m3db-node oom追踪和内存分配器代码查看

m3dbnode oom

oom时排查

• 内存火焰图: 80G内存
  
• bytes_pool_get_on_empty qps 很高
  
• db read qps增长 80%
  
• node cpu kernel 暴涨

看图结论

• m3dbnode 内存oom过程很短，很剧烈：总时间不超过7分钟
• 内存从27G增长到250G
• 节点sys态cpu暴涨：因为大量的mem_alloca sys_call
• 内存增长曲线和db_read_qps曲线和bytes_pool_get_on_empty曲线高度吻合
• 内存火焰图： 27G的rpc 40G的pool.(*objectPool).tryFill

查看代码，追踪火焰图中这个tryFill

内存分配器

目的很简单:自己管理内存，避免频繁的mem_allocate sys_call 提升速度，空间换时间

核心结构

• 初始化时调用init 向池中注入

type objectPool struct {
    opts                ObjectPoolOptions
    values              chan interface{}
    alloc               Allocator
    size                int
    refillLowWatermark  int
    refillHighWatermark int
    filling             int32
    initialized         int32
    dice                int32
    metrics             objectPoolMetrics
}

    for i := 0; i < cap(p.values); i++ {
        p.values <- p.alloc()
    }

从池中获取对象时

• 池中还有剩余则直接获取否则走各自的alloc分配
• 同时设置bytes_pool_get_on_empty

func (p *objectPool) Get() interface{} {
    if atomic.LoadInt32(&p.initialized) != 1 {
        fn := p.opts.OnPoolAccessErrorFn()
        fn(errPoolGetBeforeInitialized)
        return p.alloc()
    }

    var v interface{}
    select {
    case v = <-p.values:
    default:
        v = p.alloc()
        p.metrics.getOnEmpty.Inc(1)
    }

    p.trySetGauges()



    return v
}

同时判断池水位，是否加油

    if p.refillLowWatermark > 0 && len(p.values) <= p.refillLowWatermark {
        p.tryFill()
    }

加油过程

• 用CompareAndSwapInt32做并发控制标志位
• 加油加到refillHighWatermark

func (p *objectPool) tryFill() {
    if !atomic.CompareAndSwapInt32(&p.filling, 0, 1) {
        return
    }

    go func() {
        defer atomic.StoreInt32(&p.filling, 0)

        for len(p.values) < p.refillHighWatermark {
            select {
            case p.values <- p.alloc():
            default:
                return
            }
        }
    }()
}

默认池参数

    defaultRefillLowWaterMark  = 0.3
    defaultRefillHighWaterMark = 0.6

总结思考

• 默认池低水位为什么不是0:因为 从水位判断到tryFill中间的并发请求使得最后tryFill开始时低水位可能低于0.3
• 火焰图中的tryFill消耗了40G内存不是一次性的，类比右侧thriftrpc27，属于累加内存消耗值
• 一次性的内存消耗肯定没有这么多：每次加油时内存消耗低于初始化
• 所以可以得到结论，oom是因为在当时byte_pool频繁的get消耗，然后tryFill频繁的加油导致内存分配
• 所以根本原因还是查询导致的

临时解决办法:限制query资源消耗保护db

• 首先要明确的几点，因为remote_read是链式的调用
• 所以限制m3db前面的组件prometheus m3coordinator是没用的
• 只能限制m3db中关于query的参数，但是这个方法不根治

修改m3coordinator参数

上面的方法治标不治本，重要的是解决高基数/重查询的问题