设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3093|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
    ( m, o& Z4 ~/ R6 H* v, P3 w" s' A6 l7 ^( |: e- w
    在GPT4的帮助下,迅速找到了问题根源。  i7 l: V( y& Q

    ) n( M  F" p( L  H( l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?
    + T, G* R+ ?0 \9 b4 X
    ( i9 `* |* ~; m  ]/ ^! dGPT4的回答是: ( t8 v* ]  p$ ^

    6 f" m7 m6 i7 M5 {
    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。
    ' @4 K+ @5 p, |% X+ A
    ; R7 S# f) \4 `% v. H/ {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:( [+ I, Q( v5 f# _/ X

    7 N0 f: D5 I! O+ D& t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。+ U/ F. e  v: o' I

    ; D& J" j, G/ ^5 m4 y2 u2 X0 o( k- sSwap 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。
    : Y2 K& J5 Z, i% O7 T  y; k
    + V! `7 p% t$ `# t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。
    ( M+ W( N' [( e; x+ D) q7 q# k* b; R) ?; b
    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。

    ; }9 }& y2 Z) a7 O) l. |9 @; C: U2 \! J# q  H' U
    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-cpu
    4 N* ?+ M7 D+ E: J- _2 s* e2 t5 `8 }) ?4 y; V
    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。
    3 w8 _2 _/ Y- l8 x3 B9 X; u
    6 n  W+ s$ `% \' `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。
    ; C* E0 e6 ?( L! j2 i0 p
    ; g- p7 m  q5 w+ j, Q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?
    9 H3 b3 e% U6 y9 ^4 k8 |/ v* U& Z' Q" m
    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。5 o& ~! [: a5 p- [9 y* f2 h7 v& z

    ) y1 Z" V! U( w0 s, N# M1 v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。
    + c, v. [' Q5 J( P  U6 s7 ?+ e5 M# R- q/ o& w0 }# B7 r
    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!”) w4 i1 V( W1 r& B2 {0 _

    # U2 p+ O4 n/ P/ D3 @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。
    ( O8 K. i' f, q2 @! |0 i; S" h% c0 o$ s( @

    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。
    0 Y8 t% i6 o/ P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; G' s) U% ]5 w7 [
    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
    4 W* [7 u% p6 v# C4 l+ M我们那种1T2T内存的机器,连swap都不建了。+ ]3 ?  W+ n9 Q0 n, I9 l' t5 Y2 A
    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 ...

    ' k2 j6 J( a# k  ~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。1 \$ j% J! P# x7 h. R
    * H1 g* C+ s) X
    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) {1 A1 \- B( Q9 V# |0 `2 M
    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 ...
    9 ?5 x3 ?% b7 U
    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。7 X  ?9 u" F" G5 x2 o  U) P2 l$ x) D* i

    . u) M3 u# S3 Q- ?! X- 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。
    ( c* e% v5 P" z4 G% m+ w/ o4 a" j5 _  b, N/ {
    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 06:16
    ) I8 [+ x" h& u  d9 P2 h. j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 ...
    ; y8 c% q+ t* g
    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 19:16
    - E% V: z1 ?8 N" s, }  d3 f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 ...

    ! h; D( p. Q4 |- j0 r. J/ [; {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。% x$ K9 G- A0 t& c" x9 S

    % ?3 `2 H+ N- o: o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。3 c: {7 f0 }' x6 h/ g, N

    6 P7 d  p/ g6 U7 l" D4 k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。; A1 q7 E% M; L( j* x) I+ W* {
    % N$ G) J4 Y% I8 L! ^0 J
    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。
    " _' W1 A, |! x# m! W, ]9 ^; l6 b) A; a
    闲人一思考,上帝就发笑。2 p; E8 g& m, |$ F* d  ]
    6 K; c% M. h# r
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    19 小时前
  • 签到天数: 3151 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: V" M3 h) E* O% m" A
    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。
    ' N; E3 P* S6 i0 G ...

    9 z6 S+ a! l+ s# D1 z正主现身了。。。。6 k; Y8 s4 P4 x! i" w* Y
    ) |" t; V9 M! ?
    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% U5 Q0 t8 h8 h+ 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。
    ( b3 |$ W" e1 U5 m: W( A ...

    : [7 Z6 N# J3 P- @$ D, c/ R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 09:184 {! w3 D/ Q5 B* y) I- c
    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。
    ; z  x+ E- D( n5 {! @2 K) z$ ^ ...

    ! U! `5 D! B) e7 {5 \向专家请教一下:
    ( g+ I4 ~; w' R8 d) p* H# m4 m1. 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?
    ) m6 w! U$ K- ?0 ^! Y) E1 O2 v2.  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?
    8 N7 n! B+ s' k8 V3. 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?
    , e1 a0 A9 V4 }( 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?2 m4 F# ]) f, T# Q
    5. 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。
    / c  ]5 K, e- b# b4 S6. 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?
    % X  X1 d. H( ]* x/ r% D
    2 S: N, S+ A7 j* ?( o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
    % O" `( `  ]4 ?$ F- l/ F: ?* Q8 p向专家请教一下:
    . j& Y2 }/ K+ p1. 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 ...

    , Q( E) Q3 O8 P" u以亚马逊云类比:& c5 q# ~/ Y& z
    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/, i4 \- U9 S, f: {5 S
    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.html5 m- @4 l8 o  Z' l  l7 ?

    ' M  E( X+ u* S& b7 `, [
    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
    # J4 r% Z' F1 g0 |以亚马逊云类比:
    5 F" B# F2 S- B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/ ...

    / O- b8 r( Q4 G8 L5 O% V! }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 ... .0.0.1eeb53a6a8AAcJ! V. w$ \1 K& o6 `& o  N
    用作缓存应该没问题。
    " [$ k& ~, }, x$ f" s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
    5 _" h5 S: x6 L0 S) ]向专家请教一下:
    8 l3 o9 f" q/ _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 ...
      H2 L, b7 M: S
    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。1 p/ D; f, ]; Z: M" w! B. A; x! K

    5 b$ ]& l& d& `+ d3 R  U4 d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 , t3 S" P; Q4 \8 ^
    季侯 发表于 2023-5-24 15:50  e- h0 q* S' b7 U7 t: j
    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。
    8 n% N9 P' r1 n" W
    / @/ R% P; @4 L! `) u2 i) E我 ...
    / s( K' a1 o4 M9 H8 s2 r
    ! k$ c) C* R; ^
    我只是使用云服务的小客户。! V8 E) [/ \7 t) D& s! ^4 S( g& K

    8 H% v$ T' B+ Z7 A1 m! \( A* I8 F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。6 k8 v4 W! G" Z, l

    2 K2 Y- J- K. C2 p) Z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。, o; C  q! x8 d6 u6 c

    . b+ Q4 r9 Z4 V; H7 k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
      D8 Y3 s& }4 X$ s, y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。3 S9 `4 O/ n; B8 B" E
    / @! V! v" ~4 i
    我 ...
    3 K) u  e1 F6 M7 |  W4 V
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    / q& ~4 @! \/ u' U: O$ e- H+ P& f! U/ F9 N$ X
    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:8 v- \) v) X: [* f; z& S3 ~) S# ~

    % I" y# J# S$ t5 L+ |3 C$ G5 @# p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 B  B- [" G3 d& R7 q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。
    ' B' Q: k2 w; s2 @, ]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
    8 T- j2 C2 B9 n, B5 B是这篇文章说的道理吗?https://developer.aliyun.com/article/194733( k1 Z2 M: [: M' D$ ]. A7 p# ~

    2 T  b2 r( j# z7 e" `服务器一般都会配置监控程序,当 ...
    ( f. \1 E- A( _5 j7 w4 S5 P- C% t( t
    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, 2025-4-4 21:40 , Processed in 0.052641 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