内核及IO相关问题

内核问题定位及处理

故障现象

内核相关故障，可能导致机器无法登录或异常重启。

可能原因

内核 hung_task

• hung task 机制通过内核线程 khungtaskd 实现，khungtaskd 监控处于 TASK_UNINTERRUPTIBLE 状态的进程。
• 如果进程在 kernel.hung_task_timeout_secs（默认120秒）周期内一直处于 D 状态，则会打印 hung task 进程的堆栈信息。
• 如果配置 kernel.hung_task_panic=1，则会触发内核 panic 重启机器。

内核软死锁 soft lockup

• soft lockup 指 CPU 被内核代码占据，导致无法执行其他进程。
• 检测 soft lockup 的原理是给每个 CPU 分配一个定时执行的内核线程 [watchdog/x]，如果该线程在一定周期内（默认为 2*kernel.watchdog_thresh，3.10内核 kernel.watchdog_thresh 默认为10秒）没有得到执行，则表明发生了 soft lockup。
• 如果配置了 kernel.softlockup_panic=1，则会触发内核 panic 重启机器。

内核 panic

• 内核异常 crash 导致机器异常重启，常见场景包括：
  • 内核出现了 hung_task 且配置了 kernel.hung_task_panic=1。
  • 内核出现了软死锁 soft lockup 且配置了 kernel.softlockup_panic=1。
  • 触发了内核 bug。

处理步骤

内核相关问题排查及处理步骤较复杂，建议通过提交工单进一步定位及处理。

硬盘问题定位及处理

硬盘 inode 满

• 故障现象：创建新文件时提示 “No space left on device” 错误信息，且使用 df -i 命令查看 inode 空间使用率100%。
• 可能原因：文件系统 inode 耗尽。
• 处理步骤：删除无需使用的文件或扩容硬盘。

硬盘空间使用率满

• 故障现象：创建新文件时提示 “No space left on device” 错误信息，且使用 df -h 命令查看到硬盘空间使用率100%。
• 可能原因：硬盘空间耗尽。
• 处理步骤：删除无需使用的文件或扩容硬盘。

硬盘只读

• 故障现象：文件系统只能读文件，不能创建新文件。
• 可能原因：文件系统有损坏。
• 处理步骤：
  1. 创建快照以备份硬盘数据。
  2. 根据硬盘类型，执行对应处理步骤：
     • 系统盘：建议直接重启实例。
     • 数据盘：
       1. 使用 lsblk -f 命令查看只读盘对应的文件系统类型。
       2. 使用 umount <对应盘挂载路径> 命令卸载数据盘。
       3. 根据文件系统类型，执行以下命令进行修复：
          • ext3/ext4 文件系统：fsck -y /dev/对应盘
          • xfs 文件系统：xfs_repair /dev/对应盘

硬盘 %util 高

• 故障现象：实例卡顿，使用 SSH 或 VNC 登录慢或无响应。
• 可能原因：IO 高导致硬盘 %util 达到100%。
• 处理步骤：查看 IO 高是否合理，且需评估是否减少 IO 读写或者置换更高性能的硬盘。