docker问题备忘："rpc error: code = 2 desc = containerd: container not found"

在执行docker exec命令时，报错信息为：rpc error: code = 2 desc = containerd: container not found

先抛出结果

如果您是通过搜索错误信息看到了此文，直接参考以下三点即可：

在执行docker exec命令时报错，报错信息为：rpc error: code = 2 desc = containerd: container not found
以上错误是因为系统内存不足，导致OOM Killer杀掉elasticsearch进程，该进程就是上一步中docker exec命令想作用到的容器；
请检查您的系统内存情况，建议使用egrep -i -r ‘killed process’ /var/log和dmesg|grep memory命令查看OOM Killer日志，确认是否存在进程被杀的情况；

接下来的内容，是我对整个问题过程的复盘；

问题复盘

收到同事反馈，说后台服务出现异常，定位后发现是应用连接elasticsearch server失败，于是用eshead去连接，还是失败；

我们的elasticsearch是运行在docker环境中的，用docker ps查看，看起来没什么问题，信息如下：

[admin@dev ~]$ docker ps
CONTAINER ID        IMAGE                                                 COMMAND                  CREATED             STATUS              PORTS                     NAMES
fbbcd0d7d57c        eshead                                                "/bin/sh -c 'cd ~/..."   10 hours ago        Up 10 hours         0.0.0.0:10300->9100/tcp   es-head
ef23574c0afe        docker.elastic.co/elasticsearch/elasticsearch:6.1.1   "/usr/local/bin/do..."   10 hours ago        Up 10 hours                                   elasticsearch

用命令docker logs -f elasticsearch，没有发现什么异常，只是最后一条日志是17:35打印的，而此时已经22:00了，也就是说四个小时es没有输出日志到控制台了；
此时打算去容器内部看看有没有什么错误信息，执行命令docker exec -it elasticsearch /bin/bash，控制台显示如下错误信息：

[admin@dev ~]$ docker exec -it ef23574c0afe /bin/bash
rpc error: code = 2 desc = containerd: container not found

提示信息的大意是找不到容器，当时并没有什么好思路，由于使用了数据卷，容器挂了不怕数据丢失，就想删除容器再创建一个试试；
用docker rm -f elasticsearch删除容器，提示删除成功；
用docker run --name elasticsearch重建一个容器，此时控制台提示"名为elasticsearch的容器已经存在"(不好意思忘了把当时的错误信息存下来了，大致是这个意思吧)
此时没辙了，就用命令systemctl restart docker重启了docker服务；
再用docker run --name elasticsearch命令，创建es容器成功；
打开eshead，连接es成功；
测试业务，操作成功，连接es正常；
此时是23:00左右；

至此，觉得问题已经解决了，在群里给大家说了下就回家了；

大写的尴尬

刚刚坐上回家的车，收到同事消息说问题又出现了，es再次连接不上，状况和之前一样，这就尴尬了…
带着郁闷回到家，在梦中问题再次解决，还是那熟悉的systemctl restart docker命令。。。

以上就是问题的出现和第一轮处理的过程；

定位

第二天再次面对此问题；

去google搜索的rpc error: code = 2 desc = containerd: container not found，发现有不少人遇到了类似问题；

搜到的结果中，有的说重启docker解决，有的说升级docker，也有不少是抛出问题没有解决的；

这个文章提供了有价值的信息，如下图，地址是：https://forums.docker.com/t/container-not-found-error/32303/4
看来可能是内存系统内存不足，导致OOM Killer将elasticsearch进程杀掉，但是docker服务没有同步到这个信息，因此尽管进程不在了，但是docker ps可以看到，不过docker exec不会起作用，因为进程已经没了；
执行命令egrep -i -r ‘killed process’ /var/log看看OOM Killer日志，有新发现，两次OOM导致进程被系统杀掉，时间上和es问题也吻合：

[admin@dev ~]$ sudo egrep -i -r 'killed process' /var/log
/var/log/messages:Mar 25 17:08:42 dev kernel: Killed process 12385 (controller) total-vm:72068kB, anon-rss:644kB, file-rss:0kB
/var/log/messages:Mar 25 17:08:42 dev kernel: Killed process 11887 (java) total-vm:44440740kB, anon-rss:10786220kB, file-rss:0kB
/var/log/messages:Mar 25 23:13:05 dev kernel: Killed process 43011 (controller) total-vm:72068kB, anon-rss:640kB, file-rss:0kB
/var/log/messages:Mar 25 23:13:12 dev kernel: Killed process 36316 (java) total-vm:44448156kB, anon-rss:11088004kB, file-rss:0kB
/var/log/secure:Mar 26 08:48:49 dev sudo:   admin : TTY=pts/9 ; PWD=/home/admin ; USER=root ; COMMAND=/bin/egrep -i -r killed process /var/log

执行命令dmesg|grep memory看也有记录，进程ID和egrep查到的是同一个，如下：

[   17.644157] Freeing initrd memory: 19872k freed
[   17.749669] Non-volatile memory driver v1.3
[   17.749834] crash memory driver: version 1.1
[   18.833237] Freeing unused kernel memory: 1620k freed
[   19.279518] [TTM] Zone  kernel: Available graphics memory: 65870004 kiB
[   19.279520] [TTM] Zone   dma32: Available graphics memory: 2097152 kiB
[245831.555024]  [<ffffffff8116d616>] out_of_memory+0x4b6/0x4f0
[245831.555827] Out of memory: Kill process 11887 (java) score 99 or sacrifice child
[245831.560069]  [<ffffffff8116d616>] out_of_memory+0x4b6/0x4f0
[245831.560791] Out of memory: Kill process 20406 (java) score 99 or sacrifice child
[267649.159340]  [<ffffffff8116d616>] out_of_memory+0x4b6/0x4f0
[267649.160478] Out of memory: Kill process 36316 (java) score 97 or sacrifice child
[267651.140770]  [<ffffffff8116d616>] out_of_memory+0x4b6/0x4f0
[267651.142104] Out of memory: Kill process 36316 (java) score 97 or sacrifice child

所以可以基本确定是内存不足导致OOM Killer杀掉了elasticsearch进程，用top看看当前内存情况，发现128G内存几乎已经耗尽：

[admin@dev ~]$ top
top - 09:24:40 up 3 days, 12:30,  6 users,  load average: 2.02, 1.83, 1.79
Tasks: 814 total,   1 running, 812 sleeping,   0 stopped,   1 zombie
%Cpu(s):  1.0 us,  0.7 sy,  0.0 ni, 98.2 id,  0.0 wa,  0.0 hi,  0.0 si,  0.0 st
KiB Mem : 13174000+total, 13239316 free, 11658065+used,  1920036 buff/cache
KiB Swap:  4194300 total,  2515328 free,  1678972 used. 14449396 avail Mem


  PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND
19816 admin     20   0 41.774g 0.012t   6396 S   1.0  9.5 159:22.23 java
19389 admin     20   0 40.963g 0.010t   6360 S   1.0  8.6  96:36.80 java
18464 admin     20   0 41.804g 8.216g   6460 S   0.7  6.5 157:01.02 java
18751 admin     20   0 41.829g 7.692g   6364 S   1.3  6.1  98:26.24 java
24233 admin     20   0 37.290g 7.543g   6616 S   0.7  6.0  22:41.94 java
19671 admin     20   0 32.509g 7.314g   6392 S   0.7  5.8  58:14.12 java
9466 admin     20   0 32.105g 7.300g   6628 S   1.0  5.8  18:41.46 java

接下来的事情就简单了，根据进程ID检查耗内存大的进程的身份，最终确定有5个java进程的启动参数配置不当，都是10G，一下子用掉了50G内存，导致系统内存不足，于是调整它们的启动内存再依次重启，然后重启docker，重建es容器，运行了一天时间，一切正常；
至此，问题已经修复，为什么系统内存耗尽后OOM Killer杀掉的是elasticsearch进程（连续两次都是）,可以参考内核的源码linux/mm/oom_kill.c，里面的oom_badness方法，方法注释中说了，调出最耗内存的进程杀掉，如下图，我们的机器上elasticsearch占用了32G内存，就是最耗内存的那个，所以次次都是它了：