我们一直遇到系统无法访问的问题。特征是 1) 阻塞和运行队列突然激增，2) 缓冲内存降至零。
症状是 1) 现有流程继续运行，没有任何问题，2) 新流程开始失败或严重延迟。因此，例如，新的 SSH 会话可能无法参与，因为 SSH 和 PAM 的连续进程和线程被延迟或无响应。另一个例子是在 CRON 中生成的脚本。当缓冲区内存为 0 时，新的 CRON 周期将被阻止，从而导致级联脚本。
我认为被阻止的新进程与堆栈内存有关。但我读到的症状是缓冲内存突然下降（这与 I/O 更多相关）。
可能连接的是快照会话。我们注意到，Snapshot 会动态挂载 NFS 卷来收集备份文件。这是否会超出可用的缓冲区容量？
添加于 08/11/2020
不确定这是否是一个“答案”，但它确实开始澄清问题。我们发现有一个 Puppet 脚本每 30 分钟运行一次，它正在追踪快照进程。快照本质上是在备份过程中复制目录树，因此您可以想象，嵌入脚本中的无辜 df 命令可能会变成暴君，忙于编译整个数据树。我们注意到 df 命令频繁出现和级联，因为 Puppet 脚本没有完成，每次在 cron 中调用时只是简单地堆叠起来。
删除 Puppet 进程后，系统变得更加稳定。但今天早上我们的阻塞进程又出现了高峰——所以请继续关注。这个谜团目前或许还没有解开。