一次Kafka启动失败引出的问题

背景

        Some time，有个现场童鞋说咱的Kafka实例有个broker一直crash，还截图给我看了，大致是Kafka启动加载topic分区日志文件的时候，然后就没了，连个WARN都没有。当然，光看这个截图咱啥都不知道，因此只能搞个会议一起看看，这里说一下，公司内部聊天软件太菜了，所以就用腾讯会议，嗯，挺好的，反正是免费的。

干活

        好，跟现场童鞋搞起来。嗯，Kafka启动日志既然看不了啥，那只能看下pod状态，哦豁，OOMKILLED，nice，找到原因了，嗯，但是，使用kubectl describe node xxxx 查看，这个node还剩一半呀，咋回事呢？

• Kafka pod是OOMKILLED
• kubectl describe nodes xxxx 查看，cpu/内存是足够的

       那么是不是Node资源不够呢？free -m 一看，好家伙，256G只剩1个G了，而Kafka pod配置的request是4Gi，那么启动的时候当然会被内核给干死了，没内存了。到这一步了，基本上就不干Kafka的事情了，不过，都查看现在了，这会儿就继续查看哪个大哥占用了。 

top -b -n 1 | head -n 12 | tail -n 10 查看前10占用内存最大的进程，嗯，发现是个死进程，是容器的死进程，但是这个容器所在的pod都已经删除了，跟k8s大佬一沟通，好吧，是个开源bug，到这我就没法处理了，跟大佬沟通后，有个脚本可以把这些死进程给干掉，释放掉这些占用的内存出来，当前环境只能通过脚本来巡检处理了，不过，新版本已经解决，哎，客户私有场景下，现场环境版本总是落后的，而且客户还不一定想升级，不好搞呀！