阿里云 ECS Ubuntu 14.04 无法访问之磁盘 IO 跑满问题排查

1. 现象

服务器 ip 能 ping 通，但部署的两个网站都无法访问，ssh 也连接不上，打开阿里云手机监控看了下，磁盘读 IOPS 达到了 1000 次/秒，并持续了近半个小时，IO 跑满导致无法处理其他任何请求，只能将服务器重启。
PS：DigitalOcean 全固定硬盘，比起来阿里云的普通硬盘速度实在是渣到爆。

2. 排查

查看 syslog，看系统之前的运行情况

Java

1	sudo more /var/log/syslog

发现：

Java

Jan 15 22:32:30 codekk kernel: [792223.870307] Out of memory: Kill process 15506 (java) score 328 or sacrifice child

Jan 15 22:32:30 codekk kernel: [792223.871278] Killed process 15506 (java) total-vm:2006712kB, anon-rss:332960kB, file-rss:0kB

Jan 15 22:32:48 codekk kernel: [792242.290535] AliYunDun invoked oom-killer: gfp_mask=0x201da, order=0, oom_score_adj=0

发现在 22:32 分时，系统内存不足，触发了 Linux 内核 Out Of Memory killer 的机制，根据计算选择一个得分最高的进程将其 kill，从上面可以看到，被 kill 的进程号为 15506，这个是 ElasticSearch 的进程(被 kill 时内存占用达到了 50%)。想到之前 ElasticSearch 总是莫名其妙崩溃，算是找到了原因。

至于内存不足为什么最终导致 IO 繁忙的原因尚未找到，初步估计跟 ElasticSearch 被 kill 后，其他几个占内存较大程序相继被 kill，如 nodejs、mysqld、memcached、mongodb，内存缓存、数据库相继失效等有关。

3. 更多排查

运行 top，M 之后，ElasticSearch 和 node 分别占据内存占用排行榜前二。

Java

PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND

9421 codekk 20 0 2000416 270664 5768 S 0.0 26.6 0:48.53 java

1524 codekk 20 0 1138920 164076 3480 S 0.0 16.1 2:49.59 nodejs

849 mysql 20 0 760472 82652 1100 S 0.3 8.1 3:09.70 mysqld

13367 codekk 20 0 1014872 68496 0 S 0.0 6.7 0:00.94 nodejs

973 memcache 20 0 389816 65756 0 S 0.0 6.5 0:45.35 memcached

788 mongodb 20 0 593720 58284 4636 S 0.0 5.7 6:27.31 mongod

8021 trinea 20 0 261200 54720 27444 S 3.7 5.4 1:21.41 php5-fpm

9086 trinea 20 0 238700 41664 26500 S 0.0 4.1 1:08.17 php5-fpm

9085 trinea 20 0 239860 39672 25080 S 0.0 3.9 1:09.73 php5-fpm

872 root 20 0 237760 9528 5568 S 0.0 0.9 0:06.10 php5-fpm

使用 free -h 查看内存使用情况：

Java

total used free shared buffers cached

Mem: 992M 907M 84M 32M 4.7M 93M

-/+ buffers/cache: 809M 182M

Swap: 0B 0B 0B

可以发现程序实际使用内存 809M，可用内存 182M，而 IO Cache 为 (907-809)M。

从阿里云手机监控(内存使用率监控图)也可看出，内存使用率基本一直在 80% 左右，白天访问量较多，基本三四个小时就会有一次(ElasticSearch 进程)Full GC 造成的抖动。

ElasticSearch 负责 codeKK 后台搜索，启动参数为 -Xms256m -Xmx1g，可通过添加环境变量 ES_HEAP_SIZE=”128m”，将最低内存设置为 128m，可运行会报错，没办法加内存吧。