【故障公告】Memcached 的“惹祸”,不知在为谁背锅

.NET 5.0 背锅Memcached 的惹祸缓存雪崩之后,我们没有找到问题的真正原因,我们知道没有找到根源的故障总是会再次光临的,不是在这周就是在下周,也许就在双11前后。

就在今天双11的前一天晚上,在我们 20:30 进行常规发布的时候,它来了。。。

原本平滑的 memcached 服务器 tcp 连接数走势曲线开始爬坡,博客站点大量的访问请求响应缓慢,每次都“惹祸”的 memcached 自然首当其冲地成为嫌疑的焦点。

我们重启了所有 memcached 服务,tcp 连接数飞流直下三千尺地降了下来,但是降落之后却又开始新的一轮爬坡,故障没有恢复,网站访问速度依然缓慢。

这时,我们突然醒悟,memcached 没有惹祸,问题不在 memcached ,问题可能在前方阵地(用阿里云服务器自建的kubernetes集群)的 pods 发生了 tcp 连接泄漏,立马赶赴前线。

博客站点的多个 pod 处于 CrashLoopBackOff 状态

NAME                        READY   STATUS             RESTARTS   AGE   IP                NODE       
blog-web-6644bfd597-2fpd6   1/1     Running            0          48m   192.168.86.93     k8s-n20    
blog-web-6644bfd597-4cnc5   1/1     Running            0          49m   192.168.168.112   k8s-n6     
blog-web-6644bfd597-bqbmf   0/1     CrashLoopBackOff   11         49m   192.168.73.63     k8s-node10 
blog-web-6644bfd597-db8jk   0/1     Running            13         48m   192.168.107.238   k8s-node3  
blog-web-6644bfd597-dthtn   0/1     CrashLoopBackOff   13         49m   192.168.104.103   k8s-node11 
blog-web-6644bfd597-fxzml   1/1     Running            13         48m   192.168.195.224   k8s-node5  
blog-web-6644bfd597-qvgkf   1/1     Running            12         47m   192.168.89.229    k8s-n8     
blog-web-6644bfd597-slmp7   0/1     CrashLoopBackOff   13         49m   192.168.201.126   k8s-n14    
blog-web-6644bfd597-txg5h   0/1     CrashLoopBackOff   13         45m   192.168.42.57     k8s-n13    
blog-web-6644bfd597-wc57c   0/1     Running            13         47m   192.168.254.167   k8s-n7     
blog-web-6644bfd597-xt5hc   0/1     CrashLoopBackOff   11         47m   192.168.228.53    k8s-n9     
blog-web-6644bfd597-zz564   1/1     Running            0          47m   192.168.118.27    k8s-n4  

怀疑造成 tcp 连接泄漏可能是这些处于 CrashLoopBackOff 状态的 pod ,于是将 pod 全部强制删除,在删除后过了一段时间,memcached 服务器 tcp 连接数从爬坡状态回归平滑状态,故障就恢复了。

查看 k8s 集群 node 服务器的 tcp 连接情况,在故障期间,node 服务器的 tcp 连接数上蹿下跳,大量 tcp 连接无法建立。

到目前我们还是没有找到问题的根源,但我们知道了 memcached 没有惹祸,memcached 是在背锅,但不知道在为谁背锅。

非常抱歉,今天 20:35~21:35 左右博客站点发生的故障给您带来麻烦了,请您谅解。

posted @ 2020-11-10 23:15  博客园团队  阅读(2691)  评论(14编辑  收藏  举报