GCE虚拟机Ops Agent日志采集服务异常排查求助

• 深入分析SIGSEGV崩溃日志

  • 检查Fluent Bit核心转储文件（若启用）：路径通常为/var/lib/google-cloud-ops-agent/fluent-bit/core
  • 使用GDB分析崩溃栈：执行gdb /usr/bin/google-cloud-ops-agent-fluent-bit <core-file>，定位崩溃模块，重点关注MongoDB集成或Stackdriver输出相关逻辑
  • 查看崩溃前详细日志：检查/var/log/google-cloud-ops-agent/google-cloud-ops-agent-fluent-bit.log，寻找崩溃触发前的异常输出

• 验证OAuth2令牌获取的底层链路

  • 手动调用元数据服务器获取令牌：执行curl -H "Metadata-Flavor: Google" http://metadata.google.internal/computeMetadata/v1/instance/service-accounts/default/token，确认返回包含access_token字段
  • 检查元数据服务器连通性：执行ping metadata.google.internal，排除网络拦截问题
  • 验证服务账号权限有效性：若安装了gcloud，执行gcloud auth application-default print-access-token获取令牌，再调用Cloud Logging测试接口：curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" https://logging.googleapis.com/v2/entries:list，确认有权限访问

• 排查MongoDB集成配置的兼容性问题

  • 确认MongoDB版本是否近期变更：Ops Agent对MongoDB版本有兼容范围，版本不匹配可能导致输入插件崩溃
  • 临时注释/etc/google-cloud-ops-agent/config.yaml中的MongoDB日志采集配置，重启Ops Agent，验证日志组件是否能正常启动，排除配置触发的崩溃
  • 检查MongoDB日志格式是否有变化：若新增特殊字符或异常字段，可能导致Fluent Bit解析时崩溃

• 检查Ops Agent版本与系统依赖

  • 确认当前Agent版本：执行google-cloud-ops-agent --version，对比官方稳定版，尝试升级（注意备份配置文件）
  • 检查系统依赖库：执行ldd /usr/bin/google-cloud-ops-agent-fluent-bit，确认依赖库版本是否存在兼容性问题
  • 查看系统级日志：检查/var/log/syslog或/var/log/messages，寻找与Fluent Bit相关的系统错误

• 确认服务账号访问范围与IAM政策

  • 通过元数据服务器验证访问范围：执行curl -H "Metadata-Flavor: Google" http://metadata.google.internal/computeMetadata/v1/instance/service-accounts/default/scopes，确认包含https://www.googleapis.com/auth/logging.write和https://www.googleapis.com/auth/cloud-platform
  • 排查组织级IAM政策：确认是否有组织层面的政策变更，限制了服务账号的令牌获取权限

内容的提问来源于stack exchange，提问作者Sandra Moreno