联系站长! 傻子-跸西blog 傻子-跸西微blog
顶部

底部
Feed on
Posts
Comments

先说下我们网站的架构,由于目前网站访问量不是很大,但是由于最近公司网站要推广,所以将网站由单机切换成前端用nginx做负载均衡,带动两台web服务器,所有网页和静态文件都通过NFS共享调用,NFS服务装在其中的一个web服务器上,后端用mysql主从的方式,是很典型的架构。

切换成这个架构才2天,就收到nagios的报警,报警信息显示有一台web服务器负载很高,于是通过SecureCRT登录到服务器上,用top命令看了一下,发现有几个php-cgi进程占用了大量的CPU,如下:

13889 www       25   0  228m  14m 9344 S 100.4  0.1  14:51.22 php-cgi                                                                               
13882 www       25   0  227m  13m 9284 S 100.1  0.1  10:53.18 php-cgi                                                                                
13924 www       25   0  227m 9936 5732 S 100.1  0.1  23:20.80 php-cgi                                                                               
13927 www       25   0  226m 5228 2064 R 100.1  0.0  24:44.24 php-cgi                                                                               
13827 www       25   0  228m  15m  10m R 99.7  0.1  12:57.60 php-cgi                                                                                
13900 www       25   0  228m  19m  13m R 99.7  0.1   9:03.09 php-cgi 

由上面的截图我们可以看出那几个php-cgi进程不但占用了大量的CPU,而且运行时间非常长,本来php-cgi接到一个请求运行很快的,怎么这几个运行那么久还没释放?于是采用命令ls -l /proc/13827/fd/查看这个长时间的进程到底在干什么事情,结果如下:

lrwx------ 1 www www 64 Dec 11 12:03 0 -> socket:[68444030]
l-wx------ 1 www www 64 Dec 11 12:03 1 -> pipe:[68444057]
l-wx------ 1 www www 64 Dec 11 12:03 2 -> pipe:[68444058]
lrwx------ 1 www www 64 Dec 11 12:03 3 -> socket:[68468225]
lrwx------ 1 www www 64 Dec 11 12:03 4 -> socket:[68469788]
lrwx------ 1 www www 64 Dec 11 12:03 5 -> socket:[68457928] 

看到里面没有打开文件或者写入文件,这个进程没干什么事情,比较奇怪,然后采用strace命令跟踪下看看这个进程在做什么东西呢?

strace -p 13827
poll([{fd=4, events=POLLIN}], 1, 0)     = 0 (Timeout)
select(5, [4], [4], [], {15, 0})        = 1 (out [4], left {15, 0})
poll([{fd=4, events=POLLIN}], 1, 0)     = 0 (Timeout)
select(5, [4], [4], [], {15, 0})        = 1 (out [4], left {15, 0})
poll([{fd=4, events=POLLIN}], 1, 0)     = 0 (Timeout)
select(5, [4], [4], [], {15, 0})        = 1 (out [4], left {15, 0})
poll([{fd=4, events=POLLIN}], 1, 0)     = 0 (Timeout)
select(5, [4], [4], [], {15, 0})        = 1 (out [4], left {15, 0})
poll([{fd=4, events=POLLIN}], 1, 0)     = 0 (Timeout)
select(5, [4], [4], [], {15, 0})        = 1 (out [4], left {15, 0})
poll([{fd=4, events=POLLIN}], 1, 0)     = 0 (Timeout)
select(5, [4], [4], [], {15, 0})        = 1 (out [4], left {15, 0})
poll([{fd=4, events=POLLIN}], 1, 0)     = 0 (Timeout) ……. 

可以看出,这个进程不断的超时,到底为何会超时呢???看来需要从php-cgi的日志中查找问题了,由于原来php-fpm.conf配置的超时时间为0,也就是不设置超时时间。于是先将php-fpm.conf的超时时间设置成5s,然后超过5s的php-cgi的请求就会记录到php的慢日志中,设置如下:

3s
logs/slow.log 

设置完成,利用命令/usr/local/php/sbin/php-fpm restart重启php-fpm,过一会查看slow.log的内容发现很多如下内容:

script_filename = /data/htdocs/bbs.hrloo.com/apl.php
[0x00007fffb060fd70] file_get_contents() /data/htdocs/bbs.hrloo.com/apl.php:10 

查看/data/htdocs/bbs.hrloo.com/apl.php第十行的内容如下:

网上查了一下发现了介绍php这个函数当里面网址响应很慢的时候就会出现CPU占用很高的情况,而且会一直卡住,不会超时,再看看这个链接,访问一下指向到了一个小说网站,是别人攻击后嵌入的,将这个文件还原后恢复正常。奇怪的是那个安装NFS的web服务器却不会出现那个问题,看来是由于本来那个站点又慢,通过NFS调用就更慢了,因此出现了这个故障。感谢这次故障,才发现了这个严重的问题。

echo file_get_contents('http://121.10.108.227:86/yh.asp'); 

故障修复了,但是问题还远远没有解决,重点要找到文件是如何被修改的,防止再出现类似的事故。看来下面还有很多事情要忙乎了。呵呵!

有什么想法,说两句吧