设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3092|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 e: j5 H) Y" ~$ F0 A1 r+ h! S6 D6 s( U1 e9 k* X: I
    在GPT4的帮助下,迅速找到了问题根源。1 _6 v5 M/ \9 b* @4 G& I& r

    ) S. ]# h, M6 z  a: x$ b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?' C, n3 Z, [7 S: n- X" M3 q/ {

    ! V$ z' A8 Q1 E8 G* d0 d4 ]) pGPT4的回答是:
    7 O3 m2 O9 d- l7 d& W' D) S9 D
    * t9 R0 z  k5 H: P; d1 O# r0 O! h& b+ F
    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。- n( N% \1 E/ f  `: k
    0 l8 e1 v' i3 \! D
    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:
    5 A0 ]+ K* m$ |
    / i) W; r6 \! B- Z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。
    * \. B, N2 C  ]* l
    : |  f' Q4 L" T$ _# `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。
    ( e: N& v# J# g% [: Y; l1 m( e: l% B4 P; W7 E
    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。
    2 U( d8 K/ \* i, ]) t& p8 S9 m; i# B( i; ~1 Y- O' {
    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。

    8 [9 b8 g2 l2 R1 w0 Z, V
    . X2 x, f1 F$ S2 D5 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
    $ E* A9 F/ \1 D9 N3 z+ o  k- y5 g
    , K( a4 t, V2 H3 U! S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。  }* D8 U1 v' w5 k5 K% C
    $ a- }+ y( T& M3 k
    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。
    : i) \" O: Q2 A- e* B4 |8 g( K% ~* m1 m5 b" }8 t1 T
    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?1 D$ T* p1 Q) s4 s3 D

    0 a$ n; O  x: @6 t# y1 K/ V( m; x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。: w# l( ]" V' u2 Y

    : m7 U/ ]( T- Z- X  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。
    - [" d8 O! \) [% w1 I
    " ^6 n0 M8 U- @& o$ a  i) d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!”
    ' s* z3 R! o4 ^1 j. h$ |. ?
      O  l- |+ R( o  U3 m$ ^  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。
    3 \- N9 N3 M; ~2 K  _) ~6 p6 k- q. m" O

    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。/ }' `7 F0 H7 i  K4 v* S  D( z" n
    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; k- l; M2 Z8 _* \' n
    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
    ' A5 d0 D7 ~' @$ q  ]3 T我们那种1T2T内存的机器,连swap都不建了。; ]" ^; ~$ H% c: {8 `7 V1 E; \
    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 ...
    * A0 H4 E0 K8 x( Q/ f2 F8 `
    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。
    4 \! W0 H% _8 Y5 Q
    9 h9 M6 o7 z& @" V3 s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
    ' ]3 O* O" e2 D: f6 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 ...

    4 |% k" V6 A) `7 K( ?7 S; @! c3 T$ }/ o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。* ~1 I( }0 a) e# A% g- {

    + \7 Z/ J2 Y* D/ L0 l% p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。
    3 g, w, [2 `+ B% _$ c0 `) d
    & i$ l; W& ^. k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
    : j2 Y: ~7 e, b6 Z# o5 |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 ...

    : x0 F( ^7 T4 K' T: e+ _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' `, G( D* y/ t/ B  L7 j/ X6 i2 w, l
    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* R2 j7 Q2 {2 j( t% j) 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。
    6 v! d$ q) D5 }% p9 c& Y! J9 e- m8 `' N
    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。
    ! j8 O, j* z9 p( f3 G
    5 C- c( }  u% m# F3 \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。
    " u, U; c1 j* |3 y+ z# l! f( o! Y& [3 x! G" [
    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。
    - v  ~; v  X: ~) ^& ~# a8 @  X( i4 u$ [- y3 H* {# ]! \% h
    闲人一思考,上帝就发笑。: }7 D8 a( v9 r

    7 X, k; k6 l- u" Y
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    17 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 20:188 T% r" ~: T+ H/ d2 c, s9 T$ {
    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 m( h+ j0 @  l9 y' y% S1 H
    ...

    " }; h1 t, w. Q$ }$ R0 l; x正主现身了。。。。
    , a+ J3 c# }. o% G
    . c: \- v4 |2 N4 I# W% k" 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
    ) I5 `; ~* P% |/ M) 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。+ C+ _4 t0 F% O/ x4 _7 U* M
    ...
    5 N5 m7 c, [$ Z; U" a' J, e
    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
    + r) @2 N. H2 m& p2 z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。. T4 o$ {9 h( L7 w
    ...

    ! f& C) l3 t3 a( }向专家请教一下:
    / l6 h* N* N( X; c, 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?
    + i5 l  T+ _/ B% n2.  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?
      l. C& O: \- d" E# P4 y3. 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?
    # }! Q3 z" i" I, k  h. R6 o4. 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?& ^; v" h3 B5 W4 w; H
    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。1 ^. \% U7 y* c9 L% @
    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?
    0 u/ X! _' Q" ]1 z) J$ w) |
    8 f4 M2 V0 T7 v! |: C5 ]2 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' b" z6 P2 y! ?; v2 d
    向专家请教一下:- O& Z& M6 Q, Y0 l+ B8 J& J3 I9 l
    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 ...
    * N. Y/ D) T+ t6 ?5 m
    以亚马逊云类比:
    9 a" ]6 _  s% Y& @7 T1 K/ 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/
    8 O2 I8 g, b$ u+ P7 G4 Q6 A  N, t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
    & z" x# x7 I% i! q# M0 w% X) k* S8 Z7 v* h! t8 N  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 05:19
    ( y' |: c9 f) y0 d) |" T以亚马逊云类比:
    : M3 c1 K: X# ?2 }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/ ...

    3 y6 H: {0 y& R$ ?4 k5 w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/ ^/ Q! v( e" y, J) s. ]
    用作缓存应该没问题。
    6 Z& e% v$ Y, v8 j0 Z2 Y# H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* W, [( N/ u6 R
    向专家请教一下:8 v) e6 p- U# o' J5 X
    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 ...

    ! T2 @% B1 U6 v/ W  A* P2 Z4 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。
    5 [% \8 a  K4 l# W1 K; f( K
    : H/ C5 h7 q- G, j9 B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 * I0 K2 P& E5 E& S! M9 k$ n
    季侯 发表于 2023-5-24 15:507 K/ k3 h9 [1 N4 u$ P
    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。
    ( R5 C, Z+ Z# f, W; q" ^0 v, ^5 A7 p$ ^: P$ v6 n
    我 ...

    - r2 E1 Q9 `# p* h# S6 d4 \
    # @4 l/ b6 Z1 }我只是使用云服务的小客户。
    8 y* V. t* m4 k5 L
    7 q) t- E1 u- T4 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。
    4 h$ `; I( x6 B: W: L* S. A1 ?
    5 Y( y3 m" p# D1 {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。& u$ n  h' }* d: d6 S0 R1 s6 c

    & ]- g& y! c* I9 w) w7 p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* R( I8 s/ a! i! s1 G' o9 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。
    ; q) s. \5 x" c2 o1 d2 }
    3 r+ O  L: f& g  n! v1 M! u$ f4 V我 ...

    1 @2 Y. Y, J0 C+ M是这篇文章说的道理吗?https://developer.aliyun.com/article/194733) f  Q0 s" i( p9 C1 ]
    - A2 \# [: v5 j$ L$ {) V% g
    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:) i! _# o3 A& X8 v

    # `& W* l( a; f6 P& R2 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)。
    & i. X0 b/ ~3 e. v2 R  j/ m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。
    0 |' J0 c- G9 b9 g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: s8 M4 Y1 D, W5 @. v- C' ?  p; ~
    是这篇文章说的道理吗?https://developer.aliyun.com/article/1947337 ?3 D* ~" n% _. M* s* A

    * w4 K  |/ O) K& x, e' [服务器一般都会配置监控程序,当 ...

    " J: T! \5 F+ T% D. ~4 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, 2025-4-4 19:34 , Processed in 0.044171 second(s), 19 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表