作者zkgzkg·2023-06-13 16:27

zkg·zkg

Hadoop集群3台服务器系统异常重分析

字数 5774阅读 1472评论 1赞 5

内容摘要：

文章分析了服务器异常重启问题，发现是audit占用内存导致的系统重启，需要同步社区内核补丁。

当前摘要为AI生成

## **1.问题环境基本信息**

** 系统环境**
 
 物理机 / 虚拟机 / 云 / 容器：物理机
 
 **网络环境**
 
 外网 / 私有网络 / 无网络：私有网络
 
 **硬件环境**
 
 机型：Inspur CS5280H/CS5280H

处理器：Hygo
 
 整机类型 / 架构：X86
 
 **软件环境**
 
 具体操作系统版本：V10-SP2-Server-0524

内核版本：4.19.90-24.4.v2101.ky10.x86_64

## **2. 问题描述**

三台物理服务器异常重启，通过分析 messages 日志，主要内容是 audit 内存泄漏的输出，通过查看 sar。

日志查看内存空间还有剩余，查看 panic_on_oom 值是 0 。根据以上方式查看了三台机器的 sosreport ，结果都是相似的。目前的排查思路是 audit 占用内存导致的系统重启，但正常情况内存忽然升高 sar 没有记录内存不足，也不会导致系统重启，而应该是夯住。从 messages 日志中未发现有其他记录会导致系统重启。

问题截图

strace 打印 rsync –delete 命令执行的信息
 
![](/home/attachment/202306/13/1264523_168664459078809.png)

![](/home/attachment/202306/13/1264523_168664460372071.png)

![](/home/attachment/202306/13/1264523_168664461543031.png)

![](/home/attachment/202306/13/1264523_168664462512365.png)

## **3.问题分析**

分析vmcore-dmesg.txt app0 5机器的vmcore-dmesg.txt

c3 b8 f0 ff ff ff 5b c3 66 0f 1f

[7775122.304602] RSP: 0000:ffffb606130378c0 EFLAGS: 00010246

[7775122.304605] RAX: 0000000000000000 RBX: 000000000003774f RCX: ffffb606134b1000

[7775122.304607] RDX: 000000000003774f RSI: ffff98a89fbf0240 RDI: 000000000003774f

[7775122.304609] RBP: fffffc7708c88080 R08: fffffc7708c8ff88 R09: ffff98a8bffd6000

[7775122.304611] R10: fffffc7720fcec00 R11: fffffc7708c8f408 R12: fffffc7708c88000

[7775122.304613] R13: fffffc7708c90000 R14: ffffffffffffffff R15: fffffc7708c88000

[7775122.304617] FS: 00007f3ac85ea700(0000) GS:ffff98a89fbc0000(0000) knlGS:0000000000000000[7775122.304620] CS: 0010 DS: 0000 ES: 0000 CR0: 0000000080050033

[7775122.304622] CR2: 0000000000000007 CR3: 0000000fd84b8000 CR4: 00000000003406e0

[7775122.304624] Call Trace:

[7775122.304636] split_huge_page_to_list+0x7d8/0x820

[7775122.304641] deferred_split_scan+0x1ba/0x310

[7775122.304647] do_shrink_slab+0x11d/0x2a0

[7775122.304651] shrink_slab+0xd9/0x2b0

[7775122.304656] shrink_node+0xe8/0x410

[7775122.304660] do_try_to_free_pages+0xc9/0x370

[7775122.304664] try_to_free_pages+0xf0/0x1b0

[7775122.304671] __alloc_pages_slowpath+0x37d/0xd10

[7775122.304677] __alloc_pages_nodemask+0x245/0x280

[7775122.304681] alloc_pages_vma+0x7c/0x1f0

[7775122.304688] do_anonymous_page+0x10c/0x400

[7775122.304693] __handle_mm_fault+0x672/0x6b0

[7775122.304698] handle_mm_fault+0xdc/0x230

[7775122.304705] __do_page_fault+0x2b5/0x4e0

[7775122.304713] ? __audit_syscall_exit+0x228/0x290

[7775122.304716] do_page_fault+0x31/0x130

[7775122.304723] ? page_fault+0x8/0x30

[7775122.304726] page_fault+0x1e/0x30

[7775122.304732] RIP: 0033:0x7f3f2c31d6a3

[7775122.304734] Code: 47 10 f3 0f 7f 44 17 e0 f3 0f 7f 47 20 f3 0f 7f 44 17 d0 f3 0f 7f 47

30 f3 0f 7f 44 17 c0 48 01 fa 48 83 e2 c0 48 39 d1 74 c0 0f 7f 01 66 0f 7f 41 10 66 0f

7f 41 20 66 0f 7f 41 30 48 83 c1

[7775122.304736] RSP: 002b:00007f3ac85e9258 EFLAGS: 00010206

[7775122.304739] RAX: 00007f3b0bab600c RBX: 00007f396b689b80 RCX: 00007f3b0bac7000

[7775122.304741] RDX: 00007f3b0bae6400 RSI: 0000000000000000 RDI: 00007f3b0bab600c

[7775122.304742] RBP: 00007f3b0bab6008 R08: 00007f3b0bab6000 R09: 00000000071d50a0

[7775122.304744] R10: 0000000000032000 R11: 0000000007152000 R12: 00007f3bec2fda50

[7775122.304746] R13: 00007f3b0bab640c R14: 0000000000000018 R15: 0000000000030400

[7775122.304749] Modules linked in: esmfile(OE) esmnet(OE) iptable_filter bonding rfkill

sunrpc binfmt_misc vfat fat amd64_edac_mod edac_mce_amd kvm_amd ccp kvm ses enclosure

irqbypass ipmi_si crct10dif_pclmul scsi_transport_sas ipmi_devintf crc32_pclmul

ipmi_msghandler pcspkr joydev ghash_clmulni_intel sg k10temp i2c_piix4 ngbe ip_tables xfs

libcrc32c sd_mod ast i2c_algo_bit drm_kms_helper syscopyarea sysfillrect sysimgblt

fb_sys_fops ttm crc32c_intel i40e ahci drm libahci megaraid_sas libata pinctrl_amd dm_mirror

dm_region_hash dm_log dm_mod [last unloaded: esmnet]

[7775122.304791] CR2: 0000000000000007

![](/home/attachment/202306/13/1264523_168664465995189.png)

crash> dis -l split_swap_cluster+71

/usr/src/debug/kernel-4.19.90/linux-4.19.90-24.4.v2101.ky10.x86_64/mm/swapfile.c: 2960xffffffffa3a73607 :andb$0xfb,0x7

crash>

查看内核源码，可见split_swap_cluster函数原型如下，问题出在mm/swapfile.c的296行，调用的是函数 static inline void cluster_clear_huge(struct swap_cluster_info

*info) ，由于是inline，所以被嵌入到split_swap_cluster。

![](/home/attachment/202306/13/1264523_168664469140543.png)
![](/home/attachment/202306/13/1264523_168664471055827.png)

分析cluster_clear_huge(struct swap_cluster_info *info)的函数参数结构体structswap_cluster_info，可见flags在swap_cluster_info中的偏移正好是7 ，如果cluster_clear_huge函数参数info为NULL，则info->flags正好为7。

crash> struct swap_cluster_info -ostruct swap_cluster_info {

[0] spinlock_t lock;

[4] unsigned int data : 24;

[7] unsigned int flags : 8;

}

SIZE: 8

查找网上资料，可见对该问题进行了修复 https://lkml.iu.edu/hypermail/linux/kernel/2009.2/09555.html ，需要cluster_clear_huge函数中对函数参数info进行非NULL判断。

![](/home/attachment/202306/13/1264523_168664472927602.png)

![](/home/attachment/202306/13/1264523_168664473891695.png)

**4.问题根因如内核补丁**

https://git.kernel.org/pub/scm/linux/kernel/git/stable/linux.git/comm it/?h=linux-4.19.y&id=c4f9c701f9b44299e6adbc58d1a4bb2c40383494

查看hdp app 09机器的vmcore-dmesg.txt 和 hdpapp18机器的vmcore-dmesg.txt，堆栈打印相似都是RIP: 0010:split_swap_cluster+0x47/0x60， unable to handle kernel NULL pointer dereference at 0000000000000007，是同一个问题。

## **5.问题小结**

static inline void cluster_clear_huge(struct swap_cluster_info *info) 函数需要对info进行非NULL判断，才能对info->flag进行赋值，否则如果info为NULL的时候，会触发空指针。

参考链接

1、https://lkml.iu.edu/hypermail/linux/kernel/2009.2/09555.html 
2、 https://git.kernel.org/pub/scm/linux/kernel/git/stable/linux.git/commit/?h=linux-4.19.y&id=c4f9c701f9b44299e6adbc58d1a4bb2c40383494 
3、https://access.redhat.com/solutions/5830301

## **6.问题处理**

1、同步社区内核补丁。

Hadoop集群系统异常 Hadoop 服务器系统

著作权归作者所有

如果觉得我的文章对您有用，请点赞。您的支持将鼓励我继续创作！

添加新评论1 条评论

匿名用户
2023-06-15 14:55

写的很全面，很有看点！

Ctrl+Enter 发表

匿名评论

Hadoop集群3台服务器系统异常重分析

添加新评论1 条评论

文章目录展开目录

相关文章

相关问题

相关资料