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

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
929
553
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
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8