 11:15
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    6#
    发表于 2023-5-19 15:59:44 | 只看该作者
    这个不得不说冤枉阿里云了,之所以将vm.swappiness默认设置为0,纯粹是因为技术原因。因为在云环境下,对磁盘的访问其实是通过网络访问分布式存储。如果使用swap,那么很多服务端软件的磁盘io变成了网络io,性能会急剧下降,这个对企业应用来说是不可接受的。' s1 r$ g2 [, Q3 O# K- E
    $ C7 C* g! O- ?8 I. p  o1 e
    这个设置貌似ecs刚上线时候没多久就确定了,应该还参考了ec2的设定,时间太久远,有点不记得了。另外阿里云ecs的帮助文档里面应该有关于这方面的说明。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2021-4-20 05:43
  • 签到天数: 300 天

    [LV.8]合体

    7#
     楼主| 发表于 2023-5-19 19:16:35 | 只看该作者
    季侯 发表于 2023-5-19 15:59
    % I1 c" T% C9 n* z/ x* d这个不得不说冤枉阿里云了,之所以将vm.swappiness默认设置为0,纯粹是因为技术原因。因为在云环境下,对磁 ...

    8 w) e- [0 b9 s6 a2 l! ]3 l9 t这个要商榷。现在网络数据是非常快的,尤其是同一机房内部,千兆起步。速度可能比一般的硬盘还快。我当初将DB服务器分离出去,最开始也有这个担忧。磁盘io变成网络io会变慢。后来发现是完全多虑了。
    5 b* {) h3 j8 I' H( }! i+ D) [! ?" ]2 F+ T; L5 p+ ^9 v% V
    要避免网络io,默认没swap分区就行了。用户想用自己创建swap分区自己承担责任就成了。AWS就是这么搞的。
    2 E+ o+ p, Q0 f9 H$ ~2 `8 C
    9 `2 I6 L9 l7 m网络比硬盘慢,总比把内存耗光当机为好。服务器多层保护没啥不好,当你觉得意外不可能的时候,他总会发生。就是有T级的内存,也不能保证够用哦,不够了,慢点比挂掉好。再说了,要配置足够用的内存,不要多预留富裕多花钱吗。我觉得这才是阿里决策的重要原因吧。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2023-8-28 01:10
  • 签到天数: 1748 天

    [LV.Master]无

    8#
    发表于 2023-5-19 21:23:50 | 只看该作者
    可梦之 发表于 2023-5-19 06:169 j. H" g, Z2 R
    这个要商榷。现在网络数据是非常快的,尤其是同一机房内部,千兆起步。速度可能比一般的硬盘还快。我当初 ...
    + f  N0 H5 z$ k
    我觉得你的一个点是非常对的,“要么干脆不让用户用swap,如果让用户开了swap,那么就必须让它是工作的”,阿里的现在的做法实在是无法理解,
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    9#
    发表于 2023-5-20 09:18:15 | 只看该作者
    可梦之 发表于 2023-5-19 19:161 r( M. E# t3 [2 {; y! Q
    这个要商榷。现在网络数据是非常快的,尤其是同一机房内部,千兆起步。速度可能比一般的硬盘还快。我当初 ...
    * `: P3 B6 f! p/ G4 e2 W' ?
    千瓦网络并不快啊,其实在13/14年时候,阿里云机房里面已经是万兆网络了,现在估计已经是10万兆网络了。  ^% V% |1 X7 g' \

    2 R! m$ I$ a- Z- W另外最大问题是确定性,本来跑的好好的服务,突然变慢了,查来查去是因为使用了swap,从本地磁盘调用到了网络io,这个是很尴尬的。0 I- S3 F2 Z2 _6 ?5 W; C

    7 P$ T8 h0 _* W( b5 k8 ^* F当你只管理维护一两台服务的时候无所谓,如果要管理成千上万服务器时候,这种不确定性带来的问题是必须避免的。5 L/ Y- H  S0 r, G2 y: I( |6 _
    5 h  J9 E% H9 D8 S2 S" W
    另外这个配置应该是11/12年左右我定的,决定时候根本没有考虑让用户多用内存的因素,解决问题都来不及,哪有那闲心。, K( t- i1 J5 T  S- E$ r- D  W' j( t

    0 @. ]7 P2 L2 z闲人一思考,上帝就发笑。7 F7 S7 V6 Y  z. J& P- p

    * f& h4 b$ ]9 `
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    12 小时前
  • 签到天数: 3308 天

    [LV.Master]无

    10#
    发表于 2023-5-20 09:26:35 | 只看该作者
    季侯 发表于 2023-5-19 20:18
      Z2 {5 H# M) ^6 o) {千瓦网络并不快啊,其实在13/14年时候,阿里云机房里面已经是万兆网络了,现在估计已经是10万兆网络了。
    3 R  i1 ~! v- {$ ?# M* S- m ...
    9 V% `6 p' X" ?) q
    正主现身了。。。。
    + y; O/ ?+ B& U$ k2 T
    " @% s0 {( k( r" v6 ^. {
    这个配置应该是11/12年左右我定的
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    11#
    发表于 2023-5-20 11:50:03 | 只看该作者
    季侯 发表于 2023-5-20 09:18# R: c) d" }* p, \8 r8 m7 \
    千瓦网络并不快啊,其实在13/14年时候,阿里云机房里面已经是万兆网络了,现在估计已经是10万兆网络了。+ b" f. k3 `& u# j0 {( R4 i4 j
    ...
    9 n) U+ W- M! w% S. L
    这里应该有点记错了,13/14年时候,万兆网络只是试点
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2021-4-20 05:43
  • 签到天数: 300 天

    [LV.8]合体

    12#
     楼主| 发表于 2023-5-20 12:49:16 | 只看该作者
    季侯 发表于 2023-5-20 09:18
    8 L$ Z- [9 d7 C% g- D千瓦网络并不快啊,其实在13/14年时候,阿里云机房里面已经是万兆网络了,现在估计已经是10万兆网络了。
    ; N6 W; Q% l8 ~( \/ I3 w; n ...

    8 }4 W' d+ K/ a3 U% A5 a; s8 L$ ]向专家请教一下:7 G, O4 b* j* f# f8 {
    1. 访问本地硬盘速度和通过网络访问同机房硬盘,速度能差多少?例如SATA III的速度大概是6Gbps,网络有多快?
    / K+ L/ X+ C* K6 f8 e2.  硬盘访问是无法避免的,数据存储位置是不是也会考虑这个速度,就近放置?还是完全随机存放。后者能让用户感觉更一致吗?% Y8 `" T1 d; P
    3. 禁用swap,内存耗光了会怎样?我记得Linux会强制把一些高内存的进程给关掉。假如我内存固定是10G,用光后进程被杀死,不比变慢对用户来说更麻烦。而为了保证内存不被耗光,用户是不是要预留更多比如20G内存?还是有什么建议的策略?
    0 A6 \* @9 X5 o" S4. 禁用swap了,能否禁用用户swap分区,或者用户创建swap分区的时候给个提醒?
    0 Z+ F% C( t) J0 j$ p+ |/ A2 y5. 主要速度差异应该是内存速度和硬盘/网络速度吧。swap的时候要把内存的数据dump到硬盘上去,肯定会让系统变慢,比较耗CPU的。
    # Y( Y) a) Y; y) C! @' O6. 当初是为了解决什么问题,服务变慢?内存快满了,肯定会慢,这个不正常吗?AWS是怎么解决类似问题的?
    3 f/ z4 `- y' Y' ?3 Z3 I7 ~
    4 e2 r: D- M( A) `2 H多谢多谢。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    13#
    发表于 2023-5-22 05:19:07 | 只看该作者
    可梦之 发表于 2023-5-20 12:49
    8 r' k4 u- l& J2 Z5 N6 p向专家请教一下:4 }" S4 R$ b  U' Z2 D& [
    1. 访问本地硬盘速度和通过网络访问同机房硬盘,速度能差多少?例如SATA III的速度大概 ...
    % z: @- i% t2 C% c, K, ^% V" {
    以亚马逊云类比:" v/ v8 W' K' V6 C8 a: L
    网盘是云平台的共享资源,是有用度限制,要计量收费的。https://www.amazonaws.cn/ebs/pricing/
    : @3 `5 s2 p3 X# ~: X  _做缓存并不合适。实例存储可以是较好的选择:https://docs.amazonaws.cn/AWSEC2 ... nstanceStorage.html
    6 }1 B5 U( t* }3 s$ p( F7 [  p
    ! C, z% _* k/ ]7 W) B
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2021-4-20 05:43
  • 签到天数: 300 天

    [LV.8]合体

    14#
     楼主| 发表于 2023-5-22 07:32:52 | 只看该作者
    KXG 发表于 2023-5-22 05:19
    - o% x" ~& g# a以亚马逊云类比:; c7 U9 ]$ h4 d8 W& a7 c
    网盘是云平台的共享资源,是有用度限制,要计量收费的。https://www.amazonaws.cn/ebs/ ...
    * @# \7 ?2 F9 z  C$ K" r
    两个用的都是实例存储,没用网盘。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    15#
    发表于 2023-5-22 09:28:05 | 只看该作者
    亚马逊的实例存储大概对应阿里云的本地盘,https://help.aliyun.com/document ... .0.0.1eeb53a6a8AAcJ7 j2 }, Z( ?( ~# i
    用作缓存应该没问题。7 y  B, b* ?3 e1 e
    我只有亚马逊和Azure经验,对阿里云只是瞎猜。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    16#
    发表于 2023-5-24 15:50:10 | 只看该作者
    可梦之 发表于 2023-5-20 12:49" g3 i4 F; l, A7 x& m8 T
    向专家请教一下:# w6 T& c5 n! [5 H1 _+ I/ V6 a" i
    1. 访问本地硬盘速度和通过网络访问同机房硬盘,速度能差多少?例如SATA III的速度大概 ...
    $ m$ o" W$ F! s2 D* Y5 Y0 W
    从你的问题来看,你不是从事相关技术领域研发或者维护过大规模服务器集群的,所以就不说太多细节了。% `0 {# S" Z) x  z5 _5 v+ f
    0 \! }& V! x# N
    我只提一点云存储是数据写三份并且三个物理机房,所以如果开启swap并使用,那么swap数据会写到异地的多个机房,如果存储本身出现一些峰值或者发布导致延时变大,这对一些延时敏感的应用来说,系统性能/延时会突然变得很差,又突然变好,这种不确定性对于系统稳定性是非常致命的。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2021-4-20 05:43
  • 签到天数: 300 天

    [LV.8]合体

    17#
     楼主| 发表于 2023-5-24 17:02:30 | 只看该作者
    本帖最后由 可梦之 于 2023-5-24 17:09 编辑 4 Z6 m5 v4 D* }) d, c- q
    季侯 发表于 2023-5-24 15:50/ J0 b) _( e( C
    从你的问题来看,你不是从事相关技术领域研发或者维护过大规模服务器集群的,所以就不说太多细节了。
    . x6 e# K$ O+ x7 b  M+ F4 |0 p$ R* q- `7 ^$ O
    我 ...
    4 \% _/ D4 p. }- T, X. i0 X1 d
    . Q0 V5 H9 r9 o) X
    我只是使用云服务的小客户。
    * k7 R1 }; c6 A
    $ ?; v+ N, `: F; u3 Q9 u  ^那别的云服务商是怎么解决这个问题的。AWS并没有禁止掉swap。5 i, `  f7 p' P! S
    3 Z, w. ~1 H7 R7 ]  C# Y/ Y
    数据需要异地灾备我是知道的。但是这个肯定是异步的。本地机房的写好了就可以继续做事情了,不用卡着等异地同步好了。所以你说的问题我还是不太理解。可能对延时非常敏感的应用来说是的,但是这些客户本身就知道应该怎么去优化。对于大部分对这个时延不太敏感的用户,这么做完全没必要。& a$ G1 l. ~% v, D0 q

    2 t# v% X9 i) N1 ^比如我32G的内存足够我的应用,但是为了以防万一,我放10G的缓存。如果不出意外,swap基本不会被使用。一旦出了什么情况,10G缓存是让时延变大,但是总好过应用被kill掉吧。而且绝大部分应用,即便不用swap,也要用磁盘吧。你的网络IO要是太不稳定,时延问题还是会遇到吧?
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2021-4-20 05:43
  • 签到天数: 300 天

    [LV.8]合体

    18#
     楼主| 发表于 2023-5-24 17:20:18 | 只看该作者
    季侯 发表于 2023-5-24 15:50  U5 {2 {, b' y- l/ x( |+ Y- @$ S; w
    从你的问题来看,你不是从事相关技术领域研发或者维护过大规模服务器集群的,所以就不说太多细节了。
    $ \" a# D8 b% s$ e+ x
    2 B6 z7 o6 q) q% q- E我 ...
    3 R5 m! ?2 ]0 N. L; @
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    . L/ O" Y$ n$ Q; o
    & n8 i* x6 G, c4 g5 }5 u服务器一般都会配置监控程序,当内存用量达到一个阈值的时候告警或者会自动重启异常的进程。但如果没有监控呢?当内存被用光的时候,分两种情况:
    ! D  C0 F4 Y$ f; Z4 |- `3 R# v7 p( D; K
    配置了swap:这时服务器还能提供服务,但性能会降低好几个档次,直到最终处于几乎死机状态,并且这一过程将持续很长一段时间,对服务器来说是个灾难;所以配置swap只能让服务再苟延残喘一会儿,然后就是长时间的服务中断(比如原来是每秒处理1000个请求的服务器,由于频繁使用swap,导致现在每秒只能处理50个请求,站在系统角度,进程还在运行,但是在业务角度服务已经几乎中断了)。
    2 X9 |+ V/ t' M5 ~" n没配置swap:这时内核的OOM killer被触发,在默认配置下,耗内存的进程会被优先kill掉,这种进程一般就是我们的业务进程,这时守护进程就会自动重启该业务进程(没有守护进程?开什么玩笑),这种情况只会造成服务中断一会会儿(取决于进程重启的时间),不会出现上面因配置了swap而导致性能很差且服务持续中断的情况。就算OOM killer没有kill掉预期的进程,我们通过测试也能发现,然后将OOM killer配置成重启系统,那也比配置了swap在那里苟延残喘的好。( G/ k1 f) Y7 E* k5 M, G
    从上面可以看出,对服务器来说,似乎不配置swap更好,可以让有问题的进程尽快重启,缩短业务受影响的时间。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    19#
    发表于 2023-5-26 11:51:29 | 只看该作者
    可梦之 发表于 2023-5-24 17:20
    0 @" x8 q+ G0 j' p. s3 B! n# ?是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    . b5 i) k) y* N# y% `* w7 Q: N+ u$ Z* U; u7 b5 x
    服务器一般都会配置监控程序,当 ...
    7 ?3 S8 y* N- O6 l5 b! T' v! E
    这是原因之一吧
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2026-5-23 14:00 , Processed in 0.065514 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表