6 unterhaltsame Systemfehler im Betrieb von Kubernetes [und ihre Lösung]

Im Laufe der Jahre, in denen wir Kubernetes in der Produktion eingesetzt haben, haben wir viele interessante Geschichten darüber gesammelt, wie Fehler in verschiedenen Systemkomponenten zu unangenehmen und/oder unverständlichen Folgen für den Betrieb von Containern und Pods führten. In diesem Artikel haben wir eine Auswahl der häufigsten oder interessantesten zusammengestellt. Auch wenn man nie das Glück hat, auf solche Situationen zu stoßen, ist die Lektüre solcher Kurzdetektivgeschichten – vor allem „aus erster Hand“ – immer interessant, nicht wahr?

Geschichte 1. Supercronic und Docker hängen

Auf einem der Cluster erhielten wir regelmäßig einen eingefrorenen Docker, der die normale Funktion des Clusters beeinträchtigte. Gleichzeitig wurde in den Docker-Protokollen Folgendes beobachtet:

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

…

Was uns an diesem Fehler am meisten interessiert, ist die Meldung: pthread_create failed: No space left on device. Schnelles Lernen Dokumentation erklärte, dass Docker einen Prozess nicht forken konnte, weshalb er regelmäßig einfrierte.

Im Monitoring ergibt sich folgendes Bild zum Geschehen:

Eine ähnliche Situation ist auf anderen Knoten zu beobachten:

An den gleichen Knoten sehen wir:

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] <defunct>
root     17398  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     16852  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      9473  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      4664  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     30571  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     24113  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root     16475  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      7176  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>
root      1090  0.0  0.0      0     0 ?        Z    Feb06   0:00      |       _ [curl] <defunct>

Es stellte sich heraus, dass dieses Verhalten eine Folge der Arbeit des Pods ist superchronisch (ein Go-Dienstprogramm, mit dem wir Cron-Jobs in Pods ausführen):

 _ 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] <defunct>
|       _ [curl] <defunct>
|       _ [curl] <defunct>
|       _ [curl] <defunct>
…

Das Problem ist folgendes: Wenn eine Aufgabe in Supercronic ausgeführt wird, wird der von ihr erzeugte Prozess erzeugt kann nicht korrekt beendet werden, sich in etwas verwandeln Zombie.

Beachten: Genauer gesagt werden Prozesse durch Cron-Aufgaben erzeugt, aber Supercronic ist kein Init-System und kann keine Prozesse „übernehmen“, die von seinen Kindern erzeugt wurden. Wenn SIGHUP- oder SIGTERM-Signale ausgelöst werden, werden sie nicht an die untergeordneten Prozesse weitergeleitet, was dazu führt, dass die untergeordneten Prozesse nicht beendet werden und im Zombie-Status verbleiben. Mehr dazu können Sie zum Beispiel in lesen so ein Artikel.

Es gibt verschiedene Möglichkeiten, Probleme zu lösen:

1. Als vorübergehende Problemumgehung können Sie die Anzahl der PIDs im System zu einem bestimmten Zeitpunkt erhöhen:

          /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. Oder starten Sie Aufgaben in Supercronic nicht direkt, sondern mit derselben Tini, das in der Lage ist, Prozesse korrekt zu beenden und keine Zombies hervorzubringen.

Geschichte 2. „Zombies“ beim Löschen einer Cgroup

Kubelet begann, viel CPU zu verbrauchen:

Das wird niemandem gefallen, also haben wir uns bewaffnet perf und begann, sich mit dem Problem zu befassen. Die Ergebnisse der Untersuchung waren wie folgt:

• Kubelet verbringt mehr als ein Drittel seiner CPU-Zeit damit, Speicherdaten aus allen Kontrollgruppen abzurufen:

  

• In der Mailingliste der Kernel-Entwickler finden Sie Diskussion des Problems. Kurz gesagt läuft es auf Folgendes hinaus: Verschiedene tmpfs-Dateien und ähnliche Dinge werden nicht vollständig vom System entfernt Beim Löschen einer cgroup wird die sogenannte memcg Zombie. Früher oder später werden sie aus dem Seitencache gelöscht, aber auf dem Server ist viel Speicher vorhanden und der Kernel sieht keinen Sinn darin, Zeit mit dem Löschen zu verschwenden. Deshalb häufen sie sich immer weiter. Warum passiert das überhaupt? Hierbei handelt es sich um einen Server mit Cron-Jobs, der ständig neue Jobs und damit auch neue Pods erstellt. Dadurch werden für die darin enthaltenen Container neue Kontrollgruppen erstellt, die bald gelöscht werden.
• Warum verschwendet cAdvisor in Kubelet so viel Zeit? Dies ist bei der einfachsten Ausführung leicht zu erkennen time cat /sys/fs/cgroup/memory/memory.stat. Wenn der Vorgang auf einer fehlerfreien Maschine 0,01 Sekunden dauert, dauert er auf dem problematischen cron02 1,2 Sekunden. Die Sache ist, dass cAdvisor, der Daten von sysfs sehr langsam liest, versucht, den in Zombie-Cgroups verwendeten Speicher zu berücksichtigen.
• Um Zombies gewaltsam zu entfernen, haben wir versucht, Caches zu leeren, wie in LKML empfohlen: sync; echo 3 > /proc/sys/vm/drop_caches, - aber der Kernel erwies sich als komplizierter und brachte das Auto zum Absturz.

Was zu tun? Das Problem wird behoben (verpflichten, und für eine Beschreibung siehe Freigabenachricht) Kernel-Update Linux bis Version 4.16.

Geschichte 3. Systemd und sein Mount

Auch hier verbraucht das Kubelet auf einigen Knoten zu viele Ressourcen, dieses Mal jedoch zu viel Speicher:

Es stellte sich heraus, dass es ein Problem mit dem verwendeten systemd gab. Ubuntu 16.04, und es tritt auf, wenn Mounts verwaltet werden, die für die Verbindung erstellt wurden. subPath von ConfigMap's oder Secret's. Nachdem der Pod seine Arbeit abgeschlossen hat Der Systemd-Dienst und sein Dienst-Mount bleiben erhalten im System. Im Laufe der Zeit sammeln sich eine große Anzahl davon an. Es gibt sogar Probleme zu diesem Thema:

1. #5916;
2. Kubernetes #57345.

...der letzte davon bezieht sich auf die PR in systemd: #7811 (Problem im Systemd - #7798).

Das Problem besteht nicht mehr. Ubuntu 18.04, aber wenn Sie weiterhin verwenden möchten Ubuntu 16.04, vielleicht finden Sie unsere Lösung zu diesem Thema nützlich.

Also haben wir das folgende DaemonSet erstellt:

---
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

... und es verwendet das folgende Skript:

#!/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

... und es läuft alle 5 Minuten mit der bereits erwähnten Supercronic. Seine Docker-Datei sieht so aus:

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"]

Geschichte 4. Wettbewerbsfähigkeit bei der Planung von Pods

Es ist Folgendes aufgefallen: Wenn wir einen Pod auf einem Knoten platziert haben und sein Bild für eine sehr lange Zeit herausgepumpt wird, dann wird einfach ein anderer Pod, der denselben Knoten „trifft“, dies tun beginnt nicht, das Image des neuen Pods abzurufen. Stattdessen wird gewartet, bis das Image des vorherigen Pods abgerufen wird. Infolgedessen erhält ein Pod, der bereits geplant war und dessen Image in nur einer Minute hätte heruntergeladen werden können, den Status „ containerCreating.

Die Veranstaltungen werden in etwa so aussehen:

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

Es stellt sich heraus, dass Ein einzelnes Image aus einer langsamen Registrierung kann die Bereitstellung blockieren pro Knoten.

Leider gibt es nicht viele Auswege aus der Situation:

1. Versuchen Sie, Ihre Docker-Registrierung direkt im Cluster oder direkt mit dem Cluster zu verwenden (z. B. GitLab Registry, Nexus usw.);
2. Verwenden Sie Dienstprogramme wie kraken.

Geschichte 5. Knoten hängen aufgrund von Speichermangel

Beim Betrieb verschiedener Anwendungen sind wir auch auf eine Situation gestoßen, in der ein Knoten überhaupt nicht mehr erreichbar ist: SSH antwortet nicht, alle Überwachungsdämonen fallen aus und dann gibt es in den Protokollen nichts (oder fast nichts) Ungewöhnliches.

Ich erzähle es Ihnen in Bildern am Beispiel eines Knotens, auf dem MongoDB funktionierte.

So sieht es oben aus auf Unfälle:

Und so - nach Unfälle:

Bei der Überwachung gibt es auch einen starken Sprung, bei dem der Knoten nicht mehr verfügbar ist:

Aus den Screenshots geht also klar hervor, dass:

1. Der Arbeitsspeicher der Maschine ist fast erschöpft;
2. Es kommt zu einem starken Anstieg des RAM-Verbrauchs, woraufhin der Zugriff auf die gesamte Maschine abrupt deaktiviert wird;
3. Auf Mongo trifft eine große Aufgabe ein, die den DBMS-Prozess dazu zwingt, mehr Speicher zu verbrauchen und aktiv von der Festplatte zu lesen.

Es stellt sich heraus, dass wenn in Linux Der freie Speicher geht zur Neige (Speicherdruck tritt auf) und es gibt keinen Auslagerungsspeicher, dann auf Wenn der OOM-Killer eintrifft, kann es zu einem Balanceakt zwischen dem Abwerfen von Seiten in den Seitencache und dem Zurückschreiben auf die Festplatte kommen. Dies übernimmt kswapd, das mutig so viele Speicherseiten wie möglich für die spätere Verteilung freigibt.

Bei einer großen I/O-Last gepaart mit einer geringen Menge an freiem Speicher ist es leider so, dass kswapd wird zum Flaschenhals des gesamten Systems, weil sie daran gebunden sind alle Zuweisungen (Seitenfehler) von Speicherseiten im System. Dies kann sehr lange dauern, wenn die Prozesse keinen Speicher mehr beanspruchen wollen, sich aber am äußersten Rand des OOM-Killer-Abgrunds befinden.

Die natürliche Frage ist: Warum kommt der OOM-Killer so spät? In seiner aktuellen Version ist der OOM-Killer extrem dumm: Er beendet den Prozess nur, wenn der Versuch, eine Speicherseite zuzuweisen, fehlschlägt, d. h. wenn der Seitenfehler fehlschlägt. Dies geschieht jedoch erst nach längerer Zeit, da kswapd mutig Speicherseiten freigibt und den Seitencache (eigentlich die gesamte Festplatten-E/A im System) zurück auf die Festplatte speichert. Ausführlicher mit einer Beschreibung der Schritte, die zur Behebung solcher Probleme im Kernel erforderlich sind, können Sie lesen hier.

Dieses Verhalten sollte sich verbessern mit Kern Linux 4.6 +.

Geschichte 6. Pods bleiben im Status „Ausstehend“ hängen

In einigen Clustern, in denen wirklich viele Pods in Betrieb sind, bemerkten wir, dass die meisten von ihnen sehr lange im Staat „hängen“. Pending, obwohl die Docker-Container selbst bereits auf den Knoten laufen und manuell bearbeitet werden können.

Mit diesem in describe da ist nichts falsch:

  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

Nach einigem Recherchieren sind wir zu der Annahme gelangt, dass das Kubelet einfach keine Zeit hat, alle Informationen über den Zustand der Pods und Liveness-/Bereitschaftstests an den API-Server zu senden.

Und nachdem wir Hilfe studiert hatten, fanden wir die folgenden Parameter:

--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)

Wie Sie sehen können Die Standardwerte sind recht klein, und zu 90 % decken sie alle Bedürfnisse ab... In unserem Fall reichte dies jedoch nicht aus. Daher legen wir folgende Werte fest:

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

... und die Kubelets neu gestartet, woraufhin wir in den Diagrammen der Aufrufe an den API-Server das folgende Bild sahen:

... und ja, alles begann zu fliegen!

PS

Für ihre Hilfe beim Sammeln von Fehlern und der Vorbereitung dieses Artikels möchte ich den zahlreichen Ingenieuren unseres Unternehmens und insbesondere meinem Kollegen aus unserem Forschungs- und Entwicklungsteam Andrey Klimentyev (Zuzzas).

PPS

Lesen Sie auch auf unserem Blog:

• «kubectl-debug-Plugin zum Debuggen in Kubernetes-Pods".
• Kubernetes-Tipps und Tricks-Schleife:
  • «Übertragen von Ressourcen, die in einem Cluster ausgeführt werden, an die Helm 2-Verwaltung";
  • «Informationen zur Knotenzuordnung und zum Laden einer Webanwendung";
  • «Zugriff auf Entwicklungsseiten";
  • «Beschleunigung des Bootstrap für große Datenbanken".

Source: habr.com