6 займальных сістэмных багаў пры эксплуатацыі Kubernetes [і іх рашэнне]
За гады эксплуатацыі Kubernetes у production у нас назапасілася нямала займальных гісторый, як багі ў розных сістэмных кампанентах прыводзілі да непрыемных і/ці незразумелых наступстваў, якія ўплываюць на працу кантэйнераў і pod'аў. У гэтым артыкуле мы зрабілі падборку некаторых найболей частых ці цікавых з іх. Нават калі вам ніколі не пашанцуе сутыкнуцца з такімі сітуацыямі, чытаць пра падобныя кароткія дэтэктывы — тым больш, «з першых рук» — заўсёды забаўна, хіба не так?
Гісторыя 1. Supercronic і які завісае Docker
На адным з кластараў мы перыядычна атрымлівалі "завіслы" Docker, што перашкаджала нармальнаму функцыянаванню кластара. Пры гэтым у логах Docker назіралася наступнае
level=error msg="containerd: start init process" error="exit status 2: "runtime/cgo: pthread_create failed: No space left on device
SIGABRT: abort
PC=0x7f31b811a428 m=0
goroutine 0 [idle]:
goroutine 1 [running]:
runtime.systemstack_switch() /usr/local/go/src/runtime/asm_amd64.s:252 fp=0xc420026768 sp=0xc420026760
runtime.main() /usr/local/go/src/runtime/proc.go:127 +0x6c fp=0xc4200267c0 sp=0xc420026768
runtime.goexit() /usr/local/go/src/runtime/asm_amd64.s:2086 +0x1 fp=0xc4200267c8 sp=0xc4200267c0
goroutine 17 [syscall, locked to thread]:
runtime.goexit() /usr/local/go/src/runtime/asm_amd64.s:2086 +0x1
…
У гэтай памылцы больш за ўсё нас цікавіць паведамленне: pthread_create failed: No space left on device. Беглае вывучэнне дакументацыі растлумачыла, што Docker не можа форкнуць працэс, з-за чаго перыядычна і "завісаў".
У маніторынгу таго, што адбываецца, адпавядае такая карціна:
Праблема ў наступным: калі задача запускаецца ў supercronic, працэс, спароджаны ім, не можа карэктна завяршыцца, ператвараючыся ў зомбі.
Заўвага: Калі казаць дакладней, то працэсы спараджаюцца cron-задачамі, аднак supercronic не з'яўляецца init-сістэмай і не можа "ўдачарыць" працэсы, якія спарадзілі яго дзеці. Пры ўзнікненні сігналаў SIGHUP ці SIGTERM яны не перадаюцца спароджаным працэсам, у выніку чаго даччыныя працэсы не завяршаюцца, застаючыся ў статуце зомбі. Больш падрабязна пра ўсё гэта можна прачытаць, напрыклад, у такі артыкул.
Ёсць пара спосабаў рашэння праблем:
Як часовы workaround - павялічыць колькасць PID'ов у сістэме ў адзіны момант часу:
/proc/sys/kernel/pid_max (since Linux 2.5.34)
This file specifies the value at which PIDs wrap around (i.e., the value in this file is one greater than the maximum PID). PIDs greater than this value are not allo‐
cated; thus, the value in this file also acts as a system-wide limit on the total number of processes and threads. The default value for this file, 32768, results in the
same range of PIDs as on earlier kernels
Ці ж зрабіць запуск задач у supercronic не напрамую, а з дапамогай таго ж ціні, Які здольны карэктна завяршаць працэсы і не спараджаць zombie.
Гісторыя 2. "Зомбі" пры выдаленні cgroup
Kubelet пачаў спажываць вялікую колькасць CPU:
Такое нікому не спадабаецца, таму мы ўзброіліся перф і сталі разбірацца з праблемай. Вынікі расследавання аказаліся наступнымі:
Kubelet марнуе больш за траціну працэсарнага часу на выцягванне дадзеных аб памяці з усіх cgroup:
У рассылцы распрацоўнікаў ядра можна знайсці абмеркаванне праблемы. Калі сцісла, то сутнасць зводзіцца да таго, што розныя tmpfs-файлы і іншыя падобныя рэчы не цалкам выдаляюцца з сістэмы пры выдаленні cgroup - застаюцца так званыя memcg зомбі. Рана ці позна яны ўсё ж выдаляцца з page cache, аднак памяці на серверы шмат і сэнсу марнаваць час на іх выдаленне ядро не бачыць. Таму яны працягваюць збірацца. Чаму гэта ўвогуле адбываецца? Гэта сервер з cron-заданнямі, які ўвесь час стварае новыя job'ы, а з імі – новыя pod'ы. Такім чынам, для кантэйнераў у іх ствараюцца новыя cgroup, якія неўзабаве выдаляюцца.
Чаму cAdvisor у kubelet марнуе столькі часу? Гэта лёгка ўбачыць найпростым выкананнем time cat /sys/fs/cgroup/memory/memory.stat. Калі на здаровай машыне аперацыя займае 0,01 секунды, то на праблемнай cron02 - 1,2 секунды. Уся справа ў тым, што cAdvisor, вельмі павольна які чытае дадзеныя з sysfs, спрабуе ўлічыць выкарыстаную памяць і ў zombie cgroups.
Каб сілком выдаліць зомбі, мы паспрабавалі зачысціць кэшы, як рэкамендавалі ў LKML: sync; echo 3 > /proc/sys/vm/drop_caches, - Але ядро аказалася складаней і павесіла машыну.
Што ж рабіць? Праблема выпраўляецца (коміт, а апісанне гл. паведамленні аб рэлізе) абнаўленнем ядра Linux да версіі 4.16.
Гісторыя 3. Systemd і яго mount
Зноў kubelet спажывае занадта шмат рэсурсаў на некаторых вузлах, але на гэты раз – ужо памяці:
Аказалася, што ёсць праблема ў systemd, які выкарыстоўваецца ў Ubuntu 16.04, і ўзнікае яна пры кіраванні mount'амі, якія ствараюцца для падлучэння subPath з ConfigMap'аў ці secret'аў. Пасля завяршэння працы pod'а сэрвіс systemd і яго службовы mount застаюцца у сістэме. З часам іх назапашваецца вялізная колькасць. На гэтую тэму нават ёсць issues:
… у апошнім з якіх спасылаюцца на PR у systemd: #7811 (issue у systemd - #7798).
Праблемы ўжо няма ў Ubuntu 18.04/16.04, але калі вы хочаце і далей выкарыстоўваць Ubuntu XNUMX/XNUMX, вам можа спатрэбіцца наш workaround на гэтую тэму.
#!/bin/bash
# we will work only on xenial
hostrelease="/etc/lsb-release-host"
test -f ${hostrelease} && grep xenial ${hostrelease} > /dev/null || exit 0
# sleeping max 30 minutes to dispense load on kube-nodes
sleep $((RANDOM % 1800))
stoppedCount=0
# counting actual subpath units in systemd
countBefore=$(systemctl list-units | grep subpath | grep "run-" | wc -l)
# let's go check each unit
for unit in $(systemctl list-units | grep subpath | grep "run-" | awk '{print $1}'); do
# finding description file for unit (to find out docker container, who born this unit)
DropFile=$(systemctl status ${unit} | grep Drop | awk -F': ' '{print $2}')
# reading uuid for docker container from description file
DockerContainerId=$(cat ${DropFile}/50-Description.conf | awk '{print $5}' | cut -d/ -f6)
# checking container status (running or not)
checkFlag=$(docker ps | grep -c ${DockerContainerId})
# if container not running, we will stop unit
if [[ ${checkFlag} -eq 0 ]]; then
echo "Stopping unit ${unit}"
# stoping unit in action
systemctl stop $unit
# just counter for logs
((stoppedCount++))
# logging current progress
echo "Stopped ${stoppedCount} systemd units out of ${countBefore}"
fi
done
… і ён запускаецца кожныя 5 хвілін з дапамогай ужо згаданага раней supercronic. Яго Dockerfile выглядае так:
Было заўважана, што: калі ў нас на вузел размяшчаецца pod і яго выява выпампоўваецца вельмі доўга, то іншы pod, які трапіў на гэты ж вузел, проста не пачынае pull'іць выяву новага pod'а. Замест гэтага ён чакае, пакуль з'pull'іцца выява папярэдняга pod'а. У выніку, pod, які ўжо быў запланаваны і выява якога мог бы запампаваць усяго за хвіліну, апынецца на працяглы час у статуце. containerCreating.
У event'ах будзе прыкладна наступнае:
Normal Pulling 8m kubelet, ip-10-241-44-128.ap-northeast-1.compute.internal pulling image "registry.example.com/infra/openvpn/openvpn:master"
Атрымліваецца, што адзін-адзіны вобраз з павольнага рэестра можа заблакаваць дэплой на вузел.
Нажаль, вынахадаў з сітуацыі не так шмат:
Старайцеся выкарыстоўваць свой Docker Registry прама ў кластары або непасрэдна з кластарам (да прыкладу, GitLab Registry, Nexus і да т.п.);
За час эксплуатацыі розных прыкладанняў мы таксама атрымлівалі сітуацыю, калі вузел цалкам перастае быць даступны: не адказвае SSH, усе дэманы маніторынгу адвальваюцца, а ў логах потым нічога (ці амаль нічога) анамальнага няма.
Раскажу ў малюнках на прыкладзе аднаго вузла, дзе функцыянавала MongoDB.
Вось так atop выглядае да аварыі:
А вось так - пасля аварыі:
У маніторынгу таксама назіраецца рэзкі скок, пры якім вузел перастае быць даступны:
Такім чынам, з скрыншотаў бачна, што:
Аператыўная памяць на машыне блізкая да канца;
Назіраецца рэзкі скок спажывання аператыўнай памяці, пасля чаго рэзка адключаецца доступ да ўсёй машыны;
На Mongo прылятае вялікая задача, якая прымушае працэс СКБД выкарыстоўваць больш памяці і актыўна чытаць з дыска.
Апыняецца, калі ў Linux сканчаецца вольная памяць (надыходзіць memory pressure) і swap'а няма, то да прыходу OOM killer'а можа наступіць эквілібрыўм паміж закідваннем старонак у page cache і writeback'ам іх зваротна на дыск. Займаецца гэтым kswapd, які адважна вызваляе як мага больш старонак памяці для наступнага размеркавання.
Нажаль, пры вялікай нагрузцы на ўвод/выснова разам з малой колькасцю вольнай памяці, kswapd становіцца бутэлькавым рыльцам усёй сістэмы, таму што на яго завязваюцца ўсё вылучэнні (page faults) старонак памяці ў сістэме. Гэта можа працягвацца вельмі доўга, калі працэсы не захочуць больш выкарыстоўваць памяць, а зафіксуюцца на самым краі OOM-killer-бязны.
Заканамернае пытанне: а чаму OOM killer прыходзіць так позна? У бягучай сваёй ітэрацыі OOM killer вельмі дурны: ён прыб'е працэс толькі тады, калі праваліцца спроба вылучыць старонку памяці, г.зн. калі page fault пройдзе з памылкай. Гэтага досыць доўга не адбываецца, таму што kswapd адважна вызваляе старонкі памяці, скідаючы page cache (увесь дыскавы I/O у сістэме, у сутнасці) зваротна на дыск. Больш падрабязна, з апісаннем крокаў, неабходных для ўхілення падобных праблем у ядры, можна пачытаць тут.
У некаторых кластарах, у якіх функцыянуе па-сапраўднаму шмат pod'ов, мы пачалі заўважаць, што большая іх частка вельмі доўга «вісіць» у стане Pending, хоць пры гэтым самі Docker-кантэйнеры ўжо запушчаны на вузлах і з імі можна ўручную працаваць.
Пры гэтым у describe нічога няма дрэннага:
Type Reason Age From Message
---- ------ ---- ---- -------
Normal Scheduled 1m default-scheduler Successfully assigned sphinx-0 to ss-dev-kub07
Normal SuccessfulAttachVolume 1m attachdetach-controller AttachVolume.Attach succeeded for volume "pvc-6aaad34f-ad10-11e8-a44c-52540035a73b"
Normal SuccessfulMountVolume 1m kubelet, ss-dev-kub07 MountVolume.SetUp succeeded for volume "sphinx-config"
Normal SuccessfulMountVolume 1m kubelet, ss-dev-kub07 MountVolume.SetUp succeeded for volume "default-token-fzcsf"
Normal SuccessfulMountVolume 49s (x2 over 51s) kubelet, ss-dev-kub07 MountVolume.SetUp succeeded for volume "pvc-6aaad34f-ad10-11e8-a44c-52540035a73b"
Normal Pulled 43s kubelet, ss-dev-kub07 Container image "registry.example.com/infra/sphinx-exporter/sphinx-indexer:v1" already present on machine
Normal Created 43s kubelet, ss-dev-kub07 Created container
Normal Started 43s kubelet, ss-dev-kub07 Started container
Normal Pulled 43s kubelet, ss-dev-kub07 Container image "registry.example.com/infra/sphinx/sphinx:v1" already present on machine
Normal Created 42s kubelet, ss-dev-kub07 Created container
Normal Started 42s kubelet, ss-dev-kub07 Started container
Пакапаўшыся, мы зрабілі здагадку, што kubelet проста не паспявае адправіць API-серверу ўсю інфармацыю аб стане pod'ов, liveness/readiness-пробах.
А вывучыўшы help, знайшлі наступныя параметры:
--kube-api-qps - QPS to use while talking with kubernetes apiserver (default 5)
--kube-api-burst - Burst to use while talking with kubernetes apiserver (default 10)
--event-qps - If > 0, limit event creations per second to this value. If 0, unlimited. (default 5)
--event-burst - Maximum size of a bursty event records, temporarily allows event records to burst to this number, while still not exceeding event-qps. Only used if --event-qps > 0 (default 10)
--registry-qps - If > 0, limit registry pull QPS to this value.
--registry-burst - Maximum size of bursty pulls, temporarily allows pulls to burst to this number, while still not exceeding registry-qps. Only used if --registry-qps > 0 (default 10)
Як бачна, значэння па змаўчанні - даволі маленькія, і ў 90% яны пакрываюць усе патрэбы… Аднак у нашым выпадку гэтага аказалася недастаткова. Таму мы выставілі такія значэнні:
… і перазапусцілі kubelet'ы, пасля чаго на графіках звароту да API-сервера ўбачылі наступную карціну:
… і так, усё пачало лятаць!
PS
За дапамогу ў зборы багаў і падрыхтоўцы артыкула выказваю вялікую падзяку шматлікім інжынерам нашай кампаніі, а асабліва – калегу з нашай R&D-каманды Андрэю Кліменцьеву.zuzzas).