首页
/ Pixie项目在Amazon Linux 2023上Go TLS追踪失效问题分析

Pixie项目在Amazon Linux 2023上Go TLS追踪失效问题分析

2025-06-04 11:31:36作者:咎岭娴Homer

问题背景

Pixie是一款开源的Kubernetes可观测性工具,能够自动捕获应用流量、指标和事件。近期有用户报告,在Amazon Linux 2023(AL2023)操作系统上,Pixie无法正确追踪Go应用程序的TLS流量,而在Amazon Linux 2(AL2)上则工作正常。

问题现象

用户在使用Pixie 0.14.10版本时发现:

  1. 在EKS 1.30集群中,运行在AL2节点上的Go 1.21/1.22应用能够正常显示HTTP 1.1的TLS流量
  2. 同样的应用部署到AL2023节点时,Pixie无法捕获任何TLS流量
  3. 问题与HTTP/2无关,因为用户已明确禁用HTTP/2协议

技术分析

经过深入调查,发现问题根源在于Pixie的BPF(伯克利包过滤器)程序在获取Go协程ID(goid)时失败。具体表现为:

  1. BPF程序关键函数失效get_goid函数在AL2023上返回全零值
  2. 内核头文件兼容性问题:AL2023与标准Linux内核存在差异,导致Pixie预打包的内核头文件不兼容
  3. 关键数据结构读取失败:无法正确读取fs_base值,进而无法定位goid

根本原因

Pixie依赖BPF程序来追踪Go应用的TLS流量。当系统缺少匹配的内核头文件时,Pixie会使用预打包的头文件。然而:

  1. AL2023包含了许多内核补丁和修改,与标准Linux内核存在差异
  2. 预打包的头文件无法正确映射AL2023的内核数据结构
  3. 导致task_struct结构体中的fsbase字段读取失败
  4. 最终使得Go协程ID无法被正确识别,TLS追踪功能失效

解决方案

安装匹配的内核开发包即可解决问题:

yum install kernel-devel.x86_64

这个解决方案:

  1. 提供了与运行内核完全匹配的头文件
  2. 确保BPF程序能正确访问内核数据结构
  3. 恢复了Go协程ID的识别能力

经验总结

  1. 内核头文件的重要性:生产环境应始终安装匹配的内核开发包
  2. 发行版差异的影响:不同Linux发行版的内核可能存在显著差异
  3. 诊断工具的价值:完善的诊断工具可快速定位此类兼容性问题

未来改进

Pixie团队正在开发新功能来:

  1. 在安装时自动检测内核头文件状态
  2. 更早地发现并报告兼容性问题
  3. 提供更清晰的错误信息和解决方案

这个问题凸显了在复杂云环境中确保可观测性工具兼容性的挑战,也展示了开源社区协作解决问题的价值。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
23
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K
flutter_flutterflutter_flutter
暂无简介
Dart
526
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
211
287
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
9
1
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
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
986
583
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
43
0