Bottlerocket项目中NFS服务器在高IO负载下的CPU软锁问题分析
2025-05-25 02:42:10作者:尤峻淳Whitney
问题背景
在Bottlerocket操作系统上部署基于内核的NFS服务器时,当通过本地临时存储进行大量IO操作时,系统会出现CPU软锁(soft lockup)问题。该问题表现为系统日志中出现"watchdog: BUG: soft lockup - CPU#7 stuck for 22s!"错误,同时伴随ENA网络适配器的TX未完成警告。
环境配置
该问题出现在以下环境中:
- Bottlerocket版本:bottlerocket-aws-k8s-1.25-x86_64-v1.26.1-943d9a41
- 实例类型:AWS i3en.2xlarge
- 内核版本:5.15.168
- 存储配置:使用本地NVMe闪存作为临时存储
- NFS服务器配置:基于Debian容器运行的内核NFS服务器,使用NFSv3协议
问题现象
当通过NFS共享本地临时存储并进行高负载IO测试(如使用bonnie++工具)时,系统会在1-2分钟内出现以下症状:
- CPU软锁错误
- ENA网络适配器TX操作未完成警告
- 系统整体性能下降或挂起
技术分析
可能的原因
-
内核NFS服务器与存储子系统交互问题:内核NFS服务器在处理高并发IO时可能与底层存储子系统产生资源争用。
-
ENA驱动问题:日志中出现的"TX hasn't completed"错误表明网络驱动可能在高负载下出现异常。
-
NVMe设备争用:本地NVMe存储与ENA网络适配器可能共享PCIe通道,导致资源争用。
-
内核版本限制:5.15内核可能存在已知的NFS服务器性能问题。
解决方案探索
-
调整NFS服务器配置:
- 减少NFS线程数(从64降至8)
- 禁用sync选项(适用于临时存储场景)
-
系统参数优化:
- 调整内核网络参数
- 增加文件描述符限制
- 设置适当的虚拟内存参数
-
升级解决方案:
- 升级到较新的Bottlerocket版本(如1.32)和较新内核(6.1+)
- 使用Kubernetes 1.28+版本
经验总结
-
环境差异性:该问题在某些AWS区域(如us-west-2b)出现,而在其他区域(如us-east-2)无法复现,表明可能存在硬件或底层基础设施差异。
-
临时存储配置:Bottlerocket对临时存储挂载目录的限制可能影响性能优化,建议考虑放宽目录限制并支持更多挂载选项。
-
监控与诊断:在高负载NFS场景下,应密切监控:
- CPU使用情况(特别是内核线程)
- 网络和存储IO性能
- 系统日志中的异常警告
最佳实践建议
-
对于高性能NFS服务器场景,建议:
- 使用较新的Bottlerocket和内核版本
- 考虑使用NFSv4协议
- 合理配置NFS线程数
-
对于临时存储优化:
- 评估使用XFS文件系统的可能性
- 考虑添加noatime和nodiratime挂载选项
- 测试不同的文件系统创建参数
-
系统级优化:
- 合理设置网络缓冲区大小
- 调整TCP拥塞控制算法
- 配置适当的虚拟内存参数
该案例展示了在容器化环境中部署高性能存储服务时可能遇到的复杂问题,强调了系统级调优和版本选择的重要性。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0299- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (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
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
254
295

🔥🔥🔥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

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
331
1.08 K

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
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

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

deepin linux kernel
C
21
5