6 интригуващи системни грешки при експлоатация на Kubernetes [и тяхното решение]

През годините на експлоатация на Kubernetes в продуктивни среди нас се натрупаха много интересни истории, как грешки в различни системни компоненти водят до неприятни и/или неясни последствия, влияещи на работата на контейнерите и подовете. В тази статия направихме подборка на някои от най-честите или интересни от тях. Дори ако никога не ви се случи да се сблъскате с подобни ситуации, четенето на кратки детективи — темпо, особено от „първа ръка“ — е винаги интересно, нали?.

История 1. Supercronic и зависващ Docker

На един от кластерите периодично получавахме „зависнал“ Docker, което пречеше на нормалното функциониране на кластера. При това в логовете на Docker се наблюдаваше следното

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

…

В тази грешка най-много ни интересува съобщението: pthread_create failed: No space left on device. Бързият преглед документацията обясни, че Docker не може да форкне процес, поради което периодично и „зависваше“.

В мониторинга на събитията е показана следната картина:

Сходна ситуация се наблюдава и на други възли:

На тези същите възли виждаме:

root@kube-node-1 ~ # ps auxfww | grep curl -c
19782
root@kube-node-1 ~ # ps auxfww | grep curl | head
root     16688  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root     17398  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root     16852  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root      9473  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root      4664  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root     30571  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root     24113  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root     16475  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root      7176  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] 
root      1090  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl]

Оказа се, че такова поведение е следствие от работата на пода с supercronic (инструмент на Go, който използваме за стартиране на cron-задачи в подовете):

 _ docker-containerd-shim 833b60bb9ff4c669bb413b898a5fd142a57a21695e5dc42684235df907825567 /var/run/docker/libcontainerd/833b60bb9ff4c669bb413b898a5fd142a57a21695e5dc42684235df907825567 docker-runc
|   _ /usr/local/bin/supercronic -json /crontabs/cron
|       _ /usr/bin/newrelic-daemon --agent --pidfile /var/run/newrelic-daemon.pid --logfile /dev/stderr --port /run/newrelic.sock --tls --define utilization.detect_aws=true --define utilization.detect_azure=true --define utilization.detect_gcp=true --define utilization.detect_pcf=true --define utilization.detect_docker=true
|       |   _ /usr/bin/newrelic-daemon --agent --pidfile /var/run/newrelic-daemon.pid --logfile /dev/stderr --port /run/newrelic.sock --tls --define utilization.detect_aws=true --define utilization.detect_azure=true --define utilization.detect_gcp=true --define utilization.detect_pcf=true --define utilization.detect_docker=true -no-pidfile
|       _ [newrelic-daemon] 
|       _ [curl] 
|       _ [curl] 
|       _ [curl] 
…

Проблемата е следната: когато задачата се стартира в supercronic, процесът, породен от него, не може да завърши коректно, превръщайки се в зомби.

Забележка: По-точно, процесите се раждат от cron задачи, но supercronic не е init система и не може да "осинови" процеси, които неговите деца създават. При получаване на сигналите SIGHUP или SIGTERM те не се предават на произвежданите процеси, в резултат на което детските процеси не завършват, оставайки в статус зомби. Повече информация по въпроса може да се намери, например, в тази статия.

Има няколко начина за решаване на проблемите:

1. Като временен обходен вариант — увеличете броя на PID-ите в системата за един момент:

          /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

2. Или пък стартирайте задачите в supercronic не директно, а чрез същия tini, който може да завършва коректно процесите и да не произвежда зомби.

История 2. «Зомби» при изтриване на cgroup

Kubelet започна да консумира голямо количество CPU:

Това не е приятно за никого, затова се снабдихме perf и започнахме да разглеждаме проблема. Резулататите от разследването бяха следните:

• Kubelet харчи повече от една трета от процесорното време за извличане на данни за паметта от всички cgroup:

  

• В разпратката на разработчиците на ядрото може да бъде намерено обсъждане на проблема. Накратко, въпросът е, че различни tmpfs файлове и други подобни не се изтриват напълно от системата при изтриването на cgroup — остават така наречените memcg зомби. Рано или късно те ще бъдат премахнати от page cache, но сървърът има много памет и ядрото не вижда смисъл да губи време за тяхното изтриване. Затова те продължават да се натрупват. Защо това изобщо се случва? Това е сървър с cron задачи, който постоянно създава нови работни задачи, а с тях — нови pod'ове. По този начин, за контейнерите в тях се създават нови cgroup, които скоро се изтриват.
• Защо cAdvisor в kubelet харчи толкова време? Това е лесно да се види чрез най-простото изпълнение time cat /sys/fs/cgroup/memory/memory.stat. Ако на здраво устройство операцията отнема 0,01 секунди, то на проблемния cron02 — 1,2 секунди. Всичко е в това, че cAdvisor, който много бавно чете данни от sysfs, се опитва да отчита използваната памет и в зомби cgroups.
• За да принудим изтриването на зомби, опитахме да изчистим кешовете, както препоръчват в LKML: sync; echo 3 > /proc/sys/vm/drop_caches, — но ядрото се оказа по-сложно и повеси машината.

Какво да правим? Проблемът се решава (комит, а описанието вижте в съобщението за версията) с обновление на ядрото на Linux до версия 4.16.

История 3. Systemd и неговото монтиране

Отново kubelet консумира твърде много ресурси на някои възли, но този път — вече памет:

Оказа се, че има проблем в systemd, използван в Ubuntu 16.04, който възниква при управление на монтирания, които се създават за свързване subPath от ConfigMap или secret. След завършване на работа на pod'a сервизът systemd и неговото служебно монтиране остават в системата. С времето се натрупват огромен брой. По този въпрос дори има проблеми:

1. kops #5916;
2. kubernetes #57345.

… в последния от които се споменава PR в systemd: #7811 (проблем в systemd — #7798).

Проблемът вече не съществува в Ubuntu 18.04, но ако искате да продължите да използвате Ubuntu 16.04, нашето решение може да ви бъде полезно.

Така че, направихме следния DaemonSet:

---
apiVersion: extensions/v1beta1
kind: DaemonSet
metadata:
  labels:
    app: systemd-slices-cleaner
  name: systemd-slices-cleaner
  namespace: kube-system
spec:
  updateStrategy:
    type: RollingUpdate
  selector:
    matchLabels:
      app: systemd-slices-cleaner
  template:
    metadata:
      labels:
        app: systemd-slices-cleaner
    spec:
      containers:
      - command:
        - /usr/local/bin/supercronic
        - -json
        - /app/crontab
        Image: private-registry.org/systemd-slices-cleaner/systemd-slices-cleaner:v0.1.0
        imagePullPolicy: Always
        name: systemd-slices-cleaner
        resources: {}
        securityContext:
          privileged: true
        volumeMounts:
        - name: systemd
          mountPath: /run/systemd/private
        - name: docker
          mountPath: /run/docker.sock
        - name: systemd-etc
          mountPath: /etc/systemd
        - name: systemd-run
          mountPath: /run/systemd/system/
        - name: lsb-release
          mountPath: /etc/lsb-release-host
      imagePullSecrets:
      - name: antiopa-registry
      priorityClassName: cluster-low
      tolerations:
      - operator: Exists
      volumes:
      - name: systemd
        hostPath:
          path: /run/systemd/private
      - name: docker
        hostPath:
          path: /run/docker.sock
      - name: systemd-etc
        hostPath:
          path: /etc/systemd
      - name: systemd-run
        hostPath:
          path: /run/systemd/system/
      - name: lsb-release
        hostPath:
          path: /etc/lsb-release

… и в него используется такой скрипт:

#!/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

… и той же команда, която се изпълнява на всеки 5 минути с помощта на вече споменатия supercronic. Dockerfile-ът му изглежда така:

FROM ubuntu:16.04
COPY rootfs /
WORKDIR /app
RUN apt-get update && 
    apt-get upgrade -y && 
    apt-get install -y gnupg curl apt-transport-https software-properties-common wget
RUN add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu xenial stable" && 
    curl -fsSL https://download.docker.com/linux/ubuntu/gpg | apt-key add - && 
    apt-get update && 
    apt-get install -y docker-ce=17.03.0*
RUN wget https://github.com/aptible/supercronic/releases/download/v0.1.6/supercronic-linux-amd64 -O 
    /usr/local/bin/supercronic && chmod +x /usr/local/bin/supercronic
ENTRYPOINT ["/bin/bash", "-c", "/usr/local/bin/supercronic -json /app/crontab"]

История 4. Конкурентност при планиране на pod’ове

Беше забелязано, че: ако при нас на възел се разположи pod и неговото изображение се изтегля много дълго, то друг pod, който "попада" на същия възел, просто не започва да изтегля изображението на новия pod.. Вместо това той изчаква, докато се изтегли изображението на предходния pod. В резултат на това pod, който вече е бил планиран и изображението на който би могло да се свали само за минута, ще остане за дълго време в статус containerCreating.

В събитията ще бъде приблизително следното:

Normal  Pulling    8m    kubelet, ip-10-241-44-128.ap-northeast-1.compute.internal  pulling image "registry.example.com/infra/openvpn/openvpn:master"

Следователно единствено изображение от бавен регистър може да блокира деплоя на възела.

За съжаление, не са много решенията на проблема:

1. Опитайте се да използвате своя Docker Registry директно в кластера или в съчетание с него (например, GitLab Registry, Nexus и т.н.);
2. Използвайте инструменти като kraken.

История 5. Заспиване на възли при недостиг на памет

Докато използвахме различни приложения, се случи ситуация, в която възелът напълно спря да бъде достъпен: не отговаряше на SSH, всички мониторингови демони се влияят, а в логовете после няма (или почти няма) аномалии.

Ще разкажа чрез снимки на примера на един възел, където функционираше MongoDB.

Така изглежда atop до аварии:

А ето как изглежда — след аварии:

В мониторинга също се наблюдава рязък скок, при който възелът спира да бъде достъпен:

Така в скрийншотите се вижда, че:

1. Оперативната памет на машината е на изчерпване;
2. Наблюдава се рязък скок в потреблението на оперативната памет, след което достъпът до цялата машина рязко спира;
3. На Mongo постъпва голяма задача, която принуждава процеса на СУБД да използва повече памет и активно да чете от диска.

Оказва се, че ако в Linux свърши свободната памет (настъпва memory pressure) и няма swap, до приходът на OOM killer може да настъпи равновесие между хвърлянето на страници в page cache и writeback-а им обратно на диска. Занимава се с това kswapd, който смело освобождава колкото се може повече страници памет за последващо разпределение.

За съжаление, при висока натовареност на вход/изход в комбинация с малко количество свободна памет, kswapd става бутилечно гърло на цялата система, защото на него разчитат всичко освобождавания (page faults) на страници памет в системата. Това може да продължи много дълго, ако процесите не пожелаят да използват повече памет, а останат на самия ръб на OOM-killer-пропаст.

Разумно е да се запитате: защо OOM killer идва толкова късно? В текущата си итерация OOM killer е изключително глупав: той убива процес само когато се провали опитът за освобождаване на страница памет, т.е. ако page fault се провали. Това достатъчно дълго не се случва, защото kswapd смело освобождава страници памет, сблъсквайки page cache (всички дискови I/O в системата, по същество) обратно на диска. По-подробно, с описания на стъпките, необходими за разрешаване на подобни проблеми в ядрото, могат да се четат тук..

Това поведение трябва да се подобри с ядрото Linux 4.6+.

История 6. Pod’ите остават в статус Pending

В някои клъстери, в които функционират наистина много pod’ове, започнахме да забелязваме, че голяма част от тях дълго време "виснат" в състояние Pending, въпреки че самите Docker контейнери вече са стартирани на възлите и с тях може ръчно да се работи.

Въпреки това в describe няма нищо лошо:

  Type    Reason                  Age                From                     Message
  ----    ------                  ----               ----                     -------
  Normal  Scheduled               1m                 default-scheduler        Успешно присвоен sphinx-0 на ss-dev-kub07
  Normal  SuccessfulAttachVolume  1m                 attachdetach-controller  Присъединяване на обем. Присъединено успешно за обем "pvc-6aaad34f-ad10-11e8-a44c-52540035a73b"
  Normal  SuccessfulMountVolume   1m                 kubelet, ss-dev-kub07    Настройка на обема "sphinx-config" успешно
  Normal  SuccessfulMountVolume   1m                 kubelet, ss-dev-kub07    Настройка на обема "default-token-fzcsf" успешно
  Normal  SuccessfulMountVolume   49s (x2 over 51s)  kubelet, ss-dev-kub07    Настройка на обема "pvc-6aaad34f-ad10-11e8-a44c-52540035a73b" успешно
  Normal  Pulled                  43s                kubelet, ss-dev-kub07    Контейнерният образ "registry.example.com/infra/sphinx-exporter/sphinx-indexer:v1" вече присъства на машината
  Normal  Created                 43s                kubelet, ss-dev-kub07    Създаден контейнер
  Normal  Started                 43s                kubelet, ss-dev-kub07    Стартиран контейнер
  Normal  Pulled                  43s                kubelet, ss-dev-kub07    Контейнерният образ "registry.example.com/infra/sphinx/sphinx:v1" вече присъства на машината
  Normal  Created                 42s                kubelet, ss-dev-kub07    Създаден контейнер
  Normal  Started                 42s                kubelet, ss-dev-kub07    Стартиран контейнер

След като изучихме проблема, направихме предположение, че kubelet просто не успява да изпрати на API-сервера цялата информация за статусите на pod’овете, liveness/readiness проверките.

А изучавайки помощта, намерихме следните параметри:

--kube-api-qps - QPS, което да се използва при комуникация с Kubernetes API сървъра (по подразбиране 5)
--kube-api-burst  - Временни данни за комуникация с Kubernetes API сървъра (по подразбиране 10)
--event-qps - Ако > 0, ограничете създаването на събития в секунда до тази стойност. Ако 0, без ограничение. (по подразбиране 5)
--event-burst - Максимален размер на динамичното записване на събития, временно позволява на записванията да достигнат до този брой, без да надвишават event-qps. Използва се само ако --event-qps > 0 (по подразбиране 10)
--registry-qps - Ако > 0, ограничете QPS на pull от регистратурата до тази стойност.
--registry-burst - Максимален размер на динамични pull, временно позволява на pull да достигнат до този брой, без да надвишават registry-qps. Използва се само ако --registry-qps > 0 (по подразбиране 10)

Както се вижда, стойностите по подразбиране са доста малки, и в 90 % от случаите покриват всички нужди... Въпреки това, в нашия случай това се оказа недостатъчно. Затова зададохме следните стойности:

--event-qps=30 --event-burst=40 --kube-api-burst=40 --kube-api-qps=30 --registry-qps=30 --registry-burst=40

… и рестартирахме kubelet'ите, след което на графиците за достъп до API-сервера видяхме следната картина:

… и да, всичко започна да работи прекрасно!

P.S.

Искам да благодаря на многото инженери в нашата компания за помощта при събирането на бъгове и подготовката на статията, а специално на колегата от нашия екип по НДД, Андрей Климентьев (zuzzas).

P.P.S.

Прочетете също в нашия блог:

• «Плъгинът kubectl-debug за отстраняване на грешки в pod-овете на Kubernetes».
• Цикъл Kubernetes съвети и трикове:
  • «Прехвърляне на работещи ресурси в кластера под управлението на Helm 2»;
  • «Отделяне на възлите и натоварванията на уеб приложението»;
  • «Достъп до dev платформите»;
  • «Ускоряване на bootstrap на големи бази данни».

Източник: habr.com