告警含義

• 當出現 Client failing to respond to cache pressure 警告時，表明：

  • 元數據服務器 (MDS) 要求客戶端釋放緩存的元數據（如 inode Capabilities）
  • 客戶端未能及時響應 釋放請求

核心觸發機制

MDS 通過以下周期性流程管理緩存

階段	操作	觸發條件
Cache Trim 周期	每隔 mds_cache_trim_interval 周期則執行緩存回收	自動觸發
Recall Client State	檢測每個 Client Session 是否需要釋放 Capabilities	參考下文解釋
告警觸發	當客戶端在 mds_recall_state_timeout 內未響應召回請求	超時閾值默認 60 秒

Recall Client State 觸發條件

MDS 會檢測 session 滿足以下面條件就可以觸發客戶端 recall caps

• 1 緩存達到|mds_cache_memory_limit
• 2 Capabilities 數量超過 mds_max_caps_per_client
• 3 客戶端處于 inactive 狀態

caps 回收邏輯

• MDS每秒向客戶端發送一次recall_caps請求
• 每次請求量 = min(當前caps數 - mds_min_caps_per_client, mds_recall_max_caps)。

默認值：

• mds_recall_max_caps = 30,000（單次最大回收量）

累積監控值

• MDS維護會話級指標 recall_caps，記錄 過去1分鐘內累計發送的recall_caps總量。
• 若客戶端釋放速率不足，該值會持續疊加。

當 session 中 client 的 recall_caps累積值超過該閾值時，
系統報告此告警 failing to respond to cache pressure

關鍵影響

風險等級	后果
高	MDS 內存溢出導致服務重啟
嚴重	文件系統完全阻塞

客戶端問題根源分析

操作負載壓力

場景	典型案例	影響
高并發元數據操作	大規模目錄遍歷 (find / -type f)	客戶端緩存壓力指數級增長
小文件密集型讀寫	AI 訓練數據集訪問	Caps 回收速率低于產生速率

內核兼容性問題

風險版本	問題類型
內核版本 < 4.18	存在 CephFS 客戶端緩存回收漏洞
未修補的定制內核	Caps 回收機制異常
sanpshot crash	之前使用 5.10.134-16.1.3 版本，遇到 MDS 故障后物理機 crash 升級至 5.10.134-18.0.1 解決問題

關鍵調優參數

參數	默認值	優化建議	作用
mds_recall_warning_threshold	262144	864000	觸發告警的未釋放 Capabilities 累積閾值 只是舒緩報警，無法解決問題