一次生产 KubeSphere 日志无法正常采集事件解决记录
作者：宇轩辞白，运维研发工程师，目前专注于云原生、Kubernetes、容器、Linux、运维自动化等领域。
前言
2023 年 11 月 7 号下午，研发同事反馈，项目线上日志平台某个服务无法查看近期的日志。我登上 KubeSphere 平台进行查看，发现日志收集展示停留在 10 月 15 号那天，而其它的服务是正常的。
问题跟踪定位分析
结合已有的经验积累，我做了如下猜想：
- 一种原因，是不是日志系统对应的 PVC 存储卷被打满了，导致日志索引被锁定，间接影响服务的日志采集呢？
- 另一种原因，日志采集工具 Fluent Bit 缓冲区资源配置无法满足当前的日志输出量，也会导致该问题的出现。
为了验证上述的猜想，我展开了详细排查：
- 把 es 的接口放开，查询索引状态，看看有没有被锁定的。
- 确认无法收集日志容器所在的 node 节点，并找与之对应同 node 节点的 Fluent Bit 容器服务，查看 Fluent Bit 日志输出是否存在异常信息。
登录到 node 节点查看 Fluent Bit 服务日志信息，关键信息如下：
[2023/07/23 00:15:37][ warn] [http_client] cannot increase buffer: current=512000 requested=544768 max=512000
{"log":"[2023/11/08 10:26:33][ warn] [input] tail.2 paused (mem buf overlimit)\n","stream":"stderr","time":"2023-11-08T10:26:33.406030339Z"}
报错问题分析 1
tail.2 paused (mem buf overlimit) 表示 tail 输入插件在 Fluent Bit 中的实例 tail.2 因为内存缓冲区超出限制而被暂停。 这个告警信息意味着 Fluent Bit 的内存缓存区超过了先前设置的"memBuflimit"限制的大小，导致插件被暂停。之后，存储缓冲区超过限制时被恢复，这可能代表着 Fluent Bit 尝试将一些缓冲数据写入目标存储介质。
这通常是由于日志产生的速度过快，而内存缓冲区无法及时处理并写入到输出目标中，结合问题现象来看，那就不难说明日志为啥在 10 月 25 号之后就没有采集展示了。
报错问题分析 2
根据日志信息中 [ warn] [http_client] cannot increase buffer: current=32000 requested=64768 max=32000 可知，在 HTTP 客户端无法增加缓冲区大小。当前的缓冲区大小为 32000B（也就是默认大小为 32KB 字节），无法满足请求。由于项目是初期建设，日志平台参数都没有进行优化调整，都保持默认值，因此当日志量级达到一定的级别就会出现该问题，且无法动态调整。
解决方案
针对上述问题，这里可以尝试通过以下方案去解决该问题：
-
增加
memBufLimit的值，调整内存缓冲区大小：根据具体情况，可以增加memBufLimit的大小，以提供更多内存缓冲区空间处理更多的日志。但需要注意，增加内存缓冲区的大小可能会占用更多的内存资源，因此需要确保系统有足够的内存资源。另外可以调整存储缓冲区大小。根据告警信息，存储缓冲区大小为 128KB，可以考虑增加存储缓冲区大小，以适应更大的数据负载。 -
调整
Buffer_Size的值，调整缓冲区大小：根据实际具体情况，适当增加Buffer_Size的大小。 -
优化日志收集和处理过程：评估当前的日志收集和处理流程，查找可能导致日志快速增长的原因，并采取相应的措施来优化日志生成和处理速度。例如，限制日志的输出频率，对日志进行压缩或者聚合等。
-
调整日志处理的配置：结合实际情况，调整 Fluent Bit 的配置来更好地适应日志生成和处理需求。例如，可以使用更快的输出插件，调整日志过滤器或者解析器的配置等。
参数剖析
在 Fluent Bit（日志收集和转发工具）的场景中，memBufLmit 和 buffer_size 是两个相关但是不同的参数。
- memBufLmit（内存缓冲区限制）：
memBufLimit 是 Fluent Bit 中内存缓冲区大小限制，它定义了 Fluent Bit 在内存中分配给缓冲区的最大空间，当缓冲区达到这个限制时，后续的数据将不再接受和处理。
memBufLimit 可以用来限制 Fluent Bit 处理大量日志所使用的内存大小，以防止它过度消耗系统资源，配合合理的 memBufLimit 值可以帮助确保 Fluent Bit 在接受的内存范围内运行，并避免因内存不足导致性能下降或者崩溃。
- buffer_size(缓冲区大小)：
buffer_size 是 Fluent Bit 在输出插件中使用的一个参数，用于定义缓冲区的大小，缓冲区用于将日志数据暂存在内存中，以便在一次性批量处理/传输到目标存储或者服务时提高效率。
buffer_size 可以影响日志数据的传输和内存的消耗，较大的缓冲区可以减少传输的次数，提高效率，但也会占用更多的内存，较小的缓冲区可能会导致更频繁的传输，但会减少内存的消耗。根据具体情况调整缓冲区大小可以平衡传输速度和内存占用。
总结来说，在 Fluent Bit 场景中，memBufLimit 和 buffer_size 的作用如下：
-
memBufLimit用于限制 Fluent Bit 整体内存缓冲区的大小，以确保其在合理的内存范围内运行。 -
buffer_size用于控制输出插件的缓冲区大小，以提高传输效率和内存消耗。
问题解决
在"定制资源定义（CRD）"->input->"tail" 修改 memBufLimit 参数限制大小，可参考下图：
在"定制资源定义（CRD）"->Output->"es" 修改 bufferSize 参数大小，可参考下图：
修改完毕之后，随后进行验证日志是否正常展示。参数大小一定要根据自己生产环境的配置进行调整，如果服务器节点性能配置不是很高，那么参数调整之后会严重影响业务，造成 Node 节点负载过高，本人因为这个调整被狠狠地坑过一次。下方截图是当时触发了告警，因为参数调整之后，大量的日志疯狂的刷新，导致节点流量带宽以及负载暴涨。
此时可以查看下 Fluent Bit 容器输出日志是否正常。
参考文档信息
- https://docs.fluentbit.io/manual/v/1.8/administration/buffering-and-storage
- https://docs.fluentbit.io/manual/v/1.8/administration/scheduling-and-retries
- https://docs.fluentbit.io/manual/v/1.8/pipeline/outputs/elasticsearch
- https://docs.fluentbit.io/manual/v/1.8/pipeline/filters/kubernetes
- https://docs.fluentbit.io/manual/v/1.8/pipeline/inputs/tail
本文由博客一文多发平台 OpenWrite 发布！
