标签：ratio 宕机 导致系统 文件系统 gluster fuse dirty vm
用户态fuse文件系统无响应导致系统宕机
fuse是内核用户态文件系统。
例如：
fuse承载NFS（网络文件存储）是gluster服务，当gluster服务响应时间超过默认120s，导致内核hung死，触发echo 0 > /proc/sys/kernel/hung_task_timeout_secs disables this message。
目前，NFS集群建设初期，内核fuse响应用户gluster服务的超时时间为900s，没有有效解决此类问题，gluster服务因网络、gan'e'sha服务、ctdb服务、samba服务多种原因，导致存储服务异常响应超时。
问题原因：
用户文件系统无规定120s内处理数据，导致内存溢出，系统无响应。
默认情况下， Linux会最多使用40%的可用内存作为文件系统缓存。当超过这个阈值后，文件系统会把将缓存中的内存全部写入磁盘， 导致后续的IO请求都是同步的。
将缓存写入磁盘时，有一个默认120秒的超时时间。 出现上面的问题的原因是IO子系统的处理速度不够快，不能在120秒将缓存中的数据全部写入磁盘。
IO系统响应缓慢，导致越来越多的请求堆积，最终系统内存全部被占用，导致系统失去响应。
常规解决办法：
根据应用程序情况，对vm.dirty_ratio，vm.dirty_background_ratio两个参数进行调优设置。 例如，推荐如下设置：
sysctl -w vm.dirty_ratio=10
sysctl -w vm.dirty_backgroup_ratio=5
sysctl -p
如果系统永久生效，修改/etc/sysctl.conf文件。加入如下两行：
#vi /etc/sysctl.conf
vm.dirty_backgroup_ratio = 5
vm.dirty_ratio = 10
重启系统生效。
尝试解决办法：
计划升级V4.0版本，涉及服务gluster、ganeha、samba；
目前由于客户业务跑在NFS存储集群上，正在研究通过热升级的方式，评估存储产品平滑升级的可能性。
计划升级V4.0解决的问题：
优先恢复客户业务，一般可以重启服务，临时解决存储使用问题；
- nfs文件存储内存占用过高；
sar -r -f /var/log/sa/sa15
- ganesha服务2049端口积压；
ps -ef | grep -iE “2049|ganesha”
kill -9 ....杀死少量established的2049的tcp连接，重启ganesha服务；
- nfs存储集群brick无法拉起，gluster v status中pid和online情况异常；
查看brick状态
gluster v status
发现存储节点的pid为空，online为N离线状态；
查看brick端口24007的有少量的established的tcp连接；
ps -ef | grep 24007
kill -9 .....杀死少量established的24007的tcp丽娜姐，重启gluster服务；
对比所有节点，从glusterd.log日志中发现，brick的问题关联配置/var/lib/glusterd/vols/hnvol01cl01/info和/var/lib/glusterd/vols/sdsom_sql/info，此问题可能是/var/lib/glusterd/vols/sdsom_sql/info的配置同步异常，可以手动拷贝正常节点的配置文件进行同步。
参考：Linux文件系统一（用户文件系统fuse）_QQ851301776的博客-CSDN博客_fuse linux
标签：ratio,宕机,导致系统,文件系统,gluster,fuse,dirty,vm 来源： https://www.cnblogs.com/gkhost/p/16348097.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。