记录一次诡异bug的解决过程

本文记录一次很诡异的bug （进程莫名被终止）的发现过程，并且详细记录了问题背后的原因，以及解决方案。

背景

此项目是一个接口的自动化测试平台，需要接入自动化工程（每个自动化工程对应一个被测应用工程），每个自动化工程都是独立运行的进程。
自动化工程用的是springboot, 利用maven插件运行，mvn spring-boot:run 。
该平台接入了很多自动化工程，在一台linux机器上运行着很多个自动化工程的进程。

现象

偶尔会莫名的出现自动化工程的进行被杀掉的情况，需要在平台上重新操作，启动该自动化工程之后，才能继续运行任务。
直到系统规模扩大，自动化工程数目变多，自动化用例变多，运行任务时间变长，自动化工程被莫名终止的概率加大。

分析

1. 查看log， 发现自动化工程被终止的log信息如下：

[INFO] ------------------------------------------------------------------------
[INFO] BUILD FAILURE
[INFO] ------------------------------------------------------------------------
[INFO] Total time: 09:32 min
[INFO] Finished at: 2019-08-15T17:39:55+08:00
[INFO] ------------------------------------------------------------------------
[ERROR] Failed to execute goal org.springframework.boot:spring-boot-maven-plugin:2.2.0.M5:run (default-cli) on project coupon_batch-Test: Application finished with exit code: 137 -> [Help 1]
[ERROR] 
[ERROR] To see the full stack trace of the errors, re-run Maven with the -e switch.
[ERROR] Re-run Maven using the -X switch to enable full debug logging.
[ERROR] 
[ERROR] For more information about the errors and possible solutions, please read the following articles:
[ERROR] [Help 1] http://cwiki.apache.org/confluence/display/MAVEN/MojoExecutionException

1. 分析log产生的原因，google : ERROR: Maven JVM terminated unexpectedly with exit code 137

For reference the status code 137 (128 + 9) typically means (can differ between flavours of unix).
That the process was terminated by receipt of a signal. In this case signal 9 which is SIGKILL and unblockable kill.
If this is the case the underlying machine/OS needs more virtual memory.
This can be added by either adding physical memory or swap space as appropriate.
You should try to increase the virtual memory of your machine.
Note:This also explains why a Jenkins restart (temporarily) fixes the issue.
Jenkins Maven Build 137 Error

1. 至此找到问题原因：linux swap 分区不足，导致该进程被linux OOM Killer杀掉。

解决问题需要的背景知识

1. 什么是swap?

swap space是磁盘上的一块区域，可以是一个分区，也可以是一个文件，或者是他们的组合。
简单点说，当系统物理内存吃紧时，Linux会将内存中不常访问的数据保存到swap上，
这样系统就有更多的物理内存为各个进程服务，而当系统需要访问swap上存储的内容时，
再将swap上的数据加载到内存中，这就是我们常说的swap out和swap in。

2. 为什么需要swap ？

1. 对于一些大型的应用程序(如LibreOffice、video editor等)，在启动的过程中会使用大量的内存，

但这些内存很多时候只是在启动的时候用一下，后面的运行过程中很少再用到这些内存。有了swap后，
系统就可以将这部分不这么使用的内存数据保存到swap上去，从而释放出更多的物理内存供系统使用。

1. 很多发行版(如ubuntu)的休眠功能依赖于swap分区，当系统休眠的时候，

会将内存中的数据保存到swap分区上，等下次系统启动的时候，再将数据加载到内存中，这样可以加快系统的启动速度，
所以如果要使用休眠的功能，必须要配置swap分区，并且大小一定要大于等于物理内存

1. 在某些情况下，物理内存有限，但又想运行耗内存的程序怎么办？

这时可以通过配置足够的swap空间来达到目标，虽然慢一点，但至少可以运行。

1. 虽然大部分情况下，物理内存都是够用的，但是总有一些意想不到的状况，比如某个进程需要的内存超过了预期，

或者有进程存在内存泄漏等，当内存不够的时候，就会触发内核的OOM killer，
根据OOM killer的配置，某些进程会被kill掉或者系统直接重启（默认情况是优先kill耗内存最多的那个进程），
不过有了swap后，可以拿swap当内存用，虽然速度慢了点，但至少给了我们一个去debug、kill进程或者保存当前工作进度的机会。

1. 如果看过Linux内存管理，就会知道系统会尽可能多的将空闲内存用于cache，以加快系统的I/O速度，

所以如果能将不怎么常用的内存数据移动到swap上，就会有更多的物理内存用于cache，从而提高系统整体性能。

3. swap的缺点

1. 上面介绍了swap的优点，那swap的缺点呢？swap是存放在磁盘上的，磁盘的速度和内存比较起来慢了好几个数量级，

如果不停的读写swap，那么对系统的性能肯定有影响，尤其是当系统内存很吃紧的时候，读写swap空间发生的频率会很高，
导致系统运行很慢，像死了一样，这个时候添加物理内存是唯一的解决办法。

1. 由于系统会自动将不常用的内存数据移到swap上，对桌面程序来说，有可能会导致最小化一个程序后，

再打开时小卡一下，因为需要将swap上的数据重新加载到内存中来。

Linux交换空间（swap space）

采用的解决方案: 增加swap文件

#先创建一个新的512M的文件，用来作为swap文件，文件路径可以随便
#fallocate这个命令依赖于文件系统，有些老的文件系统不支持这个命令，比如ext2，
#这种情况下可以用dd来实现同样的效果：
#sudo dd if=/dev/zero of=/mnt/512MiB.swap bs=1024 count=524288
#fallocate和dd的区别在于：
#fallocate是先声明这么多，然后在具体用到的时候文件系统才分配真正的物理磁盘空间，就是用一点分配一点，
#而dd是一开始就实实在在的写了512m的数据到物理磁盘空间。
#所以作为测试来说fallocate方便些，因为刚开始不用写任何数据，要快
dev@dev:~$ sudo fallocate -l 512m /mnt/512MiB.swap

#修改文件的权限，避免其他用户对这个文件进行误操作
dev@dev:~$ sudo chmod 600 /mnt/512MiB.swap

#格式化为swap文件
dev@dev:~$ sudo mkswap /mnt/512MiB.swap

#将新的文件加入到系统中
dev@dev:~$ sudo swapon /mnt/512MiB.swap

#这时候可以看到新的swap文件已经被加入到系统中了，类型为file
#这里可以看到由于优先级最高，第一个swap分区/dev/dm-1已经被使用了24K
dev@dev:~$ swapon -s
Filename                Type        Size    Used    Priority
/dev/dm-1               partition   524284  24      -1
/dev/sdb1               partition   2096124 0       -2
/mnt/512MiB.swap        file        524284  0       -3

#从free命令的输出可以看到，经过前面两轮添加swap分区和文件，
#现在系统的交换空间已经变成3G(3144692K)了
dev@dev:~$ free
              total        used        free      shared  buff/cache   available
Mem:         500192       39112        9564        1996      451516      430820
Swap:       3144692          24     3144668

#同样为了保证系统重启后会自动加载我们新的swap文件，需要修改/etc/fstab文件
dev@dev:~$ sudo sh -c 'echo "/mnt/512MiB.swap none  swap    sw   0    0" >> /etc/fstab'

进阶： OOM Killer 配置

理解和配置 Linux 下的 OOM Killer

总结

技术上的问题总会有原因的，就看你找不找得到。

技术的问题如果深究的话，有很多可以学习的地方，一个bug就是一个学习机会。

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。
posted from openWrite