Linux设备上没有空间之复盘

一、问题是如何发现的以及如何解决的

某天前端在调接口的时候,发现登录页面得验证码接口居然没有响应数据,显示的是500响应码。于是我一路排查,首先排查验证码接口所属的微服务是否正常,通过lsof -i:服务端口进行排查,发现该微服务进程存在,同时我在服务注册中心的服务管理列表也发现该服务正常注册。结合之前遇到的问题,验证码接口报500,没有及时响应数据,与Redis有关,验证码的数据会存放Redis,我再次排查Redis,发现Redis也正常,最后我看错误日志。我排查该问题的步骤:

  • 第一排查提供验证码的微服务是否正常;
  • 第二排查服务注册中心是否有该服务;
  • 第三排查Redis是否正常运行;
  • 最后查看日志。
    最后我从错误日志中看到了设备上没有空间这样的错误信息。当时我还没有意识到,可能是Linux磁盘空间不足的原因,下意识使用程序员的万能绝招”重启”,但”重启”并没有从根本上解决这个问题,这里提到的”重启”是指重启Java应用而不是重启Linux服务器。最后发现重启也不能解决这个问题,于是我又下意识的觉得是内存的原因,于是便直接关闭其它无需和前端对接口的微服务,突然发现问题一下解决了。于是就没有深究了。
    而后过了一个小时左右,前端又再次反馈其它接口有问题了,不能及时响应正确的数据,全部报500,这时我开始慌了,隐隐约约觉得问题并未从根本上解决,根本不是内存的原因,这时我才想起用free -m命令查看一下内存的使用,发现还有2个多G的内存,排除了内存不足的原因,通常运行Java应用,内存不足会报如下异常:
1
Java HotSpot(TM) 64-Bit Server VM warning: INFO: os::commit_memory(0x0000000794500000, 576716800, 0) failed; error='Cannot allocate memory' (errno=12)

这时我冷静下来,看日志信息,再次发现了这句话”设备上没有空间”。于是通过关键字搜索,找到了问题所在,如图所示:
图一

结合Windows,形象地概括,就是我的系统盘C盘满了。

二、当时我很疑惑为什么/dev/mapper/centos-root一下就满了呢?

我仔细想了下,发现我将很多软件和服务以及日志全部放在/usr下的某个目录里,于是我一路排查后,发现有这么几类文件占用很大的空间:

  • 日志文件(Nacos日志以及各项微服务日志、MySQL日志、系统日志等足足10G以上,这时我终于明白了,为什么日志要实时备份传输以及删除了);
  • 遗留的软件包和压缩包(10G以上);
  • 静态文件(离线地图,足足占了20G以上)和其它图片文件;
  • 项目源代码以及打包成功后的jar(3个多G);
  • Maven仓库(足足占了5个多G)。

三、问题已经定位到了,那么我是如何解决这个问题的?

问题的根源在于不合理的占用系统盘空间,将这些不合理的从系统盘空间转移出去即可,转移到磁盘空间充足的,也就是/dev/mapper/centos-home下。

我做了这些事情:

  • 备份日志,下载到本地(目前备份服务器还没有申请下来,同时关于哪些需要保留的,需要内部协商探讨),原有的日志进行删除(这个工作可以脚本化);
  • 遗留软件包和压缩包直接删除;
  • 静态文件迁移至/home下的某个用户目录,通过配置进行映射(确保迁移后仍不影响正常的访问);
  • 项目源代码迁移到/home下的某个用户目录;
  • 修改Maven配置文件,仓库地址指向/home下的某个用户目录。

最终解决了这个问题,释放了50%的空间,其中还有15%暂时不能动。
这样一来,/dev/mapper/centos-root这个系统盘得到了充分释放,同时/dev/mapper/centos-home也得到了充分利用(不再资源闲置)。

四、问题列表和具体解决措施

1.如何通过Linux命令知道当前磁盘空间使用情况?

命令格式如下:
du -sh 文件路径

1
du -sh *

执行就能看到当前文件以及文件夹所占用内存。占用内存多的,可进一步查看到底是什么原因占用这么多内存的。

下面就是我通过du -sh *命令查看内存占用最多的文件或文件夹:

  • Nacos;
  • MySQL;
  • Nginx;
  • Project。

2.为什么Nacos会占用这么多内存呢?它仅仅是一个服务注册中心并不对外提供服务。

通过du -sh 命令,我排查到原来是nacos下的bin目录占用内存最多,其它很少,于是我进一步查看,发现bin目录下的log目录占用内存最多,因为该log目录下主要是nacos的访问日志,最后我通过du -sh 命令查看,如图所示:
图一
由图可知,平均一个日志文件就是一百多M,足足占了十几个G也就不足为奇了。

我的解决办法很简单,分为两个方面:
第一方面是定时删除仅保留一个和备份迁移到/home下的某个目录;
第二个方面通过修改nacos的配置解决,具体参考如下链接:
Nacos系列(4)-Nacos各种日志太多问题的终极解决办法

3.为什么MySQL会占用这么多磁盘空间?

通过命令排查(即du -sh *),我发现是MySQL下的data目录占用磁盘空间最大,其中有一个足足占了4个多G,针对这样的问题,我将其直接由/usr/software目录下迁移到/home下,这样一来系统盘的空间再度得到释放,迁移后需要改mysql的配置文件(即my.cnf文件)。

4.Nginx为何占用这么多磁盘空间?

之所以占用这么多,前面我提到过是因为离线地图,离线地图包括街道地图和卫星地图,两个加在一起足足二十多G,为此我将其迁移到/home下的某个目录,然后修改Nginx的核心配置nginx.conf文件进行映射,这样一来系统盘的空间再次得到释放,同时用户盘的空间得到了充分利用。

5.关于Project

Project主要放源代码和打包成功产生的jar,我还是用老办法将其迁移(迁移到/home下的某个目录)。

五、问题的根本原因是什么?为什么我需要排查这么长时间才定位到这个原因呢?

问题的根本原因在于不规范性。正常来说,不应该将用户磁盘空间做的事情放在系统磁盘空间(与Windows同理)。从这一刻起,我也深深意识到规范性的重要,不规范性导致的bug何止千千万万,仔细想来我的开发经历,造成bug的绝大多数原因均是因为不规范,因为不规范,暴露出各种奇奇怪怪的bug。
另外从我排查问题来看也是很有问题的,问题在于没有用正确的态度对待日志,其实一开始仔细排查日志,定位到这个关键信息,然后将这样的关键信息复制搜索引擎来寻找解决办法,这样一来就不必浪费了近一个多小时来捣鼓这样的事情。

六、如何避免这样的问题再现?以及通过这样的问题总结出什么样的原则?

首先这样的问题属于运维范畴,而我作为公司的兼职运维,面对这样的问题,首先从规范入手,制定可行的规范,从根本上杜绝这样的问题再现,对于这样的问题,我总结的原则如下:

  • (1)不同的用户做不同的事情,保持Linux用户的功能专一性(后面会提到一个重大bug,是因为违反这样的原则导致的);
  • (2)遇到问题,分为两个方面来解决,见过和没有见过,见过表示过去我遇到过这样的问题,可以借鉴以往经验来快速解决这个问题;没有见过的问题,严格遵守的流程:复现问题->仔细查看日志->定位问题->解决问题->总结并存入知识库(如有必要进行定期复盘)。总而言之,最关键的在于定位问题(如何定位问题,可通过重复复现问题->仔细查看日志这样的步骤来定位;
  • (3)针对常见运维需求,编写脚本(如监控系统磁盘使用情况以及用户磁盘使用情况,超出阈值,自动告警和人工干预),推进脚本自动化;
  • (4)制定适合当下情况的运维规范(如安装软件安在哪个目录、大文件放在哪个目录、日志存放多久并备份后自动清除、每个用户只做自己的事情等,根据实际情况不断增加和修订,定期写入文档进行维护)。
文章目录
  1. 一、问题是如何发现的以及如何解决的
  2. 二、当时我很疑惑为什么/dev/mapper/centos-root一下就满了呢?
  3. 三、问题已经定位到了,那么我是如何解决这个问题的?
  4. 四、问题列表和具体解决措施
    1. 1.如何通过Linux命令知道当前磁盘空间使用情况?
    2. 2.为什么Nacos会占用这么多内存呢?它仅仅是一个服务注册中心并不对外提供服务。
    3. 3.为什么MySQL会占用这么多磁盘空间?
    4. 4.Nginx为何占用这么多磁盘空间?
    5. 5.关于Project
  5. 五、问题的根本原因是什么?为什么我需要排查这么长时间才定位到这个原因呢?
  6. 六、如何避免这样的问题再现?以及通过这样的问题总结出什么样的原则?