Anscheinend gibt es ein bekanntes Problem von XFS, das den Kern/die Prozesse sperrt und Volumes unter starkem Verkehr korrumpiert. Einige Webseiten sprechen darüber, aber ich konnte nicht herausfinden, welche Seiten neu sind und möglicherweise eine Lösung haben.Gibt es eine Lösung für das XFS-Lockup in Linux?
Die Bereitstellungen meines Unternehmens haben Debian mit Kernel 3.4.107, xfsprogs 3.1.4 und große Speicher-Arrays. Wir haben große Daten (PB) und hohen Durchsatz (GB/s) mit Async IO zu mehreren großen Volumes. Wir erleben ständig diese unvorhersehbaren Sperren auf mehreren Systemen. Kernel-Logs/dmesg zeigt in etwa wie folgt:
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986515] INFO: task Sr2dReceiver-5:46829 blocked for more than 120 seconds.
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986518] "echo 0 > /proc/sys/kernel/hung_task_timeout_secs" disables this message.
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986520] Sr2dReceiver-5 D ffffffff8105b39e 0 46829 7284 0x00000000
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986524] ffff881e71f57b38 0000000000000082 000000000000000b ffff884066763180
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986529] 0000000000000000 ffff884066763180 0000000000011180 0000000000011180
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986532] ffff881e71f57fd8 ffff881e71f56000 0000000000011180 ffff881e71f56000
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986536] Call Trace:
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986545] [<ffffffff814ffe9f>] schedule+0x64/0x66
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986548] [<ffffffff815005f3>] rwsem_down_failed_common+0xdb/0x10d
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986551] [<ffffffff81500638>] rwsem_down_write_failed+0x13/0x15
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986555] [<ffffffff8126b583>] call_rwsem_down_write_failed+0x13/0x20
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986558] [<ffffffff814ff320>] ? down_write+0x25/0x27
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986572] [<ffffffffa01f29e0>] xfs_ilock+0xbc/0x12e [xfs]
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986580] [<ffffffffa01eec71>] xfs_rw_ilock+0x2c/0x33 [xfs]
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986586] [<ffffffffa01eec71>] ? xfs_rw_ilock+0x2c/0x33 [xfs]
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986593] [<ffffffffa01ef234>] xfs_file_aio_write_checks+0x41/0xfe [xfs]
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986600] [<ffffffffa01ef358>] xfs_file_buffered_aio_write+0x67/0x179 [xfs]
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986603] [<ffffffff8150099a>] ? _raw_spin_unlock_irqrestore+0x30/0x3d
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986611] [<ffffffffa01ef81d>] xfs_file_aio_write+0x163/0x1b5 [xfs]
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986614] [<ffffffff8106f1af>] ? futex_wait+0x22c/0x244
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986619] [<ffffffff8110038e>] do_sync_write+0xd9/0x116
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986622] [<ffffffff8150095f>] ? _raw_spin_unlock+0x26/0x31
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986634] [<ffffffff8106f2f1>] ? futex_wake+0xe8/0xfa
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986637] [<ffffffff81100d1d>] vfs_write+0xae/0x10a
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986639] [<ffffffff811015b3>] ? fget_light+0xb0/0xbf
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986642] [<ffffffff81100dd3>] sys_pwrite64+0x5a/0x79
2016 Mar 24 04:42:34 hmtmzhbgb01-ssu-1 kernel: [2358750.986645] [<ffffffff81506912>] system_call_fastpath+0x16/0x1b
Abstürze lassen Sie das System in einem schlechten Zustand. Die Prozesse im D-Zustand, die hängen, können nicht einmal mit Signal 9 beendet werden. Die einzige Möglichkeit, den Betrieb wiederaufzunehmen, besteht darin, neu zu starten, XFS zu reparieren, und dann funktioniert das System eine weitere Weile. Aber manchmal nach der Sperrung können wir nicht einmal einige Volumes reparieren, da sie komplett beschädigt sind und wir sie mit mkfs neu aufbauen müssen.
Als letzten Ausweg führen wir xfs-repair regelmäßig aus, wodurch die Häufigkeit von Blockierungen und Datenverlusten in gewissem Umfang reduziert wurde. Aber die Vorfälle treten immer noch oft genug auf, also brauchen wir eine Lösung.
Ich frage mich, ob es eine Lösung dafür mit Kernel 3.4.107, z. ein Patch, den wir anwenden können. Aufgrund der großen Anzahl von Bereitstellungen und anderer Softwareprobleme können wir den Kernel in naher Zukunft nicht aktualisieren.
Wir arbeiten jedoch daran, unsere Anwendungen zu aktualisieren, damit wir in unseren nächsten Releases unter Kernel 3.16 laufen können. Weiß jemand, ob dieses XFS-Lockup-Problem in 3.16 behoben wurde?
Die Sache ist, dass mit ein oder zwei System im Labor wir nicht einmal das Problem reproduzieren können, aber dann mit Tausenden im Feld geschieht dies weiter. – tktuserA