设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3147|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) T7 u. y7 q- }% ~
    * h0 |: [) C8 }5 B* c, T* u7 S
    在GPT4的帮助下,迅速找到了问题根源。
    $ F' Q9 N3 W( Y1 l6 L, f
    0 ?. W1 ~4 w4 I& T7 I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?  b, d. P/ b  l3 ^, |' w, B
    ( ?( B" z% s5 t" N" m/ D$ Y
    GPT4的回答是:
    , J; V3 Q& n+ m
    + q# U- Q- t# @7 t
    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 \0 J% \+ b& k* c  |$ o
    3 q0 `6 y0 m0 R! t2 n3 w+ k# g
    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:
    * B4 z( e% y" {0 ^' v1 }- d4 q% g) r) W: |& T' y
    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。3 c: e# J1 v0 v# f: o6 u
    : i  g6 b/ ?% F  l- n( |& S& K. V1 D$ C
    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。
    / X5 x0 f' Z/ ~# w' r* _
    , y# {( V  u( H9 _6 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。4 r" m: N* u1 k8 b$ O- }& P7 g

    8 A, z- J! y6 v9 A" P. Y+ z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。
    / g4 `* u, ]2 n/ k" w% d; y
    7 [$ [. }5 d* |* J" {$ D
    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
    9 C% _6 x5 J# \5 @: A
    - N+ ~8 E4 S3 W! \6 r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。
    8 ?9 q' ?# \1 E. S* ^* i' z7 |7 C. {
    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! P& H$ D  ~( E) W& y2 d

    8 u/ H$ R8 J7 N+ ], I) p% r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?
    - M4 k' R8 Z& M4 I  O
    * d9 G% @. A: p: H; d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。
    2 A# \' G% W  ?$ n2 V# L- T+ g, [  a+ R; B
    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。8 ~& k6 T: z9 \# S! Y8 B) c* D1 K

    , R% J: i* F! }  {: p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, m/ s7 }, W9 ~1 a+ u) n/ d

    7 y( H1 r: r; W, V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。. \- a: Z+ B9 @( Q
    ; n' |+ S7 C" h8 s9 G4 N0 }8 ?: Y

    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。* y8 K, |- Q) e3 D
    一般情况下swap还是要建的。当然太大也没意思,有个10g也就够了吧) |: x+ z7 z8 _! 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 19:21
    / O5 R: A; G( D  Y- H& H4 k  m" u我们那种1T2T内存的机器,连swap都不建了。' o) M- p, J4 ^1 c8 _  C: B
    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 ...
    8 F; Z( M5 ~8 `  j+ K
    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。
    % w  I# J( l* r: m) V' W
      j  c/ ?5 C9 V, C) J  `- o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
    , d8 p5 B9 O3 F: s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 ...
    + r: a' j" K% o6 c& h. b2 z
    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 Z. v' _0 w0 G; U1 D/ i) ]+ v
    , q' M  `. W! H2 g! g4 R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。
    . i- d! x6 r* A3 \4 z6 V) w7 z  T7 f2 d2 n
    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% o/ q! q9 `; ~0 X% n1 K# P( 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 ...

    $ o; L2 u  [/ _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
    9 T5 I: G- ~2 q% A% e0 J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 ...

    1 ]# i# a. m3 c, ~; d; _% Y* 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。, y) Z6 ~, O! ~. s  T
    ) B4 F% ?- [: }; t& B
    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。
    $ q& z4 ]( {! L
    ! u5 \9 ~: |2 a" 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。
    5 h8 S; u( h6 c( w, M
    4 T, u1 [7 `' C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。
    & [7 y' m4 M, V, r# J+ q4 \# N% g& c9 A" s7 r5 r
    闲人一思考,上帝就发笑。6 v1 o$ v1 [: ?1 D, V

    , ?# G9 H, p! [8 P% S
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2025-4-19 14:03
  • 签到天数: 3166 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% u% d' F% a" j1 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。+ q, K) p+ S5 j4 y; U9 e9 X& ^
    ...

    2 t7 T2 E/ Q5 P正主现身了。。。。' t4 ~4 E1 }; I! o- `. K
    5 ^  E# @+ L+ I7 Y  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 09:187 M( X( z. y: H7 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。
    0 V! R" L0 z% i3 v* p& k. B+ z- e. T ...

    - b# |' j+ i3 B+ s$ k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
    0 |9 l9 o  d3 }, F" 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。( \; x- C$ i+ q% N
    ...

    " A+ E7 w; d3 \+ j0 p' c- f向专家请教一下:; l' j9 O8 ]1 @7 ?% B
    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?
    / O+ H6 I6 `6 F+ e$ {0 Y4 ]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?
    0 |/ t5 }) Q; B3. 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?
    % Q# |- L$ S* j' E6 _8 {6 ]( V7 J& S4. 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?
    , Q) H8 ~6 o' P% C. Q5. 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。
    0 P: l& G+ e. `( k, v4 @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?
    , I% a6 E' c: w
    - w) E7 E1 N$ q# 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
    & T8 N6 q* j0 `5 ^向专家请教一下:
    , x: u* G1 Z3 n$ p8 Y1. 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 ...

    + p' M* |0 A/ H1 N8 y" b以亚马逊云类比:% @- S) x- P% p3 @9 W% z1 d
    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/
      `- O  K* I- O8 l( k- l( c. {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
    + P4 B! f$ W; F7 c$ ]  V# G5 W( w! R5 y5 [3 V$ Q( 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

    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
    9 Z, E, k! b- g8 [% ]7 E以亚马逊云类比:' h8 |! c" I0 C/ V. 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/ ...
    + d! p2 g' }3 p! L0 Z4 l' i
    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 ... .0.0.1eeb53a6a8AAcJ0 y4 w, L8 e# m5 A/ r& D
    用作缓存应该没问题。- U# L7 U4 U' V/ r5 l; z' s: o8 ~9 Z
    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
    8 _. E. ]5 Z: P/ p) @4 V向专家请教一下:
    * ~6 L* ]6 A9 S# T$ L! h) M1. 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 ...
    ! V1 G5 e4 f& h, W! s# {% u
    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。
    ' q1 j5 p7 @9 t6 v( S  f( }9 n0 @8 k  S& G+ m6 L) u
    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
    & X& D2 c1 S2 h) `8 ^, T* l
    季侯 发表于 2023-5-24 15:50  G5 I6 n# K/ v3 o0 C6 ?2 l
    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) E  G+ F) g0 M- n/ Z2 w4 F5 c* k
    我 ...

    ' n/ @8 w& C9 F8 u& I
    ( ]  X8 y$ y" u% t7 T我只是使用云服务的小客户。9 V  L: W8 F; G& Y

    * h: D& t4 S8 `; T5 U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。! y5 D/ M+ a: X& ~1 A" o/ {; b

    1 A9 x6 Z. x6 e& 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。) [) q6 I9 |  ~

    7 Z: T9 w$ R* `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 15:509 \$ ~7 x( s* u( m/ {
    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。
    : `" w0 ~% h  p0 L! p* {) p+ ?2 E6 o5 t8 Y! s9 s! L/ E7 t
    我 ...

    - l3 e' J% H) L, R5 Q: ?( T- a( o是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
      b' z5 \! x) H3 _
    6 w" K. q: O" z8 b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:7 v0 e" m3 z2 t, N$ D1 k

    # w4 e/ h+ X9 C& y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)。0 W2 |! K6 @' v' o8 _! c
    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。
    ( ^8 J" u6 ?* _3 T' F" A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# l7 t2 U! h0 ^; _3 g9 i' |
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    9 O8 t: W1 o' q- N
    : {3 ]2 n% W* k+ ^服务器一般都会配置监控程序,当 ...

    * D% t3 P/ c5 Q3 N* h( J9 C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, 2025-4-27 07:42 , Processed in 0.044317 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