Rook Ceph OSD 内存泄漏问题分析与解决方案
2025-05-18 03:12:13作者:申梦珏Efrain
问题背景
在Rook Ceph存储集群中,当尝试为新增磁盘配置OSD时,系统出现了严重的内存泄漏问题。具体表现为/rook/rook ceph osd provision进程持续消耗内存,最终导致系统触发OOM Killer机制终止进程。该问题发生在Ubuntu 22.04系统上,使用Rook v1.14.0和Ceph 18.2.2版本。
问题现象
在添加新磁盘(1.8TB和3.6TB各一块)后,系统启动k8s作业准备服务器并发现新磁盘。随后启动的/rook/rook ceph osd provision进程开始异常消耗内存:
- 内存消耗持续增长,最终达到117GB以上
- 系统64GB物理内存和64GB交换空间全部耗尽
- 进程CPU占用率约10%
- 磁盘I/O活动异常低,与预期的大规模磁盘写入不符
根本原因分析
通过深入排查发现,问题的根源在于Ceph认证系统中残留的OSD密钥与新OSD创建过程发生冲突:
- 残留密钥问题:系统中存在一个已删除OSD(osd.21)的认证密钥未被清除
- 创建冲突:当尝试为新磁盘创建OSD时,系统试图重用osd.21 ID,但因密钥不匹配而失败
- 异常处理缺失:
/rook/rook ceph osd provision进程未能正确处理创建失败的情况,导致内存持续增长
解决方案
-
手动清理残留密钥:
ceph auth rm osd.21 -
终止异常进程:强制终止内存泄漏的rook进程,让k8s自动重启作业
-
验证解决效果:重启后OSD创建过程恢复正常,内存使用保持稳定
最佳实践建议
- OSD清理流程:确保使用完整清理流程移除OSD,包括认证密钥
- 监控机制:对OSD准备过程实施内存使用监控
- 错误处理:改进rook代码中对ceph-volume命令失败的处理逻辑
- 集群健康检查:在添加新OSD前确认集群状态完全健康
技术深度解析
该问题揭示了Rook Ceph在OSD管理中的几个关键点:
- ID重用机制:Ceph会尝试重用已删除OSD的ID,这对资源回收有利但需要完善的清理机制
- 认证系统一致性:残留的认证密钥可能导致各种不可预知的问题
- 进程健壮性:长时间运行的后台进程必须具备完善的内存管理和错误恢复机制
总结
这一案例展示了分布式存储系统中资源管理复杂性的一个典型例子。通过分析我们了解到,即使是看似简单的磁盘添加操作,也可能因为系统状态不一致而引发严重问题。运维人员应当建立完善的监控体系,并对系统各组件的交互机制有深入理解,才能快速定位和解决此类问题。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 开源电子设计自动化利器:KiCad EDA全方位使用指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 Python案例资源下载 - 从入门到精通的完整项目代码合集 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
247
2.45 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
217
297
暂无简介
Dart
546
119
🎉 (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
1.01 K
595
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
1.02 K
409
Ascend Extension for PyTorch
Python
85
118
仓颉编程语言运行时与标准库。
Cangjie
124
102
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++
592
121