supervisor & gunicorn

[unaheidi]

背景

AI 团队有个应用，需要手工安装部分组件，其次，除了 python 运行环境还需要 Java 运行环境，因此，CI/CD 的时候，这个应用不能直接基于公司统一的 python 基础镜像来创建部署镜像，得自己团队手工把镜像 push 到 hub 来部署实例。
用我们公共发布系统部署实例的时候，实例总是点火失败，应用的 owner 向我们寻求帮助。

哪些因素影响排障效率

1. 用户和支持人员是否熟悉部署环境
2. 支持人员和用户关注点是否相同

用户和我对 Python 的部署环境，只知道皮毛。
我的关注点一直在：用户是自定义镜像，他自制的镜像是否遵守公司 python 部署规范呢？
用户一开始关注 Java 环境，这一点被我忽略掉了。事后发现后面引入的问题和用户准备这个 Java 环境有直接关系。

问题解决过程

1. 用户先报 ”ModuleNotFound: no module name ...“ 的错误
   这个应该是用户选择了没有安装组件的某个 python 版本导致的。当我搭建测试环境帮用户查找问题的时候，我发现并没有这个问题。估计用户自己搞定了。
2. 有编码类型的报错
   
   这个用户一看是编码的问题，把文件里面的中文改为英文后，不再报错。
3. 用户看了 gunicorn.log 告诉我 ”进程一直在重启“，web 服务没有启动
   
   我上网查了，告诉用户，可以加个 --preload ，会有 gunicorn 详细报错。
   /opt/app/.venv/bin/python3 /opt/app/.venv/bin/gunicorn -c /etc/gunicorn.conf.py --preload wsgi:application
   
4. 上述编码问题搞定后，用户的 web 服务是能正常运行的。
5. 遗留一个问题：实例重启后，用户要的 web 服务进程根本没启动。
6. 先检查了用户容器的部署文件是否符合公司部署要求。
   用户的构建目录和文件、以及 wsgi.py 内 wsgi 接口实例以及按要求命名为 application。
7. 知识点补漏。
   在这个时候，逼着我把和 web 服务运行相关的一些东西搞搞清楚。

• 用户的 web 服务是没启动，但是，supervisor 这个进程一直都在。
  root 12 1 0 Jun07 ? 00:00:14 /usr/bin/python /usr/bin/supervisord -c /etc/supervisord.conf
• 正常的话，supervisor 这个进程会调用 python 的 web 进程。
  为何总是没有 python 的进程呢？并且 gunicorn.log 没有内容。估计，实例启动后，gunicorn 就没在工作。
• 是否该查一下 supervisor 的运行日志呢？
  真实好主意，我感觉解决问题的思路越来越清晰了。
  find / -name supervisor.log
  
• Root Cause 终于出来了
  用户为了设置 Java 运行环境，修改了 /etc/profile 文件，并且在 /etc/supervisord.d/gunicorn.ini 文件中增加了下面的内容：
  command=source /etc/profile && /opt/app/.venv/bin/gunicorn -c /etc/gunicorn.conf.py wsgi:application
  这就是 supervisor.log 报错的原因了。

[unaheidi]

本案例的排查过程，为什么给人倒着走的感觉？如果一上来就看 supervisor.log , 问题不就很快就能定位了吗？
🤣 思考了一下，原因如下：

1. 不知道 supervisor 确切的作用。
   是在查问题的过程中，发现这个 supervisor 一直都在，标准 python 应用也有这个进程。才知道应该从这个 supervisor 开始查。
2. 用户是自定义的镜像，让人很想查看一下他定义的镜像是否符合公司部署规范。

[unaheidi]

😆 这里还有一个很好的问题：为什么公司部署规范中，要求 ”wsgi.py 内 wsgi 接口实例以及按要求命名为 application“ 呢？
😃 其实这个就是公司 python 部署的约定，用相同的配置文件启动 web 服务罢了。看一下 /etc/supervisord.d/gunicorn.ini 文件就能发现这个小密码了。

[unaheidi]

supervisord 进程的日志究竟吐到哪里去了？
这个问题可以抽象为：linux 系统上某个进程，日志吐到哪里怎么查看呢？
lsof -p 进程id | grep .log

为啥返回是 /tensorflow-serving/supervisord.log 这么个怪的路径 ？

[unaheidi]

今天，在帮用户搞定多语言运行环境的过程中，我自己验证了 ~/.bashrc 和 ~/.bash_profile 的区别。
容器中把 java 执行路径等环境配置项分别写在 /home/user/.bashrc 和 /home/user/.bash_profile 这两个文件，然后创建镜像A和 镜像B 。
基于镜像A创建的容器，通过公司堡垒机用管理员账号登录后，切换到 user，发现 java 可用。
基于镜像B创建的容器，通过公司堡垒机用管理员账号登录后，切换到 user，发现 java 不可用。

看来，在公司这种环境下，适合把环境变量配置到 /home/user/.bashrc 这个文件中。