Linux环境搭建太慢？3步绕过90%配置陷阱

　　跟产品吵。去年五月那版边缘节点上线，我原以为就是个内核参数微调+systemd service reload的事，结果PM蹲在机房门口盯着我敲完最后一行ansible-playbook，说“这个环境得跑通全链路压测”，我手一抖把--limit写成--skip-tags，八台ARM64节点直接卡在cloud-init的netplan apply里。监控大屏上那个标着“edge-pool-07”的CPU曲线，本来稳稳趴着，忽然弹了一下——像被谁用指甲盖掐了下——就一下，然后继续躺平。没人管它。

　　第一步：删掉所有rpm包管理器默认启用的GPG校验。不是禁用，是物理删除/etc/pki/rpm-gpg/下那仨key文件。去年五月我们灰度开关没推完，一半节点装的是CentOS 7.9-minimal，一半是Rocky 8.8-stream，结果rpm --import /etc/pki/rpm-gpg/RPM-GPG-KEY-rockyofficial执行失败，但playbook里没加ignore_errors: true，整个yum install openssl-devel卡死在第二步。这个我敢打包票——你去查/var/log/yum.log，2023年5月17号14:23:07那一行，error: rpmdb: damaged header，后面跟着三十七行重复的warning: /var/cache/yum/x86_64/8/baseos/packages/kernel-.rpm: Header V4 RSA/SHA256 Signature, key ID : NOKEY。不是配置问题，是key本身在离线镜像里被截断了两百三十一个字节。

　　前端小张昨天下午三点四十二分冲进运维室，甩给我一张Jira截图，标题是“/api/v1/edge/config 返回502不是我们前端写的bug”。我没抬头，一边解压那个编译了五次才过的nginx-module-edge-route，一边把咖啡杯往右推了七厘米——杯底印着公司logo的那圈白漆早磨花了，露出底下青灰色搪瓷。他站那儿没走，我就说：“你让测试先抓个包，别抓localhost，抓eth0出口，看SYN有没有被iptables DROP。”结果他转身撞到门框上，工牌绳子绷直又弹回去，啪一声。

　　第二步：systemd-resolved？关。不管它是不是“推荐配置”，关。去年五月那天我改了/etc/resolv.conf硬写nameserver 10.12.0.1之后，有三台节点resolve超时时间从三百二十毫秒跳到三千八百毫秒，原因？systemd-resolved自己开了个stub listener占着53端口，但上游DNS服务器响应慢了二百六十毫秒以上，它就直接返回SERVFAIL——而不是转发给resolv.conf里真正的nameserver。我删掉resolved.service的enable状态、mask掉、再rm -f /run/systemd/resolve/stub-resolv.conf，这事儿才算完。但有个细节很多人忽略：/etc/systemd/resolved.conf里那个FallbackDNS必须留空，不是注释掉，是清空。注释掉它会继承default值——也就是1.1.1.1和8.8.8.8，而这两个地址在我们私有云VPC里根本不可达。我说不准为什么systemd非得这么设计，但我知道它真就这么干了。

　　oncall手机震了一下，我没接。是告警群@全体成员，内容就一行：“edge-sg-032 kernel panic: unable to mount root fs on unknown-block(0,0)”。我划掉屏幕锁，回了句“check grub.cfg boot entry order”，顺手把旁边椅子上搭着的防静电服往左拽了拽——袖口已经起毛边了，上次换还是前年十一月。其实这台机器上周就该重装，DBA老李非说“先扛三天，这批SQL跑完再说”，结果扛到第五天凌晨，root分区inode耗尽，连journalctl --disk-usage都报错。这种事儿你跟DBA吵？吵赢了你也得手动dd if=/dev/zero of=/dev/sdb bs=1M count=1024……

　　第三步：不要touch任何/etc/sysctl.d/99-custom.conf以外的文件。绝对不要。去年五月我亲手删过一次/etc/sysctl.conf里那行net.ipv4.tcp_tw_reuse = 1，理由是“冲突”，结果三台x86节点的连接复用率从七十八下降到十九。但更邪门的是，在其中一台上，sysctl -p居然返回success，而实际值没生效——因为那个conf文件末尾缺了个换行符。Linux的sysctl.conf解析器遇到EOF不换行就静默失败，既不报错也不log。你信不信？反正我查了整整六小时strace输出才揪出来。后来我改成用echo "net.ipv4.tcp_tw_reuse = 1" > /etc/sysctl.d/99-custom.conf && sysctl -p /etc/sysctl.d/99-custom.conf ——带路径的sysctl -p才强制读指定文件，否则它只认默认目录下的所有conf，且按ASCII顺序加载。优胜劣汰？对，就这玩意儿：谁敢动老文件谁先挂，谁用新路径谁活到最后。

文章配图，仅供参考

　　所以现在我的做法是：写脚本之前，先ssh到一台干净虚拟机里，手动跑三遍上面说的三步，记下每步耗时；哪步超过六秒，立刻停下，去看dmesg | tail -20。别信文档，文档写“should work”，现实是它连udev rule里那个ATTRS{bInterfaceClass}=="ff"都会因为USB热插拔顺序不对而漏触发两次。我原以为改了grub timeout就行，结果忘了update-grub后还得reboot进入UEFI shell删掉旧启动项，不然系统会卡在efibootmgr list输出的第九行那个已失效的EFI\\centos\\grubx64.efi上……这事儿我不往下说了，你要是刚接手SGX集群，先别碰libvirt，去找DBA借他桌角那盒阿尔卑斯奶糖，蓝莓味的，含在嘴里等心跳降到七十以下再打开virsh console。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!