提升 CentOS 上 Dolphin 稳定性的实用方案
一 先明确组件与基线
- “Dolphin”在生产环境中通常指两类：DolphinDB（分布式时序/分析数据库）或DolphinScheduler（分布式工作流调度）。两者稳定性侧重点不同，但都强依赖底层CentOS 7/8的系统配置、资源隔离与可观测性。
- 基线检查清单（先做对、再做优）：
- 操作系统与依赖：建议使用CentOS 7/8 稳定版，内核≥2.6.19；安装gcc ≥ 4.8.5等基础编译环境。
- 文件系统：数据目录优先XFS（支持硬链接与动态调整 inode）；避免不支持硬链接的文件系统（如BeeGFS）承载数据写入路径。
- 目录规划：将元数据、redo log、数据实体分盘/分磁盘阵列，元数据与 redo log 建议SSD，可靠性要求高时用RAID1；数据实体按成本与吞吐选择多 SSD 或并行 HDD。
二 存储与文件系统优化
- 使用 XFS 并检查 inode 余量：磁盘空间充足却写入失败时，优先排查 inode 耗尽。
- 查看类型与 inode 策略：
- df -T
- xfs_info /mountpoint | grep imaxpct
- df -i /mountpoint
- 动态扩容 inode（XFS 可按比例分配更多空间给 inode）：
- xfs_growfs -m 40 /mountpoint（示例将 imaxpct 调整到40%，请结合容量与业务谨慎设置）。
- 挂载选项：为数据盘在 /etc/fstab 增加noatime,nodiratime，降低元数据写放大。
- 目录与权限：严格管控安装与数据目录的属主/属组/权限（如 750），避免因权限异常导致进程异常退出或数据不可写。
三 系统资源与内核参数
- 内存与 OOM 防护：
- 设置节点级内存上限（避免触发 OOM Killer）：在 dolphindb.cfg/cluster.cfg 中配置maxMemSize（如机器内存16GB，单节点可先设约12GB），并持续监控实际 RSS 与 Page Cache 使用。
- 开启并保留 core dump，便于定位段错误：ulimit -c unlimited；必要时在 /etc/security/limits.conf 持久化。
- 虚拟内存与脏页控制（示例值，需结合业务压测微调）：
- vm.swappiness=10
- vm.dirty_background_ratio=5
- vm.dirty_ratio=10
- 网络与连接（示例值，面向高并发 RPC/HTTP 场景）：
- net.ipv4.tcp_tw_reuse=1
- net.ipv4.tcp_fin_timeout=30
- net.ipv4.tcp_keepalive_time=1200
- net.ipv4.ip_local_port_range=1024 65535
- net.ipv4.tcp_max_syn_backlog=8192
- net.core.somaxconn=1024
- net.core.netdev_max_backlog=2000
- 使配置生效：sysctl -p
- 时间同步：部署并启用NTP/chrony，避免证书校验、分布式事务与日志对齐受影响。
四 进程与故障防护
- 守护与健康检查：
- 使用 systemd 托管进程，设置Restart=on-failure，并配置LimitCORE=infinity以保留 core；设置WorkingDirectory、User、Group与必要的ulimit。
- 对外服务建议前置systemd socket 激活或负载均衡的健康检查端点，缩短故障恢复时间。
- 日志与诊断：
- 节点日志路径：单节点默认在server/dolphindb.log，集群在server/log/；结合 controller.log 判断是否为手动关闭/stopDataNode、license 到期、或进程被 kill。
- OOM 与段错误：dmesg -T | grep dolphindb 检查是否触发Out of memory: Kill process或出现segfault；段错误配合 core 文件与 gdb 定位。
- 版本与兼容性：若 DolphinDB 在高并发+多分区场景出现 fseek 相关瓶颈，且系统 glibc 低于2.23，可在测试环境验证后采用patchelf 调整 rpath以优先链接高版本 glibc，避免直接替换系统 glibc 带来的风险。
五 监控与容量规划
- 资源监控与告警：
- 系统层：部署sysstat/sar、top/vmstat、iostat、iftop，对CPU、内存、磁盘 IO、网络建立阈值告警；对数据盘关注util%、await、svctm、IOPS、吞吐。
- 业务层：对查询/任务排队、失败重试、节点上下线建立指标与日志联动告警。
- 容量与布局：
- 持续跟踪磁盘使用率与 inode 使用率，提前扩容；元数据与 redo log 使用SSD/RAID1，数据实体按并发度与吞吐选择多盘并行（SSD 优先）。
- 定期审计不必要的服务/端口，减少攻击面与资源争用。
