前天晚上 10 点多收到 DNSPOD 的监控报警，服务器挂了。这已经是迁移到阿里云后的第二次了。

 

1. 现象

服务器 ip 能 ping 通，但部署的两个网站都无法访问，ssh 也连接不上，打开阿里云手机监控看了下，磁盘读 IOPS 达到了 1000 次/秒，并持续了近半个小时，IO 跑满导致无法处理其他任何请求，只能将服务器重启。
PS：DigitalOcean 全固定硬盘，比起来阿里云的普通硬盘速度实在是渣到爆。

 

2. 排查

查看 syslog，看系统之前的运行情况

[crayon-569c4f3523c96432032909/]

发现：

[crayon-569c4f3523ca3033923679/]

发现在 22:32 分时，系统内存不足，触发了 Linux 内核 Out Of Memory killer 的机制，根据计算选择一个得分最高的进程将其 kill，从上面可以看到，被 kill 的进程号为 15506，这个是 ElasticSearch 的进程(被 kill 时内存占用达到了 50%)。想到之前 ElasticSearch 总是莫名其妙崩溃，算是找到了原因。

 

至于内存不足为什么最终导致 IO 繁忙的原因尚未找到，初步估计跟 ElasticSearch 被 kill 后，其他几个占内存较大程序相继被 kill，如 nodejs、mysqld、memcached、mongodb，内存缓存、数据库相继失效等有关。

 

3. 更多排查

运行 top，M 之后，ElasticSearch 和 node 分别占据内存占用排行榜前二。

[crayon-569c4f3523caa678338903/]

使用 free -h 查看内存使用情况：

[crayon-569c4f3523cb0659042999/]

可以发现程序实际使用内存 809M，可用内存 182M，而 IO Cache 为 (907-809)M。

 

从阿里云手机监控(内存使用率监控图)也可看出，内存使用率基本一直在 80% 左右，白天访问量较多，基本三四个小时就会有一次(ElasticSearch 进程)Full GC 造成的抖动。

 

ElasticSearch 负责 codeKK 后台搜索，启动参数为 -Xms256m -Xmx1g，可通过添加环境变量 ES_HEAP_SIZE="128m"，将最低内存设置为 128m，可运行会报错，没办法加内存吧。