一次诡异的磁盘空间占用问题排查

Posted 2022-07-19 xindoo

　　大半夜接到线上一服务器磁盘占用率超过90%的短信，需要立即处理。一般这种情况都是线上异常，当天日志打太多，无法自动删掉的。上来第一反应就是查我们规范java应用日志目录，居然没有文件，再查，居然连java进程都没有，原来不是java应用，不过没关系，干一年运维也不是白干的，还是有其他方法可以查的，在此记录下整个排查过程。

　　用​​df -h​​看下是哪个分区比较大，我司应用包都是布在/home目录下的。

$ df -h
Filesystem            Size  Used Avail Use% Mounted on
/dev/xvda2             18G  5.0G   12G  30% /
/dev/xvda1            247M   25M  210M  11% /boot
tmpfs                 7.4G  248K  7.4G   1% /dev/shm
/dev/xvdb1             50G   45G  5.3G  90% /home

　　然后cd到home目录下，来看看哪个文档比较大，我最常用的命令就是​​du -h --max-depth=1​​，通常可以直接找到哪个目录占空间比较大，不过今天诡异了。。

$sudo du -h --max-depth=1   
40K ./***.**                #这是别人的home路径，一堆账号，略去
.
.
.
40K ./***.**
1.9G    .                   #所有文件占用总空间  

　　这就很诡异了，上面提示我/home目录已使用45G，实际上只用了1.9G，无果。不查大目录了，我找找到有什么大的文件，查文件，最好用的就是find命令了，因为平时不怎么用，对其参数还是不大了解，所以网上搜了一把，找到下面这条命令（果然学习还是得靠问题驱动）。
　　​​​find . -type f -size +800M​​ 查找当前目录下大于800m的文件，依旧无果，改成100m，无果。 然后不按大小，我只查有没有*.log.*的文件（有时候也是小文件太多，导致磁盘满），依旧无果，额。。。已有知识有点不够用了。

　　看了下监控系统，发现磁盘占用空间一直在增长，肯定一直是有什么进程在写文件，那我就看看服务器上的进程吧。 常用命令 ps、pstree 这里我先用ps看了下，出来的内容太多，不方便看，遂改用pstree，得到如下结果。

$ sudo pstree
init─┬─DragoonAgent─┬─DragoonAgent
     │              ├─2*[DragoonAgent───10*[DragoonAgent]]
     │              ├─DragoonAgent───7*[DragoonAgent]
     │              └─DragoonAgent───2*[DragoonAgent]
     ├─aegisinc_cli───11*[aegisinc_cli]
     ├─agetty
     ├─atd
     ├─crond
     ├─gshelld───3*[gshelld]
     ├─irqbalance
     ├─lldpd───lldpd
     ├─6*[mingetty]
     ├─nginx-proxy───4*[nginx-proxy]
     ├─node─┬─4*[node─┬─phantomjs───3*[phantomjs]]
     │      │         └─5*[node]]
     │      ├─node───5*[node]
     │      └─5*[node]
     ├─ntpd
     ├─portmap
     ├─sshd───sshd───sshd───bash───pstree
     ├─staragentd─┬─staragent-core───22*[staragent-core]
     │            └─staragent-ppf─┬─logagent───12*[logagent]
     │                            └─11*[staragent-ppf]
     ├─syslog-ng───syslog-ng
     └─udevd

　　排除系统进程，看到有nginx-proxy（我司常用的包），还有一个node，我猜应该是个nodejs应用（表示完全不了解这鬼东西），​​pstree -p​​​，可以显示pid的，有了pid，我们就可以查这些进程在写入哪些文件了。
　　这里我查到pid是 10163，让我来看下这鬼进程在写哪些文件，使用如下命令。

$ ls -al /proc/10163/fd
total 0
dr-x------ 2 admin admin  0 Jul  8 19:56 .
dr-xr-xr-x 7 admin admin  0 Jan 20  2015 ..
lr-x------ 1 admin admin 64 Sep 12 16:16 0 -> /dev/null
l-wx------ 1 admin admin 64 Sep 12 16:16 1 -> /home/admin/snapshot-kgb/logs/nodejs_stdout.log (deleted)
lrwx------ 1 admin admin 64 Sep 10 01:39 10 -> socket:[178406733]
###内容有点多，删去一部分。。。。 
lrwx------ 1 admin admin 64 Sep 10 01:39 15 -> socket:[150611725]
l-wx------ 1 admin admin 64 Sep  9 02:33 2 -> /home/admin/snapshot-kgb/logs/nodejs_stdout.log (deleted)
lrwx------ 1 admin admin 64 Sep 10 01:39 8 -> anon_inode:[eventfd]
lr-x------ 1 admin admin 64 Sep 10 01:39 9 -> /

　　这里有俩文件，末尾标示（deleted），然后想到看下别人的操作记录，发现今天同事有上来删过这俩文件，但他没有重启进程。 linux删除正在被写入的文件之后仍是会占用磁盘空间的，这也解释了开始为何我用​​du、df、find​​为什么查不到大文件。

　　接下来就是如何处理磁盘空间仍被占用的问题了，只需要重启下node进程就好了，咋重启??? 我不会啊！！尴尬。。。尝试清空下该文件 ​​echo >　/home/admin/snapshot-kgb/logs/nodejs_stdout.log​​​　​​cat /dev/null > /home/admin/snapshot-kgb/logs/nodejs_stdout.log​​​ 无果。。。。
　　峰回路转，突然在服务器上发现了重启进程的脚本，重启后再用​​​df​​​命令查看磁盘使用率，降到10%了。
　　总结一下，如何避免以后出现类似的情况。

1.避免直接删除linux上正在写入的文件，正确做法应该是，重写覆盖该文件 ​​echo > filename​​​。
2.排查耗时较长，很多命令都是现学现卖。
3.近2k服务器，虽然已有磁盘自动清理机制，但未彻底解决问题，可能还得需要一个完美的工具。