![NetApp 文件管理器 - 大量“低水位标记”CP 在空闲文件管理器上触发](https://linux22.com/image/649241/NetApp%20%E6%96%87%E4%BB%B6%E7%AE%A1%E7%90%86%E5%99%A8%20-%20%E5%A4%A7%E9%87%8F%E2%80%9C%E4%BD%8E%E6%B0%B4%E4%BD%8D%E6%A0%87%E8%AE%B0%E2%80%9DCP%20%E5%9C%A8%E7%A9%BA%E9%97%B2%E6%96%87%E4%BB%B6%E7%AE%A1%E7%90%86%E5%99%A8%E4%B8%8A%E8%A7%A6%E5%8F%91.png)
我有 4 个 NetApp 2240-4 文件管理器头。它们是单机箱“盒内集群”,因此是两个独立单元。
在过去的几天里,大约在同一时间 - 他们都开始记录大量低水位一致性点。
跑步wafl_susp -w
让我的cp_from_low_water
跑步频率达到每秒 10 次或更高。在此之前,它们几乎完全cp_from_timer
以每 10 秒 1 次左右的速度运行。
我的两个盒子已经失去响应并重新启动,现在问题又消失了。我不能 100% 确定这是否有关,但似乎可以合理地推断出罪魁祸首。
另外两个是完全地空闲,因为他们有一个基本操作系统和几个 vfiler - 仅此而已。但是 - 低水位线表明他们由于某种原因内存不足。我只能假设发生了某种拒绝服务情况(也许是“SSH 登录失败”?)。
有人能提供一些关于如何解决此问题的见解吗?特别是从 NetApp 的角度来看,我正在寻找一些关于如何提取占用内存的内容的提示。
答案1
打开一张票——这表明有一个系统内存不足,如果几乎没有完成任何工作,但仍然有盒子没有响应,那么一定有什么问题。我之前曾与在线支持人员一起检查过内部内存使用情况,但这不是客户应该自己做的事情。您需要使用命令priv set
并检查正在运行的进程。
答案2
与供应商就该问题展开了诉讼。
低水位标记 CP 是内存耗尽的结果:(供应商链接)
低水位标记导致的 CP;用于日常管理任务的内存量足够低,因此最好启动 CP 来释放更多内存
为了与供应商进行交互,我们运行了“perfstat”——一个 NetApp 可下载的工具,允许提交与 perf 相关的支持信息。这导致我们发现了 bugID 697790(需要支持登录),存在于我们使用的代码版本中,已在 ONTAP 8.2.3 中修复
具体来说,在 LDAP 身份验证失败的特定情况下会发生内存泄漏。由于所有 4 个主机都使用同一个帐户,并且由于在某个时刻锁定被触发,它们都异常频繁地失败。(而且首先是内存非常低的系统)。
我查看了存在此错误的其他系统,并且有一些发生此错误的迹象,但即使在正常运行时间超过 700 天的系统上,也只发生了微不足道的情况。
一般来说(但需要注意的是,“diag”命令的使用具有潜在危险,因此在使用时应极其小心,且不要与供应商沟通) - 我们可以通过查看mem_stat
第二列“字节”并查找“sasl”来识别问题。
1306719 5268691008 maytag.ko::sasl_client_new+149
我不知道问题出现在什么级别——我正在等待系统再次崩溃以进行检查。但建议当内存使用率超过 5% 时您应该考虑采取行动。重新启动可以解决问题,代码更新也可以。
现在,我正在捕获 cp_types 和内存占用量,作为我监控机制的一部分,这样我就可以观察到它的发生。同时,我也会更积极主动地发现 LDAP 帐户锁定。