我在 AWS 中的一堆主机上运行 Docker，作为 ECS 集群的一部分，在过去几周内，Docker 守护进程开始间歇性崩溃。我没有在系统级别（内核、操作系统、Docker 等）进行任何更改，总体工作负载是相同的。
系统将正常运行数天，对 CPU、内存或 IO 没有任何明显压力。在某些时候，dockerd-default进程崩溃并且负载飙升至> 100，因为（我相信）进程被阻塞。我无法从中恢复，我唯一的选择是终止该实例。
在守护进程崩溃时，
dmesg表明内核无法调度该进程：
Apr 11 13:46:06 ip-172-31-84-92 kernel: [1356823.587223] INFO: task dockerd-default:1548 blocked for more than 120 seconds.
ps显示进程处于以下Dsl状态：
1055 ? Dsl 5684:45 /usr/bin/dockerd-default --bip=10.192.0.1/16 --fixed-cidr=10.192.0.0/16 --group=docker --pidfile=/var/run/docke.pid --storage-driver=overlay --raw-logs
我已经lsof对这个过程进行了测试，试图找出什么文件句柄可以阻止所有内容，但没有什么是显而易见的。此外，没有太多磁盘 IO，所以我认为从这个角度来看我不会受到限制。
所以，这是我的问题：
- 有人遇到过类似的事情吗？
- 有什么方法可以在不终止实例的情况下恢复？
- 对于调试的后续步骤有什么建议吗？
作为参考，以下是各个组件的版本：
Ubuntu：14.04.5 LTS
内核：4.14.12-041412-generic
Docker：18.06.1-ce