6 entretidos erros do sistema no funcionamento de Kubernetes [e a súa solución]

Ao longo dos anos de uso de Kubernetes na produción, acumulamos moitas historias interesantes sobre como os erros en varios compoñentes do sistema levaron a consecuencias desagradables e/ou incomprensibles que afectaban o funcionamento dos recipientes e dos recipientes. Neste artigo fixemos unha selección dalgúns dos máis comúns ou interesantes. Aínda que nunca teñas a sorte de atoparte con tales situacións, ler sobre este tipo de historias policiais curtas -especialmente de primeira man- sempre é interesante, non é?...

Historia 1. Supercronic e Docker colgado

Nun dos clústeres, recibimos periodicamente un Docker conxelado, que interfería co funcionamento normal do clúster. Ao mesmo tempo, observouse o seguinte nos rexistros de Docker:

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

…

O que máis nos interesa deste erro é a mensaxe: pthread_create failed: No space left on device. Estudo rápido documentación explicou que Docker non podía bifurcar un proceso, polo que se conxelaba periodicamente.

No seguimento, a seguinte imaxe corresponde ao que está a suceder:

Unha situación similar obsérvase noutros nodos:

Nos mesmos nodos vemos:

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>

Resultou que este comportamento é unha consecuencia do traballo coa pod supercrónico (unha utilidade Go que usamos para executar traballos cron en pods):

 _ 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>
…

O problema é este: cando unha tarefa se executa en supercrónico, o proceso xérase por ela non pode finalizar correctamente, converténdose en zombi.

Nota: Para ser máis precisos, os procesos son xerados por tarefas cron, pero supercronic non é un sistema de inicio e non pode "adoptar" os procesos que xeraron os seus fillos. Cando se elevan os sinais SIGHUP ou SIGTERM, non se transmiten aos procesos fillos, polo que os procesos fillos non rematen e permanecen en estado zombie. Podes ler máis sobre todo isto, por exemplo, en tal artigo.

Hai un par de formas de resolver problemas:

1. Como solución temporal: aumente o número de PID no sistema nun único momento:

          /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. Ou lanzar tarefas en supercronic non directamente, pero usando as mesmas tini, que é capaz de finalizar os procesos correctamente e non xerar zombies.

Historia 2. "Zombies" ao eliminar un cgroup

Kubelet comezou a consumir moita CPU:

A ninguén lle gustará isto, así que armamos perfecto e comezou a tratar o problema. Os resultados da investigación foron os seguintes:

• Kubelet gasta máis dun terzo do seu tempo de CPU extraendo datos de memoria de todos os cgroups:

  

• Na lista de correo dos desenvolvedores do núcleo podes atopar discusión do problema. En resumo, o punto redúcese a isto: varios ficheiros tmpfs e outras cousas similares non se eliminan completamente do sistema ao eliminar un cgroup, o chamado memcg zumbi. Tarde ou cedo eliminaranse da caché da páxina, pero hai moita memoria no servidor e o núcleo non ve o sentido de perder o tempo en borralos. Por iso seguen acumulándose. Por que está a pasar isto? Este é un servidor con traballos cron que constantemente crea novos postos de traballo, e con eles novos pods. Así, créanse novos cgroups para contedores neles, que pronto se eliminarán.
• Por que cAdvisor en kubelet perde tanto tempo? Isto é fácil de ver coa execución máis sinxela time cat /sys/fs/cgroup/memory/memory.stat. Se nunha máquina sa a operación leva 0,01 segundos, entón no cron02 problemático leva 1,2 segundos. O caso é que cAdvisor, que le os datos dos sysfs moi lentamente, tenta ter en conta a memoria utilizada nos cgroups zombies.
• Para eliminar zombies por forza, tentamos borrar as cachés como se recomenda en LKML: sync; echo 3 > /proc/sys/vm/drop_caches, - pero o núcleo resultou máis complicado e estrelou o coche.

Que facer? O problema estase solucionando (comprometerse, e para unha descrición ver mensaxe de liberación) actualización do núcleo Linux ata a versión 4.16.

Historia 3. Systemd e o seu montaxe

De novo, o kubelet está a consumir demasiados recursos nalgúns nodos, pero esta vez está a consumir demasiada memoria:

Resultou que había un problema con systemd usado en Ubuntu 16.04, e ocorre ao xestionar montaxes creadas para conexións subPath desde ConfigMap ou secreto. Despois de que o pod completou o seu traballo o servizo systemd e o seu montaxe de servizo permanecen no sistema. Co paso do tempo, acumúlanse un gran número deles. Incluso hai problemas sobre este tema:

1. #5916;
2. kubernetes #57345.

... o último dos cales refírese ao PR en systemd: # 7811 (problema en systemd - # 7798).

O problema xa non está aí Ubuntu 18.04, pero se queres seguir a usar Ubuntu 16.04, pode que che resulte útil a nosa solución alternativa sobre este tema.

Entón fixemos o seguinte 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

... e usa o seguinte script:

#!/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

... e corre cada 5 minutos usando o supercronic mencionado anteriormente. O seu Dockerfile ten o seguinte aspecto:

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"]

Relato 4. Competitividade á hora de programar vainas

Observouse que: se temos unha vaina colocada nun nodo e a súa imaxe é bombeada durante moito tempo, outra vaina que "choque" o mesmo nodo simplemente non comeza a tirar da imaxe da nova vaina. Pola contra, agarda ata que se tire a imaxe do pod anterior. Como resultado, un pod que xa estaba programado e cuxa imaxe podería descargarse en só un minuto pasará ao estado de containerCreating.

Os eventos serán algo así:

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

Acontece que unha única imaxe dun rexistro lento pode bloquear a implantación por nodo.

Desafortunadamente, non hai moitas formas de saír da situación:

1. Tenta usar o teu Rexistro Docker directamente no clúster ou directamente co clúster (por exemplo, Rexistro GitLab, Nexus, etc.);
2. Use utilidades como kraken.

Relato 5. Os nós colgan por falta de memoria

Durante o funcionamento de varias aplicacións, tamén atopamos unha situación na que un nodo deixa de ser completamente accesible: SSH non responde, todos os daemons de monitorización caen e, a continuación, non hai nada (ou case nada) anómalo nos rexistros.

Conto en imaxes usando o exemplo dun nodo onde funcionou MongoDB.

Este é o que parece enriba para accidentes:

E así - despois accidentes:

No seguimento, tamén hai un salto brusco, no que o nodo deixa de estar dispoñible:

Así, das capturas de pantalla queda claro que:

1. A memoria RAM da máquina está preto do final;
2. Hai un forte salto no consumo de memoria RAM, despois do cal o acceso a toda a máquina queda desactivado bruscamente;
3. Chega a Mongo unha tarefa grande, que obriga ao proceso de DBMS a usar máis memoria e ler activamente desde o disco.

Resulta que se en Linux a memoria libre esgótase (prodúcese presión de memoria) e non hai intercambio, entón para Cando chega o asasino OOM, pode xurdir un equilibrio entre lanzar páxinas na caché de páxinas e escribilas de novo no disco. Isto faise por kswapd, que libera con valentía tantas páxinas de memoria como sexa posible para a súa posterior distribución.

Desafortunadamente, cunha gran carga de E/S xunto cunha pequena cantidade de memoria libre, kswapd convértese no pescozo de botella de todo o sistema, porque están ligados a ela todo asignacións (errores de páxina) de páxinas de memoria no sistema. Isto pode durar moito tempo se os procesos xa non queren usar a memoria, pero están arreglados no bordo mesmo do abismo asasino de OOM.

A pregunta natural é: por que o asasino OOM chega tan tarde? Na súa iteración actual, o asasino OOM é extremadamente estúpido: matará o proceso só cando falle o intento de asignar unha páxina de memoria, é dicir. se falla a páxina. Isto non ocorre durante moito tempo, porque kswapd libera con valentía as páxinas de memoria, descargando a caché de páxinas (de feito, toda a E/S do disco no sistema) ao disco. Con máis detalle, podes ler cunha descrición dos pasos necesarios para eliminar tales problemas no núcleo aquí.

Este comportamento debería mellorar cun núcleo Linux 4.6 anos máis.

Historia 6. As cápsulas quedan atascadas no estado Pendente

Nalgúns clústeres, nos que realmente hai moitas vainas funcionando, comezamos a notar que a maioría delas "colgan" durante moito tempo no estado. Pending, aínda que os propios contedores Docker xa se están executando nos nodos e pódense traballar manualmente.

Ademais, en describe non hai nada de malo:

  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

Despois de investigar un pouco, supuxemos que o kubelet simplemente non ten tempo para enviar toda a información sobre o estado dos pods e as probas de vida/preparación ao servidor API.

E despois de estudar a axuda, atopamos os seguintes parámetros:

--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)

Como se ve, os valores predeterminados son bastante pequenos, e nun 90% cobren todas as necesidades... Porén, no noso caso non foi suficiente. Polo tanto, establecemos os seguintes valores:

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

... e reiniciamos os kubelets, despois de que vimos a seguinte imaxe nos gráficos de chamadas ao servidor API:

... e si, todo comezou a voar!

PS

Pola súa axuda na recollida de erros e na preparación deste artigo, expreso o meu profundo agradecemento aos numerosos enxeñeiros da nosa empresa, e especialmente ao meu colega do noso equipo de I+D Andrey Klimentyev (zuzas).

PPS

Lea tamén no noso blog:

• «Complemento kubectl-debug para depurar en pods de Kubernetes».
• Suxestións e trucos de Kubernetes:
  • «Transferir recursos que traballan nun clúster á xestión de Helm 2»;
  • «Sobre a asignación de nodos e as cargas nunha aplicación web»;
  • «Acceso a sitios de desenvolvemento»;
  • «Acelerar o arranque para grandes bases de datos».

Fonte: www.habr.com