6 szórakoztató rendszerhiba a Kubernetes működésében [és megoldásuk]
A Kubernetes gyártási használata során eltelt évek során számos érdekes történetet halmoztunk fel arról, hogy a különböző rendszerelemek hibái hogyan vezettek kellemetlen és/vagy érthetetlen következményekhez, amelyek befolyásolták a konténerek és pod-ok működését. Ebben a cikkben a leggyakoribb vagy legérdekesebbek közül válogattunk. Még ha soha nincs is szerencséd ilyen helyzetekkel találkozni, az ilyen rövid detektívtörténeteket - főleg „első kézből” - mindig érdekes olvasni, nem igaz?
1. sztori. Supercronic és Docker akasztás
Az egyik klaszteren időnként lefagyott Dockert kaptunk, ami megzavarta a klaszter normál működését. Ugyanakkor a következőket figyelték meg a Docker naplókban:
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
…
Ami a hibával kapcsolatban a legjobban érdekel, az a következő üzenet: pthread_create failed: No space left on device. Gyors tanulmány dokumentáció elmagyarázta, hogy a Docker nem tudott elágazni egy folyamatot, ezért időnként lefagyott.
A megfigyelés során a következő kép megfelel a történéseknek:
Hasonló helyzet figyelhető meg más csomópontokon is:
A probléma a következő: amikor egy feladat szuperkronikus rendszerben fut, az általa elindított folyamat nem lehet megfelelően befejezni, átváltva zombi.
Megjegyzés: Pontosabban, a folyamatokat a cron feladatok generálják, de a supercronic nem egy init rendszer, és nem tudja „örökbe fogadni” azokat a folyamatokat, amelyeket a gyermekei szültek. Amikor a SIGHUP vagy a SIGTERM jelek fellépnek, nem kerülnek át az utódfolyamatokba, így a gyermekfolyamatok nem fejeződnek be, és zombi státuszban maradnak. Minderről bővebben olvashat például a egy ilyen cikk.
A problémák megoldásának néhány módja van:
Ideiglenes megoldásként: növelje a rendszerben lévő PID-k számát egyetlen időpontban:
/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
Vagy indítsa el a feladatokat a szupercronicban nem közvetlenül, hanem ugyanazzal kádak, amely képes helyesen leállítani a folyamatokat és nem szülni zombikat.
Történet 2. „Zombik” cgroup törlésekor
A Kubelet elkezdett sok CPU-t fogyasztani:
Ez senkinek sem fog tetszeni, ezért felfegyvereztük magunkat perf és elkezdett foglalkozni a problémával. A vizsgálat eredménye a következő volt:
A Kubelet CPU-idejének több mint egyharmadát azzal tölti, hogy az összes cgroup memóriaadatait lekéri:
A kernelfejlesztők levelezőlistáján megtalálod a probléma megbeszélése. Röviden a lényeg a következő: a különféle tmpfs fájlok és más hasonló dolgok nem távolíthatók el teljesen a rendszerből ccsoport törlésekor az ún memcg zombi. Előbb-utóbb törlődnek az oldal gyorsítótárából, de sok a memória a szerveren, és a kernel nem látja értelmét, hogy időt pazaroljon a törlésükre. Ezért halmozódnak fel folyamatosan. Miért is történik ez? Ez egy cron jobokkal rendelkező szerver, amely folyamatosan új jobokat hoz létre, és velük együtt új podokat is. Így új cgroupok jönnek létre a bennük lévő konténerekhez, amelyek hamarosan törlődnek.
Miért pazarol annyi időt a cAdvisor a kubeletben? Ez a legegyszerűbb végrehajtással könnyen belátható time cat /sys/fs/cgroup/memory/memory.stat. Ha egy egészséges gépen a művelet 0,01 másodpercig tart, akkor a problémás cron02-n 1,2 másodpercig tart. A helyzet az, hogy a cAdvisor, amely nagyon lassan olvassa be a sysfs-ből az adatokat, megpróbálja figyelembe venni a zombi cgroupokban használt memóriát.
A zombik erőszakos eltávolításához megpróbáltuk a gyorsítótárak törlését az LKML-ben javasolt módon: sync; echo 3 > /proc/sys/vm/drop_caches, - de a kernel bonyolultabbnak bizonyult és összetörte az autót.
Mit kell tenni? A probléma megoldása folyamatban van (elkövetni, a leírást pedig lásd kiadás üzenet) a Linux kernel frissítése a 4.16-os verzióra.
Történelem 3. Systemd és mount
A kubelet ismét túl sok erőforrást fogyaszt egyes csomópontokon, de ezúttal túl sok memóriát:
Kiderült, hogy az Ubuntu 16.04-ben használt systemd-ben van egy probléma, és ez a csatlakozáshoz létrehozott csatolások kezelésekor jelentkezik subPath a ConfigMap-ből vagy a titokból. Miután a hüvely befejezte munkáját a systemd szolgáltatás és annak szervizcsatlakozása megmarad rendszerben. Idővel hatalmas számban halmozódnak fel belőlük. Még problémák is vannak ebben a témában:
...amelyek közül az utolsó a PR-re vonatkozik a systemd-ben: #7811 (probléma a systemd-ben - #7798).
A probléma már nem létezik az Ubuntu 18.04-ben, de ha továbbra is használni szeretné az Ubuntu 16.04-et, hasznosnak találhatja a témával kapcsolatos megoldásunkat.
#!/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
... és 5 percenként fut a korábban említett szupercronic segítségével. A Docker-fájlja így néz ki:
4. történet. Versenyképesség a pod-ok ütemezésekor
Észrevettük, hogy: ha van egy pod egy csomóponton, és a képe nagyon hosszú ideig ki van pumpálva, akkor egy másik, ugyanazt a csomópontot „eltaláló pod” egyszerűen csak nem kezdi el húzni az új pod képét. Ehelyett megvárja, amíg az előző pod képe meg nem jelenik. Ennek eredményeként egy olyan pod, amely már ütemezett, és amelynek képe egy perc alatt letölthető lett volna, a következő állapotba kerül. containerCreating.
Az események valahogy így fognak kinézni:
Normal Pulling 8m kubelet, ip-10-241-44-128.ap-northeast-1.compute.internal pulling image "registry.example.com/infra/openvpn/openvpn:master"
Kiderül, hogy egy lassú rendszerleíró adatbázisból származó egyetlen kép blokkolhatja a telepítést csomópontonként.
Sajnos nem sok kiút van a helyzetből:
Próbálja meg a Docker Registry-t közvetlenül a fürtben vagy közvetlenül a fürtben használni (például GitLab Registry, Nexus stb.);
5. történet. A csomópontok memóriahiány miatt lefagynak
Különböző alkalmazások működése során is találkoztunk olyan helyzettel, amikor egy csomópont teljesen megszűnik elérhető lenni: az SSH nem válaszol, az összes megfigyelő démon leesik, és akkor a naplókban nincs (vagy szinte semmi) anomális.
Elmondom képekben, egy csomópont példáján, ahol a MongoDB működött.
Így néz ki a tetején a balesetek:
És így - után balesetek:
A megfigyelésben van egy éles ugrás is, amelynél a csomópont már nem elérhető:
Így a képernyőképekből egyértelmű, hogy:
A gép RAM-ja a végéhez közeledik;
A RAM-felhasználás élesen megugrott, ami után a teljes géphez való hozzáférés hirtelen le van tiltva;
Nagy feladat érkezik a Mongo-ra, ami arra kényszeríti a DBMS-folyamatot, hogy több memóriát használjon és aktívan olvasson lemezről.
Kiderült, hogy ha a Linuxnak elfogy a szabad memóriája (memórianyomás beáll), és nincs csere, akkor a Amikor az OOM gyilkos megérkezik, egyensúlyba hozható az oldalak gyorsítótárba dobása és a lemezre való visszaírása között. Ezt a kswapd teszi meg, amely bátran szabadít fel minél több memóriaoldalt a későbbi terjesztéshez.
Sajnos nagy I/O terhelés mellett kevés szabad memória, A kswapd az egész rendszer szűk keresztmetszetévé válik, mert hozzá vannak kötve minden memórialapok lefoglalása (oldalhibái) a rendszerben. Ez nagyon sokáig elhúzódhat, ha a folyamatok már nem akarnak memóriát használni, hanem az OOM-gyilkos szakadék legszélére rögzülnek.
A természetes kérdés: miért jön ilyen későn az OOM gyilkos? Jelenlegi iterációjában az OOM gyilkos rendkívül hülye: csak akkor fogja megölni a folyamatot, ha a memóriaoldal lefoglalási kísérlete meghiúsul, pl. ha az oldalhiba meghiúsul. Ez nem történik meg elég sokáig, mert a kswapd bátran felszabadítja a memórialapokat, és az oldalgyorsítótárat (sőt a rendszerben lévő teljes lemez I/O-t) visszarakja a lemezre. Részletesebben, az ilyen kernelbeli problémák kiküszöböléséhez szükséges lépések leírásával olvashat itt.
Egyes klaszterekben, amelyekben valóban sok pod működik, azt vettük észre, hogy a legtöbbjük nagyon sokáig „lóg” az államban. Pending, bár maguk a Docker-tárolók már futnak a csomópontokon, és manuálisan is kezelhetők.
Ráadásul be describe nincs semmi baj:
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
Némi ásás után arra a feltételezésre jutottunk, hogy a kubeletnek egyszerűen nincs ideje elküldeni az összes információt a pod-ok állapotáról és az élőség/készültség tesztekről az API szervernek.
A súgó tanulmányozása után a következő paramétereket találtuk:
--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)
Mint látható, az alapértelmezett értékek meglehetősen kicsik, és 90%-ban minden igényt lefednek... Ez azonban esetünkben nem volt elég. Ezért a következő értékeket állítjuk be:
... és újraindítottam a kubeleteket, ami után a következő képet láttuk az API szerver hívásainak grafikonjain:
... és igen, minden repülni kezdett!
PS
A hibák begyűjtésében és a cikk elkészítésében nyújtott segítségükért mély köszönetemet fejezem ki cégünk számos mérnökének, és különösen a kutatás-fejlesztési csapatunkból dolgozó kollégámnak, Andrej Klimentjevnek (zuzzák).