设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2736|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 Q) Q$ g; K9 c7 H1 f$ X* i. u9 e
    , Y) S1 N  h+ W
    在GPT4的帮助下,迅速找到了问题根源。5 _$ m6 O; K1 |# W4 \
    + M5 F/ g+ B2 k: J; f1 m0 N9 t
    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?7 A. O* b3 X: @0 p- F

    # I6 O- M* y/ B, L6 Y' eGPT4的回答是: + V1 D0 u* e: |0 i
    2 _$ D# ], I& B3 I' [
    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。% Y. d) N5 K( W) n
    7 A( \8 F1 z9 w" l
    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 a$ `/ V& g3 i4 d6 x
    ! ^" o4 T4 |7 {8 Q$ p) 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。" F1 B1 W; R2 k5 ]5 s, S0 E
    # y5 e# C' A9 w- v1 o
    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 `. s4 x% [$ U9 ?* I3 F

    8 }/ d1 Q9 q8 |  R2 Y& Q" L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 C4 O$ z$ M3 g
    0 n4 N; M2 f  n
    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。
    # w( s, U' k$ u& |0 Z

    $ y) W, a* ~, y4 u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
    * e3 ?; F/ |& T( I
    % a9 P4 C  I5 U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。% v9 d8 c% u" R9 q, v
    : k) a' d2 N1 L7 a0 Y- }( R( ^
    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。: W' c' U/ S" w

    . ~. @6 e) `; B3 J. i6 ^, W* n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?
    6 M( K& ~# N6 G* V5 a5 o
    $ ]. ^9 {! f2 B6 u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。& R( k/ C7 @1 U' H3 L9 s

    # [) @( g' T% [. G4 W8 d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。
    - b, {* W& t5 a) \- L( I* M* 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!”2 p% Y' n* z/ I' j
    / M5 h- j! y$ G, g3 b
    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 W! q( d3 Y- N( f+ }2 [" O/ q1 T2 m' S

    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
    2024-12-13 08:38
  • 签到天数: 1740 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 |/ }9 V. r- Y) l7 o2 e! 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  N. ]$ C* s. @$ J. 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

    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
    8 U9 B: x: Z9 m7 O5 Z我们那种1T2T内存的机器,连swap都不建了。
    - w; v5 l9 }, H  e1 F$ }* 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 ...

    2 ~# t# B) d4 Y1 Z6 V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。
    / B: G4 L! _1 `" l6 M7 o7 P' b* n, k4 z. B* j
    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 15:590 R9 ~5 \1 u6 b# \
    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 ...
    $ ~* E" `7 D5 j# e2 v! 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。( N) z5 w- p8 v, Y5 n# `
    8 H/ U0 U) q% Q. t2 j3 g" |; c
    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。
    9 r3 u+ K: e6 c" g1 Z2 `" B. J
    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' r7 _' B5 t" X! O- K; y
    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 ...

    - N6 d8 ^" ^' I& e: N2 |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 19:163 O' C& l" Z  ]5 E! i
    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 ...

    . A' ]/ v# d+ q2 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。
    / \3 W* Z. S4 L: z3 A& {
    9 [' J& T4 R; j- C$ u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。. ^+ c3 \8 ~3 h# J+ F0 w0 p: f" ~

    5 U. c1 r9 ^/ ?( d7 r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 Z3 R, x. T+ B& D/ E* ?
    0 ]$ B! I: ~+ Z, Y  A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。
    , A+ L* k: Y6 E) j/ ~9 d' E3 j5 y/ `8 P( s) o. ^4 h6 K8 ]
    闲人一思考,上帝就发笑。
    9 h1 E; ^8 u: l& O( @# K: X6 i4 A+ ]& @, ^. `
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    前天 01:11
  • 签到天数: 3056 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* J* X0 l' w
    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 a* j! {3 Z+ P1 ?# a8 k, }7 B
    ...

    6 z9 A: t) Q, q4 Y& ^& Q4 j正主现身了。。。。
    , h; u% f) F' k& @
    9 E( U4 h  y5 j( F6 v
    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
    2 }' f0 E' X. L# y0 F' ^9 W& [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。- ^. [) P  ^' S% L1 h& a# Z
    ...
    ' ^. i% C; u- b4 T9 E2 p  z
    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 09:188 q5 C2 ~2 k4 R& l" ]6 b
    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。
    - e# C+ R3 e1 f: S5 K ...

    ' y- j8 d( |" J0 @向专家请教一下:8 I& q3 _6 U* V# e% T$ f% ~
    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?) m9 I5 c0 _4 t8 l/ X
    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?1 c2 ~  Z1 Q+ p3 f0 y
    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?
    % V% f8 |4 r0 a% Q3 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?4 [  s7 i7 U4 I/ R8 }
    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。; c7 _: c- \; s- Y% n
    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?1 J7 U+ p$ P% g; X
      e9 h2 |* {* s3 U5 G. v2 a8 g
    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 12:493 O. k# U+ w9 p& V
    向专家请教一下:
    : y0 X  c8 g- t; n2 E1. 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 ...
    9 |5 o4 A3 z! e; E+ O
    以亚马逊云类比:
    # [6 X. M4 I  _+ g8 X- _7 T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/% l+ V6 c  c. [4 ~! y
    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
      l8 v3 r4 N2 m1 h; c+ ]( G/ E  p7 X
    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  l$ g$ G" C1 b! d# ]: g
    以亚马逊云类比:
    * E9 ^6 p0 C6 x* _8 ]+ 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/ ...
    . f2 R" B" a6 U
    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 ... .0.0.1eeb53a6a8AAcJ4 ^* C& V0 y& S! f9 s
    用作缓存应该没问题。% E( r( c: h) K4 y0 [$ N+ s
    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* t# k  w( `% X" ^/ E8 m$ Y8 j7 x$ Z
    向专家请教一下:
    4 v& b" F8 z4 C1. 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 ...
    & q/ T/ K7 D" j( |2 h  q. 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。
    9 h5 B' u5 G3 y, D0 B- u; h, i! v. W/ N; R! g: l% \+ ^' `
    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
    9 \' b# c$ y0 H( N$ M" g9 \
    季侯 发表于 2023-5-24 15:504 ]% `# L# X9 q4 k( 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。& d% ^& @0 i6 R( Q
    " T9 U9 e7 ^+ L" l; H0 @
    我 ...
    $ }+ c- G& W& S; `/ `6 j
    " a# s2 ~# l# W
    我只是使用云服务的小客户。
    % w7 b; b3 E& w1 d9 V+ t4 _5 h$ w$ q: a/ ?
    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。
    ' s# e2 g& u+ H% p$ j7 O1 r# w1 R1 ]! H
    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。5 M6 u& J# }# a0 _
    0 h: c( H( O9 K% c& t; Q" n7 [" 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 15:50
    , S( C" O% s/ U% f, Z, }% `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。: w- J% I* a6 ^4 @0 {$ R

    8 s0 o1 l( I% o我 ...
    ; S" @: O$ w! o9 p
    是这篇文章说的道理吗?https://developer.aliyun.com/article/194733& |6 D: ~3 }" e' W4 A; S! t

      Y% T7 d0 O, }( W- f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:
    * E# W9 \$ y7 x# Y! Q% l0 d* |8 `6 q2 H8 j2 `
    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)。* I9 @' \& w4 B* [2 a1 h2 `* L
    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。4 y9 y9 x, N8 }
    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
    & `, |. S5 i/ a是这篇文章说的道理吗?https://developer.aliyun.com/article/194733
    ) d# |" N( j$ C; ?& o
    1 Q: ?1 p  o+ Z6 l' y服务器一般都会配置监控程序,当 ...
    ( p2 u. m$ B, r% i2 ?# 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, 2024-12-26 02:49 , Processed in 0.046784 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