Rook Ceph OSD 内存泄漏问题分析与解决方案
2025-05-18 09:44:15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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K

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

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

React Native鸿蒙化仓库
C++
199
279

🎉 (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
951
557

🔥🔥🔥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
96
15

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

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)。
Python
77
70

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0