验证kubectl top结果和docker stats结果符合预期

问题背景

如下所示，用户使用kubectl top命令看到其中一个节点上的Harbor占用内存约3.7G（其他业务Pod也存在类似现象），整体上来说，有点偏高。

1 2 3 4 5 6 7 8 9 10

[root@node02 ~]# kubectl get node -owide NAME STATUS ROLES AGE VERSION INTERNAL-IP EXTERNAL-IP node01 Ready master 10d v1.15.12 100.1.0.10 <none> node02 Ready master 12d v1.15.12 100.1.0.11 <none> node03 Ready master 10d v1.15.12 100.1.0.12 <none> [root@node02 ~]# kubectl top pod -A |grep harbor kube-system harbor-master1-sxg2l 15m 150Mi kube-system harbor-master2-ncvb8 8m 3781Mi kube-system harbor-master3-2gdsn 14m 227Mi

原因分析

我们知道，查看容器的内存占用，可以使用kubectl top命令，也可以使用docker stats命令，并且理论上来说，docker stats命令查的结果应该比kubectl top查到的更准确。查看并统计发现，实际上Harbor总内存占用约为140M左右，远没有达到3.7G：

1 2 3 4 5 6 7 8 9 10

[root@node02 ~]# docker stats |grep harbor CONTAINER ID NAME CPU % MEM USAGE / LIMIT MEM % 10a230bee3c7 k8s_nginx_harbor-master2-xxx 0.02% 14.15MiB / 94.26GiB 0.01% 6ba14a04fd77 k8s_harbor-portal_harbor-master2-xxx 0.01% 13.73MiB / 94.26GiB 0.01% 324413da20a9 k8s_harbor-jobservice_harbor-master2-xxx 0.11% 21.54MiB / 94.26GiB 0.02% d880b61cf4cb k8s_harbor-core_harbor-master2-xxx 0.12% 33.2MiB / 94.26GiB 0.03% 186c064d0930 k8s_harbor-registryctl_harbor-master2-xxx 0.01% 8.34MiB / 94.26GiB 0.01% 52a50204a962 k8s_harbor-registry_harbor-master2-xxx 0.06% 29.99MiB / 94.26GiB 0.03% 86031ddd0314 k8s_harbor-redis_harbor-master2-xxx 0.14% 11.51MiB / 94.26GiB 0.01% 6366207680f2 k8s_harbor-database_harbor-master2-xxx 0.45% 8.859MiB / 94.26GiB 0.01%

这是什么情况？两个命令查到的结果差距也太大了。查看资料[1]可以知道：

1. kubectl top命令的计算公式：memory.usage_in_bytes - inactive_file；
2. docker stats命令的计算公式：memory.usage_in_bytes - cache；

可以看出，两种方式收集机制不一样，如果cache比较大，kubectl top命令看到的结果会偏高。根据上面的计算公式验证看看是否正确：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120

curl -s --unix-socket /var/run/docker.sock http:/v1.24/containers/xxx/stats | jq ."memory_stats" "memory_stats": { "usage": 14913536, "max_usage": 15183872, "stats": { "active_anon": 14835712, "active_file": 0, "cache": 77824, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 4096, "inactive_file": 73728, ... } "memory_stats": { "usage": 14405632, "max_usage": 14508032, "stats": { "active_anon": 14397440, "active_file": 0, "cache": 8192, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 4096, "inactive_file": 4096, ... } "memory_stats": { "usage": 26644480, "max_usage": 31801344, "stats": { "active_anon": 22810624, "active_file": 790528, "cache": 3833856, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 0, "inactive_file": 3043328, ... } "memory_stats": { "usage": 40153088, "max_usage": 90615808, "stats": { "active_anon": 35123200, "active_file": 1372160, "cache": 5029888, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 0, "inactive_file": 3657728, ... } "memory_stats": { "usage": 10342400, "max_usage": 12390400, "stats": { "active_anon": 8704000, "active_file": 241664, "cache": 1638400, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 0, "inactive_file": 1396736, ... } "memory_stats": { "usage": 5845127168, "max_usage": 22050988032, "stats": { "active_anon": 31576064, "active_file": 3778052096, "cache": 5813551104, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 0, "inactive_file": 2035499008, ... } "memory_stats": { "usage": 13250560, "max_usage": 34791424, "stats": { "active_anon": 12070912, "active_file": 45056, "cache": 1179648, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 0, "inactive_file": 1134592, ... } "memory_stats": { "usage": 50724864, "max_usage": 124682240, "stats": { "active_anon": 23502848, "active_file": 13864960, "cache": 41435136, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 6836224, "inactive_file": 6520832, ... }

 

根据上面提供的计算公式和实际获取的memory_stats数据，验证kubectl top结果和docker stats结果符合预期。那为什么Harbor缓存会占用那么高呢？

通过实际环境分析看，Harbor中占用缓存较高的组件是registry（如下所示，缓存有5.4G），考虑到registry负责docker镜像的存储，在处理镜像时会有大量的镜像层文件的读写操作，所以正常情况下这些操作确实会比较耗缓存；

1 2 3 4 5 6 7 8 9 10 11 12 13 14

"memory_stats": { "usage": 5845127168, "max_usage": 22050988032, "stats": { "active_anon": 31576064, "active_file": 3778052096, "cache": 5813551104, "dirty": 0, "hierarchical_memory_limit": 101205622784, "hierarchical_memsw_limit": 9223372036854772000, "inactive_anon": 0, "inactive_file": 2035499008, ... }

 

解决方案

与用户沟通，说明kubectl top看到的结果包含了容器内使用的cache，结果会偏高，这部分缓存在内存紧张情况下会被系统回收，或者手工操作也可以释放，建议使用docker stats命令查看实际内存使用率。