快速解决 Linux 内核问题,一站式运维工具 oc-ops 介绍
导读:今天,Linux 内核管理已经成为现代计算机领域中不可或缺的一部分。然而,由于问题复杂多样,解决起来也需要更加专业的知识和经验。而且,由于各种运维工具分散、入口不统一、管理不系统,部分工具参数和子命令数量庞大,对于普通运维人员使用来说非常困难。
为了提高运维效率,OpenCloudOS 运维工具 SIG 开发了 oc-ops,作为一款一站式 OS 运维工具集,它可以帮助用户更好地统一、系统地管理运维工具,并提升相关问题的定位效率。本文将详细介绍 oc-ops 的功能和优势,让读者更全面地了解这个工具集的重要性。
一、开发背景
在管理 Linux 内核时,开发者常常面临着很多问题,比如定位 TCP 协议栈中导致数据包丢失的环节,这些问题可能需要专业的知识和经验才能解决。还有些场景缺乏必要的工具来解决问题,甚至有时即使有相应的工具,也很难使用。
另外一个问题是,运维工具分散、入口不统一、管理不系统,没有一个工具或平台能够为所有的问题提供解决方案,并且没有统一的入口或集中的方式来使用和管理这些工具。
例如,blktrace、blkparse 和 btt 等磁盘 IO 监测工具生成的数据量巨大,人工从中找出超过时间阈值的 IO 请求非常耗时。部分工具的参数和子命令数量达到数百个,对于普通的运维人员来说学习使用需要花费大量的时间。
为了解决这些问题,OpenCloudOS 运维工具 SIG 开发了一款一站式 OS 运维工具集——oc-ops,它将开发和运维人员的专业知识通过工具进行固化和传承,并自主研发了一些子命令来补全相关工具。
oc-ops 可以帮助统一、系统地管理运维工具,从而提高运维效率。无论你是 Linux 开发人员,还是系统管理员,oc-ops 都可以帮助你更高效地解决各种问题。
二、oc-ops 语法格式
1、基本语法格式
Usage: oc-ops [opt] <subcmd> [opt] [cmdargs]
oc-ops [opt] 支持的参数:
oc-ops -h:查看 oc-ops 用法,将列出 oc-ops 支持的所有 subcmd。 oc-ops -v:查看 oc-ops 的版本号。 oc-ops -d:以调试模式运行 oc-ops,方便 oc-ops 命令自身问题的定位。为便于使用、使 oc-ops 易于上手,oc-ops 采用如下策略:
支持 tab 键自动扩展/补全的功能。
限制子命令参数的个数,尽量采用自然语言替代参数(利用上面的自动扩展加快输入速度)。
命令级数暂时限定在 4 级。
2、子命令用法
通过 oc-ops <subcmd> -h,可查看每个子功能的具体用法。
三、oc-ops 已支持工具简介
1、oc-ops 现状
oc-ops 的命令在持续开发中,使用前建议通过:yum install -y opencloudos-tools 安装/升级 opencloudos-tools 包,以便安装/更新到最新的版本。
oc-ops 当前完成开发的子命令如下:
oc-ops mem checkcost
oc-ops io latency
oc-ops cpu irq latency
2、oc-ops mem chechcost
功能:诊断内存消耗情况,判断哪个/多个领域导致内存消耗增加,并给出下一步定位建议。领域白名单为:Buffers/Cached、AnonPages、Shmem、Slab、Vmalloc、HugePages。
如果是 Buffers/Cached 内存消耗增加,则建议执行:oc-ops mem checkcost -d ,清空缓存后重新统计。
如果是 AnonPages 内存消耗增加,将各进程按消耗内存的大小进行排序输出。(用户态业务进程的内存泄露需由业务定位)
如果是 Shmem 内存消耗增加,将自动扫描是否有哪个内存文件系统耗用内存过多。
如果是 Slab 内存消耗增加,将输出 slabtop 信息,并建议用户执行:oc-ops mem kernelleak,进行内存泄露检测。
如果是 Vmalloc 内存消耗增加,则输出/proc/vmallocinfo 同分类汇总统计后的信息,并建议用户执行:oc-ops mem kernelleak,进行内存泄露检测。
如果是 HugePages 内存消耗增加,则输出大页的使用情况以及使用了大页的进程信息。
命令:oc-ops mem checkcost [-n topn] [-d] [-h]
参数说明:
-n, top n 表示前 top n 的内存耗用项,默认显示 top 3 的内存耗用项;
-d, 先清空缓存(echo 3 > /proc/sys/vm/drop_caches),再进行内存消耗检测;
-h, 显示 oc-ops mem checkcost 的用法,并退出。
3、oc-ops io latency
功能:监控某个或某些存储设备 IO 超过指定阈值,便于定位 IO 慢的问题。
命令:oc-ops io latency -d device [-s size] [-l logdir] [-a average] [-m max] [-p period] [-Q threshold] [-D threshold] [-r] [-k] [-h]
参数说明:
-d, 指定监控的设备,例如:sda;多个设备之间用逗号相连,例如:sda,sdb。
-s, 指定日志存储空间(针对 -d 参数中的每个设备)的大小,超过大小后,日志将自动回滚(超过阈值的日志仍会保留),默认 1048576KB。
-l, 指定日志存储目录,必须按绝对路径传递存储目录;默认是/data/oc-ops/io/latency。为避免进入其他目录创建和删除文件,-l 指定的路径中必须包含"io/latency"字符串。
-a, io average latency 的阈值,支持浮点表示,单位为秒,默认 0.2s。
-m,io max latency 的阈值,支持浮点表示,单位为秒,默认 5s。
-p, 每个监控周期的时间,单位为秒,默认 60s。一个监控周期结束后,会自动开始下一个周期的监控。
-Q, IO Q2C(表示 io Queued To Complete)耗时的阈值,支持浮点表示,单位为秒,默认与 -m 的数值相同。
-D, IO D2C(表示 io Dispatched/Issued To Complete)耗时的阈值,支持浮点表示,单位为秒,默认与 -m 的数值相同。
-r, 保留中间过程的日志,使用此参数可方便调试或基于保留的日志更深入地分析 IO 时延问题。如果 oc-ops io latency 命令没有带 -r 参数,则此次采样过程中的所有 blktrace 数据都不会保留。
-k,kill 所有 oc-ops io latency 监控 IO 的进程,结束监控。使用 -k 时,如果想要保留 blktrace 数据进行更深入的分析,也需要加上 -r 参数;否则将清空历次采用的所有 blktrace 数据。
-h,显示 oc-ops io latency 的用法。
使用注意事项:
-l 指定的日志存储目录,应避免在 -d 指定的监控设备上(因为日志存储会产生 IO,增加被监控设备的 IO 压力)。
-l 指定的日志存储目录,应避免指定内存文件系统(例如 tmpfs )所在的目录(因为在内存文件系统上存储日志会消耗内存,对业务产生干扰)。
-d 支持监控多个 device,如果监控过多设备(特别是快速设备,例如 NVMe ),会对 CPU 占用率产生干扰。
4、oc-ops cpu irq latency
功能:监控中断响应超时。
命令:oc-ops cpu irq latency [-e val] [-f freq_ms] [-t threshold_ms] [-c] [-k] [-h]
参数说明:
-e,使能/去使能 IRQ latency 的检测。-e 参数后面只能传两种值之一:1 或 0。1 表示开启监控,0 表示关闭监控。
-f,设置监控时采样的频率所对应的时间,单位为 ms,取值范围为 4ms, 1000ms。
-t,设置 latency 的阈值,单位为 ms,取值范围为 freq_ms, 30000ms;中断响应 latency 超过阈值时相关的栈信息将打印出来。上限设置的原因:如果关中断的时延超过 30000ms ,soft lockup 特性可以检测出来。
-c,清除已积累的栈信息。
-k,为避免忘记关闭检测而对系统造成污染,oc-ops cpu irq latency 将默认在 3600s 后关闭检测。-k 表示 keep IRQ latency 的检测,永远不会自动关闭。
-h,显示 oc-ops cpu irq latency 的用法。
其他信息:
使能后,每 60s 自动打印检测结果。如想主动查看检测结果,可执行以下两条命令获取:
cat /proc/irq_latency/trace_dist
cat /proc/irq_latency/trace_stack
示例 1:使能 IRQ latency,并设置阈值为 50ms。
执行 oc-ops cpu irq latency -e 1 -t 50
示例 2:去使能 IRQ latency。
执行 oc-ops cpu irq latency -e 0
四、小结
在 OpenCloudOS 平台上,oc-ops 可以方便地帮助用户分析内存耗用、IO 时延、中断时延等问题,提升相关问题的定位效率。此外,oc-ops 还在不断成长、完善中,并且未来会逐步增加 healthy-check(检测系统健康状态、自动修复部分问题)、网络丢包、时延抖动、误删文件恢复、信号跟踪等维测功能。
如果您想深入了解这些功能,我们建议您访问 OpenCloudOS 社区的官方网站,并参与到 oc-ops 的开发中来。同时,我们也欢迎您下载和使用 OpenCloudOS,以体验平台的高效、智能运维体验。下载地址:
https://www.opencloudos.org/iso
如果您有任何意见、建议或问题,请扫描下方二维码,加入社区交流群,我们会全力支持您,以确保您在 OpenCloudOS 平台上获得最佳的运维体验。
版权声明: 本文为 InfoQ 作者【OpenCloudOS】的原创文章。
原文链接:【http://xie.infoq.cn/article/3cf76cc807a83d741ff34cb73】。文章转载请联系作者。
评论