ProHoster > Blog > Verwaltung > 6 unterhaltsame Systemfehler im Betrieb von Kubernetes [und ihre Lösung]
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:
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):
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:
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
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) Aktualisierung des Linux-Kernels auf 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 in systemd, das in Ubuntu 16.04 verwendet wird, ein Problem vorliegt, das bei der Verwaltung von Mounts auftritt, 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:
...der letzte davon bezieht sich auf die PR in systemd: #7811 (Problem im Systemd - #7798).
Das Problem besteht in Ubuntu 18.04 nicht mehr, aber wenn Sie Ubuntu 16.04 weiterhin verwenden möchten, kann unser Workaround zu diesem Thema hilfreich für Sie sein.
#!/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:
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:
Versuchen Sie, Ihre Docker-Registrierung direkt im Cluster oder direkt mit dem Cluster zu verwenden (z. B. GitLab Registry, Nexus usw.);
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:
Der Arbeitsspeicher der Maschine ist fast erschöpft;
Es kommt zu einem starken Anstieg des RAM-Verbrauchs, woraufhin der Zugriff auf die gesamte Maschine abrupt deaktiviert wird;
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 Linux keinen freien Speicher mehr hat (Speicherdruck setzt ein) und kein Swap stattfindet 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.
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:
... 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).