环境
集群版本:12.2.10
集群启动了个MDS,其中三个active 一个standby
客户端内核3.10,使用ceph-fuse 12.2.10进行挂载使用,挂载到客户机/data1/test目录下使用
情况
往/data1/test中cp小文件无异常,但是使用中cp一个3GB大小的文件时候,发现cp运行了一会就卡死了,CTRL+C和kill都无法杀死cp进程。这个时候在其他机器上挂载该路径写数据也都会卡死
通过ps -aux|grep cp 查看cp进程发现,该进程已经处于D状态(disk sleep,表示硬件资源不满足而处于深度休眠状态, 一般是等待磁盘。这种情况下无法杀死进程,除非重启机器)
但是在同一网段中某些机器上却不会出现卡死的情况
问题的解决
- 检查MDS
通过查看ceph官方文档https://ceph.seekerliu.com/cephfs/troubleshooting/,官方文档中列出了以下可能情况:
- 系统过载(如果你还有空闲内存,增大 mds cache size 配置试试,默认才 100000 。活跃文件比较多,超过 MDS 缓存容量是此问题的首要起因!)
- 客户端比较老(行为异常),或者
- 底层的 RADOS 问题。
由于集群刚搭建起来,目前没有其他人使用,因此不存在过载问题;此外ceph-fuse客户端版本和集群版本一致,不存在客户端版本问题;
并且查看了MDS节点的日志并没有发现什么异常,故排除上述原因
- 检查客户端
首先在ceph.conf中添加如下信息
[client]
debug fuse = 5
debug ms = 1
debug monc = 5
debug objectcacher = 5
log file = /var/log/ceph/ceph-client.log
然后使用以下命令开启ceph-fuse的日志 (指定ceph.conf的位置)
sudo ceph-fuse -n client.$user -r $cephfsPath --key $keyring -m $monHost $path --conf /etc/ceph/ceph.conf
然后挂载成功后,再次往路径中cp大文件,发现卡住了,查看发现以下错误日志:
7f6842bed700 1 -- 10.18.8.95:0/741587067 >> 10.18.10.12:6801/237272 conn(0x56267a223800 :-1 s=STATE_CONNECTING_RE pgs=0 cs=0 l=1)._process_connection reconnect failed
其中10.18.8.95是客户机,10.18.10.12是ceph集群中部分osd节点所在机器。
此时10.18.8.95 ping 10.18.10.12无法ping通,但是反过来是能ping通的
Reply From 10.18.10.12 : Destination Host Unreachable
同一网段10.18.8.92却能pin通10.18.10.12,很奇怪
在10.18.8.95运行以下命令
[@ss-8-95 ~]# arp -a|grep 10.18.10.12
? (10.18.10.12) at <incomplete> on eth2
原来是10.18.10.12这台机器的MAC地址没有在10.18.8.95的arp缓存中?很奇怪。跟网络部门的同学反馈了这个问题,他们说是网卡驱动的问题,机器重启后好了。无奈
这下就不会卡死了
题外话
使用ceph-fuse时候cp卡死了但又不想重启机器怎么办?
步骤如下:
- 找到ceph-fuse进程kill
- 然后umount挂载路径