云计算之路-阿里云上：3个manager节点异常造成 docker swarm 集群宕机

今天 11:29 - 11:39 左右，docker swarm 集群 3 个 manager 节点同时出现异常，造成整个集群宕机，由此给您带来很大的麻烦，请您谅解。

受此次故障影响的站点有：博问，闪存，班级，园子，短信息，招聘，小组，网摘，新闻，openapi

最近我们刚刚确认我们所有遇到的 docker swarm 不稳定问题都与部分节点的异常状况有关，即使是一直让我们非常头疼的 docker-flow-proxy 路由问题，也是因为路由容器所在的节点出现异常状况，只要通过阿里云控制台重启这台节点服务器，就能恢复正常。

我们的 docker swarm 集群节点部署是这样的：5台阿里云2核4G服务器作为 manager 节点，1台阿里云4核8G服务器作为 worker 节点。基于这样的部署，我们想即使部分节点出现异常状况也不会带来影响，发现后重启节点服务器就行了。但没想到今天3个节点同时出现异常状况。。。最终通过阿里云控制台重启这些异常节点后恢复正常。

对于节点的这种异常状况，我们目前毫无头绪，不知是我们的应用问题、还是docker的问题、还是阿里云服务器的问题，目前唯一的线索是：节点服务器持续运行时间越长，出现异常状况的概率越高，出现异常状况后通过阿里云控制台重启服务器立马恢复正常。

对于目前无法确定是船的问题、还是集装箱的问题、还是货物的问题的困难处境，我们的临时解决方法是改进对节点服务器的监控，及时发现出现异常状况的节点进行重启操作。