Alibaba Cloud Linux 2 ECSインスタンスのOverlayFSにおけるdentryリークがシステムクラッシュを引き起こした場合の対処方法 - Alibaba Cloud Linux

このトピックでは、Alibaba Cloud Linux 2 を実行しているElastic Compute Service (ECS) インスタンスのOverlayFSにおける dentry リークがシステムクラッシュを引き起こす問題の原因と解決策について説明します。

問題の説明

以下の構成のECSインスタンスは、実行時にシステムクラッシュが発生します。

イメージ: Alibaba Cloud Linux 2.1903 LTS 64 ビット。
カーネルバージョン: kernel-4.19.91-22.2.al7 以前。 uname -r コマンドを実行して、カーネルバージョンを確認できます。

以下の呼び出しスタック情報が表示されます。

[   49.804600] RDX: 0000000000000001 RSI: 000000000000000a RDI: 0000000000000088
[   49.805252] RBP: 0000000000000000 R08: 0000000000000000 R09: ffffffff993cf040
[   49.805898] R10: ffff93b92292e580 R11: ffffd27f188a4b80 R12: 0000000000000000
[   49.806548] R13: 00000000ffffff9c R14: 00000000fffffffe R15: ffff93b8da3446c0
[   49.807200] FS:  00007ffbedffb700(0000) GS:ffff93b927880000(0000) knlGS:0000000000000000
[   49.807935] CS:  0010 DS: 0000 ES: 0000 CR0: 0000000080050033
[   49.808461] CR2: 0000000000000088 CR3: 00000005e3f74006 CR4: 00000000003606a0
[   49.809113] DR0: 0000000000000000 DR1: 0000000000000000 DR2: 0000000000000000
[   49.809758] DR3: 0000000000000000 DR6: 00000000fffe0ff0 DR7: 0000000000000400
[   49.810410] Call Trace:
[   49.810653]  d_delete+0x2c/0xb0
[   49.810951]  vfs_rmdir+0xfd/0x120
[   49.811264]  do_rmdir+0x14f/0x1a0
[   49.811573]  do_syscall_64+0x5b/0x190
[   49.811917]  entry_SYSCALL_64_after_hwframe+0x44/0xa9
[   49.812385] RIP: 0033:0x7ffbf505ffd7
[   49.814404] RSP: 002b:00007ffbedffada8 EFLAGS: 00000297 ORIG_RAX: 0000000000000054
[   49.815098] RAX: ffffffffffffffda RBX: 00007ffbedffb640 RCX: 00007ffbf505ffd7
[   49.815744] RDX: 0000000004449700 RSI: 0000000000000000 RDI: 0000000006c8cd50
[   49.816394] RBP: 00007ffbedffaea0 R08: 0000000000000000 R09: 0000000000017d0b
[   49.817038] R10: 0000000000000000 R11: 0000000000000297 R12: 0000000000000012
[   49.817687] R13: 00000000072823d8 R14: 00007ffbedffb700 R15: 00000000072823d8
[   49.818338] Modules linked in: pvpanic cirrusfb button qemu_fw_cfg atkbd libps2 i8042
[   49.819052] CR2: 0000000000000088
[   49.819368] ---[ end trace 4e652b8aa299aa2d ]---
[   49.819796] RIP: 0010:_raw_spin_lock+0xc/0x20
[   49.821880] RSP: 0018:ffffac6fc5417e98 EFLAGS: 00010246
[   49.822363] RAX: 0000000000000000 RBX: ffff93b8da3446c0 RCX: 0000000a00000000
[   49.823008] RDX: 0000000000000001 RSI: 000000000000000a RDI: 0000000000000088
[   49.823658] RBP: 0000000000000000 R08: 0000000000000000 R09: ffffffff993cf040
[   49.825404] R10: ffff93b92292e580 R11: ffffd27f188a4b80 R12: 0000000000000000
[   49.827147] R13: 00000000ffffff9c R14: 00000000fffffffe R15: ffff93b8da3446c0
[   49.828890] FS:  00007ffbedffb700(0000) GS:ffff93b927880000(0000) knlGS:0000000000000000
[   49.830725] CS:  0010 DS: 0000 ES: 0000 CR0: 0000000080050033
[   49.832359] CR2: 0000000000000088 CR3: 00000005e3f74006 CR4: 00000000003606a0
[   49.834085] DR0: 0000000000000000 DR1: 0000000000000000 DR2: 0000000000000000
[   49.835792] DR3: 0000000000000000 DR6: 00000000fffe0ff0 DR7: 0000000000000400

原因

OverlayFS の ovl_get_redirect 関数は、dentry 参照カウントを操作するときにロックを追加しません。これにより、他の CPU タスクが同じ dentry 参照カウントにアクセスする場合に競合状態が発生し、参照カウントのリークとシステムクラッシュが発生する可能性があります。

解決策

警告

カーネルのアップグレードは、互換性と安定性の問題を引き起こす可能性があります。 Alibaba Cloud Linux 2 のリリースノートのカーネルの機能を確認し、カーネルバージョンをアップグレードする際は注意してください。
再起動操作によりインスタンスが一時的に停止し、実行中のサービスが中断され、データ損失につながる可能性があります。そのため、重要なインスタンスデータをバックアップしてから、オフピーク時にインスタンスを再起動してください。

インスタンスのカーネルバージョンが 4.19.91-22.2.al7.x86_64 以前の場合は、次の手順を実行します。
1. カーネルを最新バージョンにアップグレードします。
```
sudo yum update kernel
```
2. 新しいカーネルバージョンを有効にするために、インスタンスを再起動します。
```
sudo reboot
```
インスタンスのカーネルバージョンが 4.19.91-19.1.al7.x86_64 から 4.19.91-22.2.al7.x86_64 の範囲の場合は、次のコマンドを実行してカーネルライブパッチをインストールします。
```
sudo yum install -y kernel-hotfix-4375449-`uname -r | awk -F"-" '{print $NF}'`
```