Dotaz: BUG: soft lockup - CPU#0 stuck for 42s! [smbd:1912]

[moody]

Ahoj, na serveru s CentOS6 x64 pouzivam sambu 4.3.4 v roli AD DC. Nekolik mesicu to bylo naprosto bez problemu. Nekdy tri tydny zpet se vsak nahle zvysil load serveru a vytizeni CPU (load tak klidne 100 a vic, CPU > 90%). Bylo to shodou okolnosti po aktualizaci samby na verzi 4.3.5. Vratil jsem tedy zpet puvodni 4.3.4 a provedl koretni restore dat (dle manualu k sambe). To vsak nepomohlo. Zacal jsem tedy resit, zda se nejedna o hardwarovy problem.

Tyden zpatky jsem zelezo vymenil, nicmene jak se ted ukazuje, problem stale nevymizel. Zacinam mit tedy podezreni na databazi samby (presto, ze jsem po navratu ke 4.3.4 pouzil zazalohovanou databazi z teto bezproblemove verze. Co bych jeste mohl vyzkouset?

System:
Linux xxx.xxx.x 2.6.32-573.22.1.el6.x86_64 #1 SMP Wed Mar 23 03:35:39 UTC 2016 x86_64 x86_64 x86_64 GNU/Linux

Diky za napady.

P.S. zapomnel jsem dodat, ze ten load a vytizeni serveru stouplo skokove (behem 5-10 minut) tak, ze server prestal reagovat a musel byt natvrdo restartovan.

Odpovědi

[MP]

To nemusi byt sambou ani hw. Podobny pripad jsem zazil pri testech proxmoxu 4.x s mdraidem pred pulrokem.

[moody]

Tozn. muze byt spojitost se softwarovym raidem? Jak by ji slo prokazat? Zatim je to nahodny, nekdy 1x za tyden, nekdy 1x denne. Vzdy je v tom zapletenej proces smbd.

Diky.

[tom]

Downgradnete si kernel na 2.6.32.69 , nebo si nastavte kernel.softlockup_panic na 1 a kernel.panic treba na 5 a server se vam alespon sam restartuje, kdyz se to stane znovu.

[moody]

Diky za tip. Downgradnul jsem na kernel 2.6.32-573.12.1.el6.x86_64 z prosince 2015, kdy ten system byl stoprocentne v poradku. Uvidime, pro jistotu jeste nastavim ty zmeny v sysctl.

JK

[logik]

Podobnej problém byl na Zentyalu (Ubuntu) a prý to má na svědomí nějaká regrese v jádru. Mě "pomohl" upgrade jádra - hláška se přestala objevovat, ale server občas tuhne dál. Teď se chystám na downgrade jádra, kterej prej má pomoci.

Viz https://tracker.zentyal.org/issues/4977 potažmo odkazovaný thread.

[Michal Kubeček]

Vypadá to na regresi způsobenou opravou chyby v epoll pro unixové sockety (commit 7d267278a9ec, CVE-2013-7446, např. bsc#955654). Opravuje to commit a5527dda344f (mainline od v4.5-rc6, ale byl backportován i do zasažených stable větví - viz např. bsc#973570).