排查K8S的WSS内存一致升高

1 背景

公司后端服务是java体系，运用k8s进行搭建，服务监控是用Prometheus+Grafana进行监控，发现容器监控层面的WSS会持续增长，而RSS保持不变。故有个疑惑：

1. WSS是什么指标
2. 为什么WSS会持续增长
3. WSS增长之后到极限值后，怎么处理

2 集群日志架构

3 基本概念

VSS：Virtual Set Size 虚拟耗用的内存(包含与其他进程共享占用的虚拟内存）
RSS：Resident Set Size实际使用的物理内存（包含与其他进程共享占用的内存）
PSS：Proportional Set Size实际使用的物理内存（按比例包含与其他进程共享占用的内存）
USS：Unique Set Size进程独自占用的物理内存（不包含与其他进程共享占用的内存）

对于单个进程，一般来说内存占用大小排序如下：VSS >= RSS >= PSS >= USS

4 分析

4.1 监控数据

监控数据是采集的kubernetes中监控程序cadvisor上报的container_memory_working_set_bytes字段。

指标参考地址：

https://github.com/google/cadvisor/blob/master/docs/storage/prometheus.md

Metric name	Type	Metric name	Type
container_memory_rss	Gauge	Size of RSS	bytes
container_memory_swap	Gauge	Container swap usage	bytes
container_memory_usage_bytes	Gauge	Current memory usage, including all memory regardless of when it was accessed	bytes
container_memory_working_set_bytes	Gauge	Current working set	bytes

查看cadvisor源码中setMemoryStats 可知，container_memory_working_set_bytes字段是cgroup memory.usage_in_bytes（RSS + Cache）与memory.stat total_inactive_file二者的差值

func setMemoryStats(s *cgroups.Stats, ret *info.ContainerStats) {
	// ...

	// ...

	inactiveFileKeyName := "total_inactive_file"
	if cgroups.IsCgroup2UnifiedMode() {
		inactiveFileKeyName = "inactive_file"
	}

	workingSet := ret.Memory.Usage
	if v, ok := s.MemoryStats.Stats[inactiveFileKeyName]; ok {
		if workingSet < v {
			workingSet = 0
		} else {
			workingSet -= v
		}
	}
	ret.Memory.WorkingSet = workingSet
}

注意：

memory.usage_in_bytes的统计数据是包含了所有的file cache的，total_active_file和total_inactive_file都属于file cache的一部分，但是这两个数据并不是Pod中的程序真正占用的内存，只是系统为了提高磁盘IO的效率，将读写过的文件缓存在内存中。file cache并不会随着进程退出而释放，只会当容器销毁或者系统内存不足时才会由系统自动回收。

所以cadvisor采用memory.usage_in_bytes - total_inactive_file计算出的结果并不是当前Pod中程序所占用的内存，当Pod内存资源紧张时total_active_file也是可回收利用的。

4.2 验证

4.2.1 第一次遍历

找一个比较大的文件：

/app # ls -lah /data/log/xxxx.log
-rw-r--r--    1 root     root   /data/log/xxxx.log

查看内存数据
在容器中进入/sys/fs/cgroup/memory/目录，并查看cat memory.stat内容

/app # cd /sys/fs/cgroup/memory/
/sys/fs/cgroup/memory # cat memory.stat
cache 714813440
rss 4415488
rss_huge 0
shmem 0
mapped_file 11218944
dirty 405504
writeback 135168
pgpgin 289641
pgpgout 113984
pgfault 149424
pgmajfault 66
inactive_anon 2248704
active_anon 2162688
inactive_file 18096128
active_file 696942592
unevictable 0
hierarchical_memory_limit 9223372036854771712
total_cache 20359831552
total_rss 11527815168
total_rss_huge 171966464
total_shmem 18653184
total_mapped_file 769241088
total_dirty 4325376
total_writeback 7163904
total_pgpgin 414322491
total_pgpgout 407001393
total_pgfault 536448693
total_pgmajfault 11979
total_inactive_anon 360513536
total_active_anon 10174644224
total_inactive_file 18857082880
total_active_file 2497884160
total_unevictable 0

记录此时
total_inactive_file 18857082880 Bytes =17,983.515625 M
total_active_file 2497884160 Bytes =2,382.16796875 M

计算方式：
18857082880/1024/1024 =17,983.515625

4.2.2 第二次遍历（待验证）

遍历日志文件，
/sys/fs/cgroup/memory # grep “data” /data/log/xxx.log

第二次查看；

4.2.3 第三次遍历（待验证）

遍历日志文件，第三次查看；

4.2.4 总结

根据上述实验结果可以印证内存持续增长但不会OOM的现象。服务启动并向磁盘中持续追加日志文件，随之file cache持续上涨，直至达到Pod的内存上限之后，会出现GC。

memory.usage_in_bytes统计包含了Cached和Buffers，Cached中除了mlock_file和Shmem（IPCS shared memory & tmpfs）外， 其他部分file cache是可以回收使用的，Buffers也是可以回收利用的，所以Pod容器所在cgroup实际使用的内存计算公式可以转化为 (因memory.stat未导出SReclaimable，这里忽略SReclaimable)：

real_used = memory.usage_in_bytes – (Cached- Shmem - mlock_file + Buffers )  
          = memory.usage_in_bytes – memory.stat.total_active_file

因此cadvisor中container_memory_working_set_bytes字段在计算实际已使用内存时应该改为：

real_used = memory.usage_in_bytes – memory.stat.total_active_file