首页
/ Longhorn存储系统在电源故障后的稳定性问题分析与修复

Longhorn存储系统在电源故障后的稳定性问题分析与修复

2025-06-02 21:09:55作者:昌雅子Ethen

问题背景

在分布式存储系统Longhorn v1.7.2版本中,用户报告了一个严重的稳定性问题:集群在经历电源故障恢复后,Longhorn组件出现内存泄漏,导致Pod频繁被OOM Killer终止,节点负载急剧升高甚至变为Not Ready状态。这一问题尤其影响使用备份功能的用户环境。

问题现象

受影响的环境表现出以下典型症状:

  1. Longhorn-manager Pod内存使用量异常增长,最终达到7GB以上
  2. 节点负载平均值飙升到150以上
  3. 大量备份任务(Backup)处于Pending状态(报告中多达4422个)
  4. 系统日志中出现大量OOM Killer终止进程的记录

根本原因分析

经过深入的技术调查,发现问题由多个因素共同导致:

  1. GRPC连接泄漏:BackupController.checkMonitor()函数在创建EngineClientProxy后,在某些错误路径上未能正确关闭连接,导致GRPC客户端资源持续累积。

  2. 内存分配效率问题:BackupController.reconcile()中频繁调用DeepCopy操作,对VolumeAttachment和Engine CRs进行不必要的数据拷贝,虽然这些内存最终会被GC回收,但在高频率调用下加剧了内存压力。

  3. 备份状态管理缺陷:当快照(snapshot)丢失时,备份任务会永久停留在Pending状态,持续消耗系统资源尝试恢复。

技术细节

在内存分析中,使用Go的pprof工具发现了以下关键证据:

  1. 内存占用主要来自:

    • bufio.NewReaderSize (31.46%)
    • grpc/internal/transport.newBufWriter (30.11%)
  2. 存在数千个goroutine在grpcsync.(*CallbackSerializer).run()中阻塞等待

  3. 堆分析显示GRPC相关的内存对象持续增长而未被释放

解决方案

开发团队针对这些问题实施了以下修复措施:

  1. 修复GRPC连接泄漏:确保在所有错误路径上正确关闭EngineClientProxy,包括:

    • 快照获取失败时
    • 备份监控启动失败时
    • 其他异常情况下
  2. 优化内存使用:将部分DeepCopy操作替换为只读访问,特别是对于Engine CRs的查询操作。

  3. 改进备份状态管理:更合理地处理快照丢失的情况,避免创建无法完成的备份任务。

用户建议

对于遇到类似问题的用户,可以采取以下临时措施:

  1. 清理处于Pending状态的备份任务,减轻系统负担
  2. 暂停非必要的定期备份任务,直到系统稳定
  3. 考虑创建完整备份(full backup)作为保护措施

版本修复情况

该修复已包含在Longhorn v1.8.0版本中,并计划向后移植到v1.7.3版本。对于急于解决问题的用户,社区提供了测试版本镜像供验证使用。

经验总结

这一案例展示了分布式存储系统在异常恢复场景下面临的挑战,特别是:

  • 资源泄漏在长时间运行系统中的累积效应
  • 错误处理路径上的资源释放重要性
  • 大规模备份任务管理的复杂性

通过这次问题的分析和解决,Longhorn在异常恢复能力和资源管理方面得到了显著提升。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
861
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K