设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 4021|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
    " `4 D  ?* F+ h& T
    7 ]' w: D% J: z- A在GPT4的帮助下,迅速找到了问题根源。
    6 m4 o: A0 |% B# T. f: ?0 A0 h0 M3 L) D0 Q7 `
    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?9 Y+ H: h; g4 O. P$ L4 t. s
    7 V/ W& K9 b! }* T: @' t$ H
    GPT4的回答是: % M' V1 I, F) J4 _4 M/ X$ b
    8 ^1 L  Z" I; d- C8 ~; Y
    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。
    9 t2 I+ ?0 e5 B2 p
    ) D: h; ]8 t4 ]* A) t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:$ n2 {! R! K( ]

    . S+ [, m: \0 \% B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。
    2 F( q0 _- B4 R% v& ~# J+ K3 e5 ]
    5 \' _  C1 y# A" rSwap 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。
    $ C: I. `: p+ _8 s% l: |- q
    * [  P- I6 H. X' c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 G6 m7 c- W! s2 x$ X6 j( M9 J
    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。
    % N: T( N# G+ T' u* i" U0 o0 l) K

    ( X  Y% b, c0 J' e5 D- 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-cpu
    ; j2 S) \; i! Y& f
    1 V$ U5 Q- T+ B& p. w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。
    9 j6 l4 m6 }3 X3 r
    , D' l3 _" _* p9 O  V/ `, N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。
    - x0 x3 M; z, K5 I" ^4 B( A1 f) x4 m( Z- C8 M5 M
    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?
    8 O& O  v! f& A/ }) U
    4 `3 Y8 k9 j$ ~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。
    - Y% l' U8 O/ k9 q6 p5 @
    % L# c2 J. F  q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。3 N* {8 N0 u1 {
    5 Y- Q# W+ N. m7 h' k
    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!”1 [1 c( y8 K' c* F( }/ f
    # e: X) {6 v) F
    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- d9 J; H) P) o# R7 G- S

    2 v- [7 u* G6 l4 W

    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。, R5 k" b9 ~$ d4 ?
    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+ n3 I- p7 F  M6 w
    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
    * U3 M3 Q5 k& w. N: Q% _% Q我们那种1T2T内存的机器,连swap都不建了。- A  d6 f4 j+ x% }$ [+ [% q
    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 ...
    7 g+ r* `5 c( G+ x0 z# O& B5 x
    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. `$ T; Y0 s/ ~

    4 Z* N% Y: \2 |9 ~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
    * f7 J9 z0 s5 J' s* c3 r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 ...
    5 x' u) g0 L! E: x3 v- }
    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。& U! y/ @# k" ?

    & Q8 u7 Q" {. j0 Z7 c3 \4 x  e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。7 {; ]1 R$ J' i- S6 M

    : s* O7 A8 X4 t7 `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% }; d2 ?, w) j5 h" @
    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/ d6 O2 O) |( n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  ?2 X+ \' Q; e  p5 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 ...
    : W( }- r5 \: v/ z) e
    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。1 f  G4 m" G! ]# u, \

    / K+ w9 p9 B8 j9 S1 t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。
    . _2 Q1 ~* y, R: B9 ], n; h6 a
    6 f4 y1 ~5 ]6 }2 |0 H; 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。
    . f( w1 Z+ J4 Q* ]) b. a% z& I' E1 H* ]  U
    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。% Z. @& f, T( U1 f  r

    ' W9 z/ U- C) P6 Z; j闲人一思考,上帝就发笑。" |' h: [* x; t: p- o7 ^# f
    4 L- I. |" P1 R4 Q
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2025-10-20 01:43
  • 签到天数: 3171 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
    2 h1 |* a1 F4 m$ B8 M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。
    8 N! U. O8 V, m; z8 U ...

    2 B7 `) \* I# P& X: K" `. ?正主现身了。。。。
    - B0 @5 d3 D3 z+ |' Q
    & O4 R0 A7 ^) {' p9 e6 i2 S- 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
    % G/ A0 P2 b' k8 e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。; r% {! s  @: K. ^
    ...

    ) p2 G; O9 u' u/ b6 c, Y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 09:182 r. ]9 g  O; i' K
    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。
    , ?; {% g! R: Z; ^+ M! P4 [ ...

    . F! ^( ]2 r* [4 j# Y0 _0 d向专家请教一下:# j2 v  t' x6 O$ P+ f& |  u
    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?. f: u. `2 [! W9 u7 Z  o; E
    2.  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?* Z3 s% j/ c$ o
    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?% U5 S% I7 T0 Z: b$ G
    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?2 b# }+ l, U/ C( z2 e3 I# k  \" d
    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。( Q$ |& x5 p! {" d3 q7 C
    6. 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?
    7 r4 c6 g0 s4 g. j6 r0 h! f5 V
    % A: K1 X" ^7 Z9 L! d$ e2 W, w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
    6 W, f" \/ \# S/ c8 v, w3 ?向专家请教一下:
    4 l% x# G+ f! s) P5 t! I1. 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 ...

    5 M8 e, h5 v" i/ Z% T* U  m以亚马逊云类比:( K$ W1 ?6 Z$ c2 M  [; K
    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/- d9 }( X8 L3 g& F: i9 A- ?
    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! i6 E" T$ c  O$ F, f7 H2 ^- v# I3 |

    % Z, J" S9 z; g8 C1 y
    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 05:192 _5 w% D* j, H, _$ W+ o
    以亚马逊云类比:. @- e* X2 b; J% G
    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/ ...
    5 G/ `) c+ Q) R+ S. d' p( N
    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
    % O3 V! \1 h! `9 Q+ n6 f+ u用作缓存应该没问题。
    . u1 N& K3 }8 [! h/ {0 H+ H5 {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% i* Z3 ?: {" m5 M& v4 F8 z" _; ^; a
    向专家请教一下:3 p/ s4 a% B  G
    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 ...
      k( p+ N7 S, N6 I) H( q( b! B
    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。, k* r% Y7 X( l- I
    ; L. D9 i. ~7 W6 A; _8 j
    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
    ) V* `& d* k! U, B3 b
    季侯 发表于 2023-5-24 15:50
    ; H. _& b. T  }" M& z5 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。0 t( A0 U" {+ a9 E; I

    % i7 r, b3 f/ l9 {0 ~! y我 ...
    2 {- r4 @, ?/ z3 P5 r) S4 F

    7 P6 u; b! r' J/ [6 d我只是使用云服务的小客户。
    & o/ l; E+ a% \* `3 l
    0 F8 o* z1 o5 J7 v" _# n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。; r  t5 y6 \  z% z  b

    & \3 b& _2 W% |, S5 Z# O$ ~1 o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。
    1 j# y3 T6 `+ R/ w$ t: L
    3 N& W/ d5 a2 c8 |9 [$ }2 u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
    ( g  F; V9 X6 M8 O; k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。, C. M& e& I- q, ~; v4 a
    8 h+ a5 ?1 b* ~5 v6 V) @- J
    我 ...

    0 `, m/ E( T4 t' b$ h+ D% U是这篇文章说的道理吗?https://developer.aliyun.com/article/194733( V# V$ l" `" n* H

    . u+ s4 ~! E7 ?8 a& n3 [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:
    - Z" H/ V0 \9 c& T, i+ B
    + {% x: ?1 i: s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)。
    8 y2 f0 F, b* V! 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。) A% F! s) w6 e- H2 [4 p* T1 t
    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% n) l% U* ^( C# ^0 X- t& }
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    7 G1 m  r. h+ f6 ^8 ^4 V$ [  ]( E9 k* o
    服务器一般都会配置监控程序,当 ...
    ) L9 n! x2 D4 ]& D. Q6 u
    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, 2025-11-7 19:57 , Processed in 0.040158 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