六个 Chrome 容器打崩存储 NAS：CPU 软解 WebGL、Btrfs D 状态死锁与核显架构迁移
失去响应的集中存储设备
故障最初表现为网络边缘服务的集体超时：部署在一台 DS1821+ NAS 上的管理后台与私有网盘页面打不开。外部 HTTPS 握手瞬间完成、证书完全匹配，但一旦反代向后端发起请求，连接便无休止地转圈挂起。
通过 SSH 登录宿主机终端，看到的资源消耗状况令人震惊：
# uptime
09:42:15 up 42 days, 18:22, 1 user, load average: 27.42, 25.18, 22.04
# free -m
total used free shared buff/cache available
Mem: 7842 7410 112 340 320 180
Swap: 4096 3980 116对于一台搭载 AMD Ryzen V1500B（4 核 4 线程）嵌入式处理器的机器来说，超过 27 的 Load Average 意味着有二十多个进程在排队抢夺算力，或者卡在不可中断的内核休眠中。物理内存占用高达 94%，4GB 的 Swap 分区几乎彻底告罄。
资源消耗大户是 6 个常驻的桌面版 Chrome 容器（lscr.io/linuxserver/chrome），用于跑生图预览、自动化审计与网页渲染。
Btrfs 内核 D 状态死锁剖析
这台 NAS 芯片没有集成核显。现代 Web 应用——尤其是富媒体界面、交互看板与视频画布——高度依赖 WebGL 渲染管线。在没有透传图形加速设备（/dev/dri）的环境下，Chromium 会静默降级为 CPU 软件光栅化（SwiftShader 或 llvmpipe）。
这种硬件特质与软件需求的错配，引发了三级连环雪崩：
- 算力被软解耗尽：6 个浏览器容器同时用 CPU 计算像素，把 4 颗物理核心全部顶死在 100%。
- 内存溢出与磁盘颠簸：随着渲染进程申请图形缓冲区，系统内存见底，内核被迫高频将内存页换出到机械阵列（
/volume1）的 Swap 分区，引入天量 I/O Wait。 - 存储事务挂起：当容器守护进程尝试删除一个废弃的临时探针容器时，触发了
btrfs subvolume delete。在磁盘队列彻底堵死的极端压力下，Btrfs 的全局删除事务陷入了内核不可中断睡眠（D-state）。
由于 Btrfs 全局锁未能释放，宿主机上依赖文件写入的其它核心进程（包括本地元数据库、日志记录器与反代工作线程）在发起同步系统调用时全部被锁死在等待队列中，整机因而瘫痪。
架构迁移：将负载剥离至 Intel 核显计算节点
彻底的解法是将“存储节点”与“图形化自动化算力”在物理层面上做隔离。
浏览器集群被全量迁移至配备 Intel Core i9-13900K 且具备 Intel UHD Graphics 770 的专用 unRaid 计算节点上。
🔍 docker-compose.yml — 核显硬件加速 Chrome 容器配置（17 行）
services:
chrome-worker:
image: lscr.io/linuxserver/chrome:latest
container_name: chrome-worker
devices:
- /dev/dri/renderD128:/dev/dri/renderD128
- /dev/dri/card0:/dev/dri/card0
environment:
- CHROME_CLI=--remote-debugging-port=9222 --user-data-dir=/config/profile --enable-features=VaapiVideoDecodeLinuxGL --ignore-gpu-blocklist --use-gl=angle --use-angle=gl
deploy:
resources:
limits:
memory: 3072M
restart: "no"透传 /dev/dri/renderD128 让渲染和硬件解码直接跑在处理器的核显执行单元上，彻底解放了 CPU。此外，容器策略从 restart: unless-stopped 改为按需启停模型：在未执行任务时保持 Stopped 状态，实现 0% CPU 与 0 MB 内存的真正零驻留。
结果
架构调整后，存储宿主机立刻恢复了健康弹性：
- 停用 NAS 上的软解容器瞬间回收了 7.5 GB 提交内存空间（含物理内存与 Swap），彻底消除了 Swap 换页抖动。
- 宿主机 Load Average 在数分钟内由 27.42 暴跌至 6.80。
- 堆积的 Btrfs 事务顺利提交完成，内部驱动服务与网关代理的响应耗时回归毫秒级。
- 在 Intel 硬件加速节点上，依赖图形界面的自动化脚本执行耗时平均下降了 60% 以上。
服务器频繁异常重启、云账单过高，或缺一位能穿透内核日志的架构师？
真正的生产环境稳定性，靠的是穿透表象抓出根因。我独立管理着跨 3 台物理/云主机、162 个容器的高可用自托管生产网络。
