设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 4023|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0 _, @* a9 C/ X3 X
    % I  ^' K! T& b) @4 m) q* l
    在GPT4的帮助下,迅速找到了问题根源。- B6 P) i' ]& L/ N' N

    - W7 H3 f6 ]! ]! U5 c, S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?
    2 {" q* o# V. j8 }5 F; ^  t- z  [" r3 ]& t0 S* d7 f
    GPT4的回答是:
    + v1 h0 P8 F8 S+ N2 W8 J# ?6 l8 e( E9 l4 w& G& d
    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。: s8 d, C  M# w/ b' F: s' |

    ' U" @7 M5 l. `1 p( f/ @4 d0 w  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:2 K) j/ V+ T( A  f2 ~' J

    8 D+ M8 o' V% 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。* |! D- Z  `4 _4 T
    2 z! R0 U- G. m. b
    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。3 T( Z  Y. e- n  c, }

    # r. l" u* e, U" Y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。5 @2 [4 g' b' l9 C9 x
    - j  f+ E7 s6 H7 q
    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。

    + p8 |) U1 q3 E7 B" K# z5 X6 Z. b% b  `- Q
    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 E. Z: v5 B; P/ \7 v8 C! i  R9 H7 I0 k) m+ K7 G% h. ?1 a' u; A" g( f
    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。
    & a* [# H; j' b! }7 p# |! z- w
    3 Z8 C5 s+ e" ^' Q' b0 @, b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。8 J5 G  y6 E: V; R( o
    , i7 w1 L! V( G7 D$ J" D6 |+ B
    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?5 U7 s, j  S- b
    3 S3 j0 s1 a) X( K, n
    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。
    " _: {1 {1 J4 l5 R1 o" P1 _, j9 i0 k  j, C% _# P8 G
    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。
    ) W  d. u- [1 A% q1 U9 p6 `9 h6 L7 U; b$ M
    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 T2 q6 y# Q. U6 q  s$ ^- }& q: W& ~* E6 d
    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。
    2 X" I: z' p8 _! U
    , `3 d, K! w2 C0 F

    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。: j9 q; e' m% M. s0 l
    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
    " c( Q0 T6 C& E; Z: A9 d
    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 19:216 H6 \" s; n/ ]" V' D. d
    我们那种1T2T内存的机器,连swap都不建了。
    , M- w- K, Q8 n; _1 `; 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 ...

    - n! S6 X5 |9 ]' b4 L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。
    2 O1 M. k. _; k% ^# w2 \) C8 G5 X: ?, b  P
    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 15:596 A3 a3 b7 H% x
    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 ...

    ( @) o* @/ _+ U# p$ W/ t9 j8 b% b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。; Y0 I% S: t  m. l! H: Z7 y) ]' T
    $ H, x0 V" r% |& z& Y! X
    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。
    : N0 C% f; W2 R. Y+ d- W* X
    , l( W. u6 L. |$ _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
    ) g  N: u, |! r, r; K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 ...

    / s5 V) ]1 `* w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, l/ o+ a8 y& k9 ?
    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 ...
    6 d: ~% G+ A( J+ d0 ?, 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。8 J, Q( V9 f9 _/ w; W+ z2 u. |2 U8 Q

      T5 J: ^( g+ O7 j$ F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。9 N9 r# A% k0 S8 p8 _1 v, o. C6 f3 y
    * \% C: o, d: I0 E3 n9 V
    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。
    . t( {: N. o: i+ Z' u
    5 E6 k5 {9 M9 {/ e! P7 d* t/ ~$ }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。) E! d& |, }. m* p  d
    ! p6 h5 H2 t! [- f3 M% ^
    闲人一思考,上帝就发笑。$ {4 f6 x. |( u9 J3 d) R2 A

      r/ C, o' W' b$ P9 o/ O
    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
    . Z$ M, p+ m+ C. k$ @1 P1 P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。4 p% g3 O. T* Z2 Q! y  E1 x8 t, ?- C
    ...
    5 N! I( C, d5 N4 V; M2 U' I( v
    正主现身了。。。。% I. j5 e0 y. H9 N3 }
    $ f2 r7 Q* N6 k0 t% K3 C; ]
    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
    ; j8 E( c, O4 u% a, P6 y+ H5 }# y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。; ~% L1 w$ N+ c& @5 A
    ...

    ; k- v+ R! B! ?' f1 U. n8 X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 09:186 F" I2 X+ O! @: s2 f" d+ e3 _
    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。, I. C6 ?1 F: H8 j( o) K+ [
    ...
    + u! Y! i* W! d  n- E0 T
    向专家请教一下:0 K* i. _  I. Z+ c1 G  p" n  S
    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?
    / Y$ R8 M1 \5 Q  o; ~& e1 M2.  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?
    $ B' F# k0 o, J) O3. 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?
    2 [! C. i% O% G- `# l( d: [  i4. 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?! z: l5 I1 w+ {, A
    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。
    : [& h7 A; n$ v8 U$ h: v6. 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 U' b% L1 N: Q; X1 V: s- U( {% ^3 w# j7 w  ~. W1 ?9 S& f
    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
    5 b6 p' l) V: S% @6 U向专家请教一下:7 p! e2 O9 s' n) u$ y: 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 ...
    - |/ C  B/ z# O8 ?- t$ @8 G1 |
    以亚马逊云类比:
    9 V( D' q8 q, l$ A& r$ i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/, G% b+ t2 k- ]# D
    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 H5 }- B: H# K% |) H8 v
    # m9 S2 z0 r9 V' 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
    7 e% ]7 v0 Y5 Y  u' e* v" C以亚马逊云类比:
    5 C8 V( Q- z1 U* s% @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/ ...
    2 U! K6 d0 u9 Z+ s, V5 l7 t
    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
      I0 U* M( R3 v用作缓存应该没问题。
      f6 R' L: y( s1 _& ^. ?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 12:492 }+ l( O  I9 G  h. D( R0 P
    向专家请教一下:
    & Y6 G4 s6 _* Y6 M% c+ s1. 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 ...

    . l1 b5 h7 \/ G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。
    ) X/ ~! j7 {: c$ K/ z
    , E( H/ n+ y0 _7 c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 . O1 C8 H0 U4 ?# Q
    季侯 发表于 2023-5-24 15:50/ p& E, P9 a. u. f. A
    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。' B; q, ~' |# u' C; e4 D! M
    0 S/ Y4 B; o' G( o# E' F8 F
    我 ...
    " m- g9 d6 x4 T$ r
    * R7 j$ s8 ]8 ?; }  \* n
    我只是使用云服务的小客户。
    9 l( W. R3 {, F. V. K9 J. A; i, u8 ]0 r
    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。
    / A; z7 q- s6 k4 t$ N9 v0 }( G% v1 {. h1 x: i8 J4 r+ L
    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/ Q' G$ }' H+ \

    & Y4 u$ F& X# U' w+ V8 S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- r8 ^9 m7 U6 y! E0 f% [' r
    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。# V& I- ]0 i3 M

    ; `! G9 B# B% [, ?, H/ `我 ...
    . |) y  E: r( A- k2 _9 T$ c7 E
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    + c) k( x9 ^& q  X
    $ F; @0 S' q! D! l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:
    ! s# @; @2 |8 w" g6 P
    1 m  z$ `' I$ O/ ]7 \5 U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)。7 K5 R& K/ G$ z1 C5 j
    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。
    & L& |$ z. F+ s1 G% }' L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
    4 u5 q$ ^; u# ?; X, b3 j* Y是这篇文章说的道理吗?https://developer.aliyun.com/article/1947331 b' ?  n# z$ k; H  M

    ; m* }; l7 j% i9 W/ z! ^服务器一般都会配置监控程序,当 ...
    ' ~; ^# f* C& H  K) m7 Y9 [
    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, 2025-11-8 05:22 , Processed in 0.038013 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