Alibaba Cloud Linux 2系统的ECS实例无法正常删除Pod，如何处理？

问题描述

在符合如下条件的Alibaba Cloud Linux 2系统的ECS实例中，出现无法正常删除Pod的情况，进程处于D状态（不可中断的睡眠状态）。

• 镜像：Alibaba Cloud Linux 2.1903 LTS 64位

• 内核：4.19.91-24.1.al7.x86_64及之前的内核版本

系统进程出现如下调用栈信息：

[<0>] __refrigerator+0x75/0x160
[<0>] do_exit+0x224/0xc60
[<0>] do_group_exit+0x3a/0xa0
[<0>] get_signal+0x156/0x8c0
[<0>] do_signal+0x36/0x610
[<0>] exit_to_usermode_loop+0x95/0x100
[<0>] do_syscall_64+0x178/0x1a0
[<0>] entry_SYSCALL_64_after_hwframe+0x44/0xa9

问题原因

在进程coredump发生前任务所在cgroup已经被挂起，进程coredump发生后所有线程进入了exiting状态，cgroup遍历会忽略此任务，错过cgroup的恢复，从而导致进程无法退出，无法正常删除Pod。

解决方案

当遇到该问题时，您可以参考以下方案解决上述问题。

1. 登录ECS实例。

   具体操作，请参见连接方式概述。

2. 执行以下命令，确认系统内核版本适用此方案。

   uname -r

   系统显示类似如下。

   4.19.91-18.al7.x86_64

3. 更新内核版本。

   1. 更新操作系统版本至最新的内核版本。

      yum update kernel

   2. 重启服务器生效。

      reboot

   3. 更新内核热补丁。

      若最新内核版本的操作系统同样存在该问题，请执行以下命令，更新内核热补丁（内核热补丁名称为：cgroup:freeze: fix coredump & unfreeze conflict）。

      yum install -y kernel-hotfix-3915544-`uname -r | awk -F"-" '{print $NF}'`