[问题分析] 一次 kvm 虚拟机磁盘占满的排查过程

一次 KVM 虚拟机磁盘占满的排查过程

KVM 虚拟机系统为 CentOS，文件系统为 XFS。

现象如下：

1. 使用 df -h 命令发现磁盘剩余空间为30k（总大小为30G），使用 df -i 发现 inode 可用数量为 800（总数为18w，正常状态为1000w+）
2. 虚拟机为初始状态时，磁盘空间使用都正常

排查如下：

1. 查看了几个日志，大小都在10M以下，并且这些日志几乎一一对应，不存在某个日志比其它多几个数量的问题，又因为是远程客户，于是漏了个文件，干
2. 使用 du 命令（记住这个命令）排查具体是哪个目录占用的磁盘空间较多，du -h --max-depth=1 / 的结果显示磁盘空间只占用了 25% 左右，另寻它法
3. 在网上搜索有磁盘文件删除未释放的说法，使用命令 lsof | grep deleted 找到未释放的文件小的可怜只有 10M 左右，这个不成立
4. 既然磁盘看不出有啥问题，那就从 inode 数量看看，看看哪个目录下打开的文件数量较多 find / -xdev -printf '%h\n' | sort | uniq -c | sort -k 1 -n -r | head -n 20 最多的目录还是 man 下的，最多5000，最多的20个目录下的数量相加不足50%，这个也不成立
5. 从文件系统的角度看看，是不是碎片太多了需要回收一些这个碎片，找到磁盘号 df -aT | grep -w xfs，如果我的文件系统是 /dev/vda3, 那么通过xfs文件系统的命令 xfs_db -c frag -r /dev/vda3 看到只有 1.7% 的碎片，清理碎片 xfs_fsr /dev/vda3, 然而并没啥用处，再次查看只减少了 0.1% 的碎片
6. 检测是否有坏道，badblocks -vs -b 4096 -c 32 /dev/vda3 发现都正常
7. 找不到解决方案，于是向红帽发了封邮件（未回）

因为一下拿不出解决方案，只能硬着头皮把这个虚拟机从客户那搞回来，恢复现场，有了进展

1. 解压完后这个镜像文件有 30G，没多想，就是觉得有的大
2. 尝试对这个镜像文件进行磁盘扩容，qemu-img resize , 在这之前实验了一下一个临时的虚拟机，其中一个命令 qemu-img info 发现两个虚拟机的 virtual size 都是30G，但是显示临时虚拟机的disk size 只有6G，而那个有问题的虚拟机 disk size 刚好是 30G，目前这个虚拟机还没有启动，肯定是里面真的占用了这么多磁盘
3. 于是准备把里面的日志文件拿出来在 vscode 中看一下，然后使用 virt-copy-out 一个文件时发现有一步巨慢，好了后看了一下这个文件 20G+，du的结果加上这个文件大小刚好就是总的大小，磁盘的问题就解决了，至于为什么这么大那是业务的东西了

由于和业务相关，所以写的还是有点模糊，这里解释一下

1. xfs 文件系统的 inode 总数是会变的，在剩余磁盘空间不足5%时，开始减少
2. 最最最重要的一个点，那个忽略的文件是被隐藏的（挂载内核），ls du 等命令是发现不了这个文件的，刚好人为的疏忽加上隐藏的特性导致排查的困难
3. 碎片的清理功能还是很有用的，在宿主机上清理一下有几十的碎片被清理