新年上班第一天生产环境分布式文件系统崩了!!

作者个人研发的在高并发场景下,提供的简单、稳定、可扩展的延迟消息队列框架,具有精准的定时任务和延迟队列处理功能。自开源半年多以来,已成功为十几家中小型企业提供了精准定时调度方案,经受住了生产环境的考验。为使更多童鞋受益,现给出开源框架地址:

https://github.com/sunshinelyz/mykit-delay

PS: 欢迎各位Star源码,也可以pr你牛逼哄哄的代码。

写在前面

说来也怪,早不崩晚不崩,偏偏在上班第一天的时候,生产环境分布式文件系统崩了。我才刚来到我的工位坐下,“叮铃铃”电话响了,是运营打来的,“喂,冰河,快点看看,生产环境的图片和视频都无法上传了,系统崩溃了,快点看看啊!”。你说我一个不是做运维的,直接打来电话让我看生产环境的事故?原来是运维那哥们还没上班,额,好吧,我接受了,于是我迅速整理好工位,摆出电脑,登录服务器,一顿操作猛如虎,10分钟搞定了,剩下的就是异步复制图片和视频了。

今天,就和小伙伴们分享下,这次生产环境分布式文件系统出现的问题,以及我是如何10分钟排查问题和解决问题的。另外,本文不是基于生产环境事故写的,而是事后,我在我本机虚拟机上模拟的环境。解决问题的思路和方法都是一样的。

额,估计运维要被3.25了!!

文章已收录到:

https://github.com/sunshinelyz/technology-binghe

https://gitee.com/binghe001/technology-binghe

问题定位

通过登录服务器查看系统的访问日志,发现日志文件中输出了如下异常信息。

org.csource.common.MyException: getStoreStorage fail, errno code: 28

at org.csource.fastdfs.StorageClient.newWritableStorageConnection(StorageClient.java:1629)

at org.csource.fastdfs.StorageClient.do_upload_file(StorageClient.java:639)

at org.csource.fastdfs.StorageClient.upload_file(StorageClient.java:162)

at org.csource.fastdfs.StorageClient.upload_file(StorageClient.java:180)

很明显,是系统无法上传文件导致的问题,这个日志信息很重要,对问题的排查起到了至关重要的作用。

分析原因

既然是上传文件出现了问题,那我先试试能不能访问以前上传的文件呢?经过验证,以前上传的文件是可以访问的,再次验证了是上传文件的问题。

既然生产环境是使用的分布式文件系统,一般情况下是没啥问题的,上传文件出现了问题,大概率的事件是服务器磁盘空间不足了。那我就来顺着这个思路排查下问题。

于是乎,我使用df -h 查看服务器的存储空间使用率,已经达到91%了。

图片

嗯,磁盘空间有可能是引起问题的原因。接下来,再来进一步确认下是否是磁盘空间造成的问题。

于是,我再打开/etc/fdfs/目录下的tracker.conf的配置,看到预留的存储空间为10%(注:这里的分布式文件系统使用的是FastDFS)。

图片

看到这里,可以确定就是磁盘空间不足造成的无法上传文件的问题。

总体原因就是:服务器磁盘空间已使用91%,而在分布式文件系统的配置中预留的磁盘空间为10%,实际在上传文件的时候,系统已经检测到当前服务器剩余的磁盘空间不足10%,抛出异常,拒绝上传文件。

到此,问题出现的原因已经确定了,接下来就是要解决问题了。

解决问题

首先,有两种方式可以解决这个问题,一种就是删除不需要的文件;另一种就是扩容磁盘空间。

删除不需要的文件

这种方式慎用,这里,我也简单的介绍下这种方式。我给小伙伴们提供了几种递归删除的方式。

递归删除.pyc格式的文件。

find . -name ‘*.pyc’ -exec rm -rf {} \;

打印当前文件夹下指定大小的文件

find . -name “*” -size 145800c -print

递归删除指定大小的文件(145800)

find . -name “*” -size 145800c -exec rm -rf {} \;

递归删除指定大小的文件,并打印出来

find . -name “*” -size 145800c -print -exec rm -rf {} \;

下面是对上述命令的一些简要说明。

“.” 表示从当前目录开始递归查找

“ -name ‘*.exe’ “根据名称来查找,要查找所有以.exe结尾的文件夹或者文件

” -type f “查找的类型为文件

“-print” 输出查找的文件目录名

-size 145800c 指定文件的大小

-exec rm -rf {} \; 递归删除(前面查询出来的结果)

扩容磁盘空间

这里,冰河推荐使用这种方式,我修复生产环境的故障也是使用的这种方式。

通过查看服务器的磁盘空间发现,/data目录下的空间足足有5TB,呵呵,运维哥们为啥不把文件系统的数据存储目录指向/data目录呢。于是乎,我开始将文件系统的数据存储目录迁移到/data目录下,整个过程如下所示。

注意:这里,我就简单的模拟将 /opt/fastdfs_storage_data下的数据迁移至/data下。

(1)拷贝文件,迁移数据

cp -r /opt/fastdfs_storage_data /data

cp -r /opt/fastdfs_storage /data

cp -r /opt/fastdfs_tracker /data

(2)修改路径

这里需要修改文件系统的 /etc/fdfs/storage.conf ,mod_fastdfs.conf ,client.conf,tracker.conf文件。

/etc/fdfs/storage.conf

store_path0=/data/fastdfs_storage_data

base_path=/data/fastdfs_storage

/etc/fdfs/mod_fastdfs.conf

store_path0=/data/fastdfs_storage_data (有两处)

base_path=/data/fastdfs_storage

/etc/fdfs/client.conf

base_path=/data/fastdfs_tracker

/etc/fdfs/tracker.conf

base_path=/data/fastdfs_tracker

重新建立 M00 至存储目录的符号连接:ln -s /data/fastdfs_storage_data/data /data/fastdfs_storage_data/data/M00

(3)杀掉进程, 重启存储服务 (追踪器和存储器)

依次执行以下命令

pkill -9 fdfs

service fdfs_trackerd start

service fdfs_storaged start

(4)修改文件的读取路径 nginx配置

location ~/group1/M00{

root /data/fastdfs_storage_data/data;

}

(5)重启nginx

cd /opt/nginx/sbin

./nginx -s reload

好了,问题搞定,运营可以正常上传图片和视频了。

51CTO
我还没有学会写个人说明!
上一篇

SQLiteStudio 3.3.0 发布,SQLite 管理工具

下一篇

卫星图像显示亚马逊雨林火灾 在去年变得更糟

你也可能喜欢

评论已经被关闭。

插入图片