设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 4463|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
    3 J3 n/ U) e* ~+ [: V' l) s' X: D7 _2 R1 V
    在GPT4的帮助下,迅速找到了问题根源。
    , |) G3 j$ r4 A5 @
    0 h9 B# n5 G7 |; [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 N) \$ e' _  B: X; K% N7 P. Z8 K
    2 @+ C" T( i" v7 V( ^2 EGPT4的回答是: 2 D, O$ Q3 `6 L, |4 q7 f8 g

    ( F6 l1 u; A/ l4 P/ 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。
    3 q2 i: S) I4 M; l4 y- q' G* e
    7 ]$ p) [$ q1 i& }) G& k' 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:- @1 }7 _, l: G5 b* S1 B) g
    , K1 g2 |) K$ u, F
    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。
    4 v- T0 g! x9 d3 s" M7 G, E1 G, j9 M9 ^+ h2 u5 B1 M6 L
    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。1 ?/ i( o9 }+ j" E5 c
    0 H# g" i0 Y( C2 }
    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。  |7 `1 l4 r7 @4 Q

    7 L: ?3 S" C- }8 n2 D7 a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 W7 v" s  k  u
    6 B- \  O/ ~/ l* `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 L3 J/ `' Q: M
    8 ~6 a- i- z/ G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。
    % q/ t; M& |9 H7 _7 G' q# w
    / W& g* q$ n" S  Q7 `/ M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。. _! r" `- N" k
    1 S. I. |1 K8 A0 `, G! K
    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?' N0 J; m0 a5 _0 p- p7 h9 }: l$ S3 D( W0 D

    , o  R# e/ \9 s0 N+ d% W7 z6 p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。
    0 c: I0 }7 `) n) @/ }9 Y( X5 }; N) L8 c0 Y; o% U
    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。: z3 k0 p, K8 w$ ]- Y
    * v3 J% F, {! M5 x
    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!”& C: t: u8 h( _
    9 T$ I3 G  Z. Z: \9 N' Z7 z
    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。4 \* c3 }3 W, L

    $ @5 f& H  e& Z, N; K) q

    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。
    1 m% P0 x- Y9 h0 g. D: Z# H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
    0 V, u. h# q: w1 O  X' I+ p9 m& V9 [
    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
    3 J7 o9 ^1 @6 s# l' d/ y我们那种1T2T内存的机器,连swap都不建了。- y  R! x. M6 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 ...
    " `2 `. X+ W8 S; t- u
    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。
    % j( Z  X) I6 o$ l: ~1 H0 U* `. }" K. |' [2 L
    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
    , R, K5 Z7 G  d8 q8 `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 ...

    " U) h7 R, T. P9 L5 a) 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。6 U; P" Q- e- L$ w8 W; b8 Y

    8 f* h) |9 Y# M0 w  S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。
    6 \+ A7 n0 e4 O9 c3 Q& O" I& D4 F5 _
    0 N* ?$ Z( C2 e: S* ?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# b3 q$ n: L1 k$ 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 ...

    ' c7 L$ `: u9 m" G# ~( I/ J$ R; v& Y( [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
    / ]: P3 X' O% {3 m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 ...

    2 ^: @* V7 Z, Q% H* R/ q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' ?3 D% K2 i% E
    * z# P* ?  _9 d( |- 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。0 ]/ L, t7 Q) x5 h: I

    6 ^/ e8 o4 {  j" f! P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。7 R, P! \$ k# m7 v6 q3 B

    $ O/ a7 L1 V+ R& c$ r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。
    ) d5 s  n8 }) f0 b/ z3 B
    1 _' ^8 q- ^3 M+ I7 ~闲人一思考,上帝就发笑。: U# I( z- N- ?" j1 Z

    9 G) F% Y4 ~; Z, h2 e$ p6 H! x- n- S
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    11 小时前
  • 签到天数: 3243 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 20:184 E5 e6 W2 }1 u3 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。5 m3 p: l4 D9 h+ s- z- e1 T6 A
    ...
    $ i+ M. R# d: z  i, o. h
    正主现身了。。。。: b( O5 `: q3 o2 ]- l: }: t2 z

    5 s6 |2 O/ \. e! u
    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
    # i0 r, u6 {4 U2 i; u6 D6 f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。+ y; g% v- {3 X5 k
    ...
      ^6 o! D6 o. {( |! {! i/ U8 W
    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
    + ], c& k' _. O% A; 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。" n9 o* n: u  c7 I5 C8 k( Z
    ...
    ' v0 b6 ~" ^6 h- @3 O8 r( `! B; L+ Z
    向专家请教一下:
    " w4 s: u3 {* F# ]6 S, h1. 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?
    ; \) |1 c" X$ }( D4 H# Z. r' Q, B2.  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?
    # a8 D! n! G1 k# Y5 ?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?; z) \4 \# Y$ b7 j$ v/ ?5 Q- p% b. k
    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?4 G* W  x: K% M; O, W8 S
    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, o4 \1 s. r$ s9 H' E
    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?
      c' w0 a$ J: x2 ^
    , W* w' B! K$ r) R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# R2 T# p8 e8 f) N* P
    向专家请教一下:+ D# @5 c1 S; J0 g7 A; _* D7 M
    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' G8 X8 C1 O$ G7 t! H. P以亚马逊云类比:( @, ^5 t. s" `0 _+ O4 O) O, k* A
    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/
    8 Q. y+ r+ {5 r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
      H7 e3 }2 e7 Q3 L1 |: H- x1 ^4 t6 F: N% B0 `' Y3 R
    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 05:191 o; T7 J3 D: r; E
    以亚马逊云类比:% Q5 {+ z" [3 `: K3 J/ z5 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/ ...
      v& N! u5 `% o7 G$ [4 ?7 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* @  O1 R) E9 m; G
    用作缓存应该没问题。* i' D/ D( Z! M: D# v
    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& M: G7 ^6 X. ^" x& X; _/ k
    向专家请教一下:2 F2 j  X6 m! i: s% c2 a7 n( }
    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 ...

    2 g% E. ^- I( U" t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。; S- F* K! [* }

      h) f; B/ G( p3 p! e7 T& K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   e) F- f% S( J9 Z' n
    季侯 发表于 2023-5-24 15:50) J; X2 z9 t: p3 K7 n  l7 e
    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。( m: N  b7 o3 K, {8 E* M/ C) S: W( R

    & u: W7 Q7 \$ K2 F- i  I5 Y我 ...

    8 p9 T1 G* n# }1 _( k% ?! @' s7 _: {5 V
    我只是使用云服务的小客户。1 J$ O5 A  b; |+ X7 \

    5 Y- y2 a/ O1 b+ B! @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。
    ( Q) J; i/ n% Z9 W- I0 ?4 {0 M1 P7 T3 z! W2 i  p+ x
    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。3 q1 F' n2 t" ^$ t

    0 I7 w7 b/ l. S4 q" b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) L  o' _9 ]" H; ?9 T" E
    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' N+ a  B  t( |8 J
    ! L6 \3 }! o$ G1 f* M我 ...
    . t. @2 F6 k: o/ \" M
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733" u4 v- n& D) w5 f+ j5 \

    1 s5 {( p* s8 L! q6 s9 Z8 R# 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:
    5 @1 U( R$ t- V2 [  Q, A& A5 c8 y. P3 A, x2 o
    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)。
      q6 @8 d" ^2 J. z- s+ @7 a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。
      U7 w: f  ?( D9 g" i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) y8 r  q  J  C7 J! D
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733, I$ c' @: |% e3 r6 U4 ]
    ! b( W$ N: _6 Y3 K; U5 e
    服务器一般都会配置监控程序,当 ...

    $ T& r( g4 q1 c5 A. D2 ^- p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, 2026-2-26 14:28 , Processed in 0.061245 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