设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2735|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
    $ o5 @7 \9 D. `1 T$ V0 R) ?. V% H9 O+ u% e( U& [, e0 W9 B! d
    在GPT4的帮助下,迅速找到了问题根源。; N, }8 P. e! g' s3 M$ q

    5 H! q/ J# }0 ^: |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?: H7 Z2 }4 O+ {# e( j

    + w& F) q7 _$ T$ Y' KGPT4的回答是:
    1 I; R; T! q8 ]0 c( e" r% n6 ^. M' F3 c# [+ o- O: B0 u+ G
    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。  B% w" j& `, y7 E6 s7 O( r, d, n* T

    ' V- @- ^/ _& T" h5 ~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:
    ' c6 N# n2 r2 G$ a2 N# C. E0 u7 L' W1 q
    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。
      s% L8 x: c/ ^# j8 l, P8 K6 U9 a. _
    # ?% m* Y. S8 ]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) _( p" v" e8 e5 a+ w# }3 v- n4 t4 V% i: N
    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。6 Z1 L& b7 s- x' |3 q3 M

    5 m. \! h" o" A  q$ p3 Q9 Z1 m: L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。
    5 M* Q/ Z. V. t, p. I% s; C
    5 G! M. H3 e' K
    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/ X' [7 }0 Z# S: w+ W
    . `7 |2 h1 \9 Q. o4 j
    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。/ w3 M- @8 M  u+ J; r% T: b: }6 e
    & K  ~' U8 K! Y: x  P
    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。" y- i; c. e% I( r! `' [  P& P
    0 P# L: P. L7 \
    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?
    ) m8 C, C5 O2 P. p
    ! h# E# ~# M6 R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 ~* v4 ^9 g/ a- K
    * l5 ?  ?% H2 }6 K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。
    6 W$ l8 _! S; B: s8 B9 a% Z0 c8 T+ A1 l" a  g8 ?
    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!”/ Y4 g$ @1 y/ W3 ~* w7 @9 y
    1 ~4 ]* i& N/ D: v: a
    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。7 a. G% p0 p0 l$ L9 F

    , G' Z; ?0 M% c; V

    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
    2024-12-13 08:38
  • 签到天数: 1740 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 F8 I( I  J, x- l) Y6 g$ L; K
    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
      h2 \2 v  x( I
    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; z: G3 |7 y9 l0 ^, [6 b) N6 v
    我们那种1T2T内存的机器,连swap都不建了。8 e, c* b# E, f+ d  [
    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 ...
    5 w2 I: t- ?& I! i1 i7 R% Z" A# `0 W. W
    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。8 D' A1 Q# L  U$ I& r5 b  W
    " B. s2 s1 Y5 O+ ~2 w# b( P! e" y
    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 15:599 ?% o% i+ ^7 J
    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 ...
      [. A3 x4 C4 Z7 U# a0 L3 ~
    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。/ }/ c! q( T- G# }& X0 g7 i
    ) m+ X( e* R1 W- S' p7 g
    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。
    1 s4 `6 d2 ^  r% b! H9 w7 `* q( U- w3 b. {
    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' T, e: `, h8 D, 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 ...
    . g# R: e3 C; [, {" 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+ b% U% D+ F1 c2 X! d
    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 ...
    * g" h- b1 c: H# i9 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。
    9 Y" N, z0 L1 E- J
    - F0 N3 z$ l1 p9 y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。6 `6 ?, L' l) Q

    / S7 v9 f. N4 H3 p0 ?. A, y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。
    * M+ e# W% }) D& @9 L; T( q& B. F2 @' O& S
    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。0 \! V: M: v& @' v, J" o5 J

    8 h3 ~* d* j$ K( V# ]) m: m闲人一思考,上帝就发笑。, i' X7 u7 J1 v) G( q; @

    / Q1 E* X! N* I
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    昨天 01:11
  • 签到天数: 3056 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
    8 Z( h' _+ Z9 i  v+ U* Y9 r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。
    - y3 ~9 _+ L9 y ...

    ' L3 H0 D0 v! ]1 p; H/ K正主现身了。。。。  D6 B" u7 r4 ^" a7 _. M9 {  c- w4 n+ [
    1 `; S' o9 ~$ Z% P/ L
    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% C, x5 P# H) @( S
    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。
    5 u" U  W, k7 o* a ...
    6 _8 c1 z8 L4 A: L6 V
    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 09:180 m& ?/ a7 l) g
    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。$ {- j3 O$ ?' L8 p3 P# m
    ...
    * @& h' ~6 a' \& _: a$ R: L
    向专家请教一下:
    8 x( i# f  X" k1 \* B6 T- j4 f5 d! u1. 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?
    9 h/ N3 Q: _$ E0 z( i2.  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 c: w* Y1 |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?& e- A0 ?1 [" m: [7 Z* u2 h* H
    4. 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?
    1 V  ]4 A1 F3 U! R& |( b5. 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。
    - O2 s7 N. X6 z' u2 U1 O8 i6. 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?9 M: ?2 M' L) e5 h* Z
    2 ^% O# t( F0 [( H8 P
    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
    2 u& z: O8 x9 s  P; H向专家请教一下:
    7 H2 C' D6 o) L8 A+ q1. 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 ...
    / A& f% X9 \8 L& F  Z+ ?% n
    以亚马逊云类比:" d; S2 X0 ?/ }/ [- s! T
    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/
    5 Y' Z8 R- V( p2 @3 ^8 Q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
    " ^- `) d) L3 s$ t1 v
    4 @* a9 O" k4 o# \
    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
    $ C  H, z' n8 B以亚马逊云类比:
    ; o0 K! ]7 @7 s+ v3 f% Q2 V# ~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/ ...
    + R# j: a6 l$ Y# n; c* o# ?
    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
    2 j+ q6 p1 I& a3 U2 M# D, A! T用作缓存应该没问题。7 P* f4 @- V$ `  k5 w: 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  o8 z. c, p% O
    向专家请教一下:
    6 V7 e* a* T4 W# A! g! t+ E; 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 ...
    ; W) {+ l. y( b$ V
    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 C! G" b5 z$ l- Y  m7 `  G
    # w6 m  x0 ~9 }) i- [
    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
    0 n+ ]8 `, ^% x5 u  W' i: B, _/ g+ R5 j" B
    季侯 发表于 2023-5-24 15:50! i; w: O0 S" ^2 l# i& Q7 E2 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。4 e1 s- k: ?2 g; E; A$ y
    2 T' B6 U! k1 p, x& m
    我 ...

    5 w5 ~4 B0 @: I* j; Y& n
    3 l5 d, W% y' W4 b, `1 x9 g我只是使用云服务的小客户。
    1 g0 s' \) s4 Y2 l
    + F7 C8 k* A/ ~# s1 H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。
    8 L8 r; I2 Z, C
    % y( r: u: {: I( I6 v. [0 v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。; ~' S& x9 U- D5 S, H/ Q
    6 K+ @% c9 ^% s5 o
    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
    & c$ {" l$ t# q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。
    5 U0 ]" g; s6 K  K( {, T; g5 h1 u1 \6 j- H: c% p
    我 ...
    5 R, Y. W7 T( U: D0 S
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    . d5 Y: d6 Z# S& p( J, \" o& g- q* N3 E' J2 k) i  O
    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:, r% m! d9 v& N. v! g, Z# J; j7 t

    6 h) e7 t9 y9 e# H( A" a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)。( I. T* C4 z) E, X3 V# @* B( v
    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。. c' L5 x7 O/ D
    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
    9 f7 h4 K2 U) S' j5 \3 r4 d是这篇文章说的道理吗?https://developer.aliyun.com/article/194733* I6 g2 {. n) ?( d

    / L7 u& `* k" }8 w3 W6 W服务器一般都会配置监控程序,当 ...

    3 s. C4 f. P8 a+ n% @; B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, 2024-12-25 15:28 , Processed in 0.043105 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