操作系統(tǒng)物理內(nèi)存耗盡，觸發(fā)操作系統(tǒng)OOM Killer

當(dāng)操作系統(tǒng)物理內(nèi)存和交換空間不夠用時(shí)，操作系統(tǒng)的OOM Killer機(jī)制（默認(rèn)打開）就會(huì)選擇性地殺死進(jìn)程，那么它是怎樣知道要先殺死哪個(gè)進(jìn)程呢？其實(shí)Linux的每個(gè)進(jìn)程都有一個(gè)oom_score（位于/proc/<pid>/oom_score），這個(gè)值越大，就越有可能被OOM Killer選中并殺死。

當(dāng)一個(gè)進(jìn)程被OOM Killer殺死以后會(huì)向操作系統(tǒng)日志寫入殺死的進(jìn)程PID等信息，所以判斷進(jìn)程是否被OOM Killer，就可以通過搜索操作系統(tǒng)日志來得知。

ECS集群進(jìn)程被OOM Killer的日志：

[Wed Aug 31 16:36:42 2017] Out of memory: Kill process 43805 (keystone-all) score 249 or sacrifice child
            [Wed Aug 31 16:36:42 2017] Killed process 43805 (keystone-all) total-vm:4446352kB, anon-rss:4053140kB, file-rss:68kB
            [Wed Aug 31 16:56:25 2017] keystone-all invoked oom-killer: gfp_mask=0x280da, order=0, oom_score_adj=0
            [Wed Aug 31 16:56:25 2017] keystone-all cpuset=/ mems_allowed=0
            [Wed Aug 31 16:56:25 2017] CPU: 2 PID: 88196 Comm: keystone-all Not tainted 3.10.0-327.13.1.el7.x86_64 #1

Swarm集群進(jìn)程被OOM Killer的日志：

Memory cgroup out of memory: Kill process 20911 (beam.smp) score 1001 or sacrifice child
Killed process 20977 (sh) total-vm:4404kB, anon-rss:0kB, file-rss:508kB

總結(jié)起來搜索命令為：

grep -i 'killed process' /var/log/messages

或者：

egrep "oom-killer|total-vm" /var/log/messages

遇到此問題時(shí)，解決辦法有以下幾個(gè)：

• 增大ECS實(shí)例物理內(nèi)存或者減少被殺死的進(jìn)程分配的內(nèi)存值。
• 檢查ECS實(shí)例是否掛載了Swap交換分區(qū)（ ECS實(shí)例默認(rèn)不掛載Swap交換分區(qū) ），如果未掛載（阿里云ECS環(huán)境大多數(shù)OOM Killer的問題都因?yàn)槲磼燧dSwap交換分區(qū)，相比性能，進(jìn)程健康性更加重要）請搜索Linux掛載Swap交換分區(qū)的方法并自行掛載Swap交換分區(qū)。

應(yīng)用運(yùn)行的Java虛擬機(jī)進(jìn)程Crash（異常退出）

Java虛擬機(jī)通常會(huì)由于異常的JNI調(diào)用、C Heap OOM、其他Bug等原因在運(yùn)行時(shí)進(jìn)程Crash，發(fā)生此問題時(shí)，會(huì)在當(dāng)前JVM進(jìn)程的工作目錄（通過pwdx <jvm_pid>命令可查）生成一個(gè)hs_err_<jvm_pid>.log。通常，從這個(gè)日志文件中即可查到Java虛擬機(jī)Crash時(shí)執(zhí)行的線程或原因（必要時(shí)需要通過允許生成coredump文件進(jìn)一步分析）。

另外，在EDAS控制臺應(yīng)用的基本信息頁面，應(yīng)用設(shè)置區(qū)域的異常退出分析右側(cè)單擊開啟，配合應(yīng)用監(jiān)控告警功能，Java虛擬機(jī)進(jìn)程退出時(shí)，就會(huì)發(fā)出告警，然后登錄ECS實(shí)例查找相關(guān)日志，分析具體原因。