PowerFlex SDS Stänga uttagen utan nätverksproblem
Summary: SDS rapporterar att socketar stängs utan några nätverkshändelser eller tecken på nätverksproblem.
Symptoms
Scenario
SDS rapporterar att socketar har stängts av fjärrprocesser (SDC:er, SDS:er, MDM:er) och inga observerade NIC-nedhändelser, tappade bildrutor eller paketförlust.
Symtom
Händelseloggen rapporterar SDS-anslutningsförlust, antingen en frikoppling eller återanslutning:
2017-11-11 16:52:12.101 SDS_RECONNECTED INFO SDS: xyz_d35 (ID 67211111110089) reconnected 2017-11-11 16:52:13.690 MDM_DATA_FAILED CRITICAL The system is now in DATA FAILURE state. Some data is unavailable. 2017-11-11 16:52:15.791 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.
Innan dess visas följande fel i SDS-spårningarna.
SDS försökte skicka, och det tog >1 sekund att svara:
11/11 16:52:04.527408 0x7ff0b19eaeb0:contNet_OscillationNotif:01720: Con 672cb111110099 - Oscillation of type 5 (RPC_LINGERED_1SEC) reported
Socket med en peer stängdes från andra sidan på grund av att de inte fick ta emot våra sändningar på lägre nivå:
11/11 16:52:06.241105 0x7ff0b19e1eb0:contNet_OscillationNotif:01720: Con a71d2b5d00000078 - Oscillation of type 1 (SOCKET_DOWN) reported
Ett annat exempel på detta ser ut så här:
11/11 16:52:06.241224 0x7ff0b19e1eb0:contNet_OscillationNotif:01720: Con a71d2b3c00000057 - Oscillation of type 2 (IO_ERROR) reported
Andra indikatorer:
Iterationer
ScaleIO:s keepalive-timer för nätverk på lägre nivå mäts i iterationer, som är 100 millisekunder långa.
MDM-SDS-tidsgränsen> är 20 iterationer, eller 2 sekunder, medan MDM-MDM keepalive-tidsgränsen är 3 iterationer eller 300 ms.
Tjugo iterationer överskred:
11/11 16:52:11.685281 0x7ff752d1beb0:netPath_IsKaNeeded:01858: :: Connected Live CLIENT path 0x7ff6e2192a00 of portal 0x7ff6e2192900 net 0x7ff7480e1110 socket 210 inflights 0 didn't receive message for 20 iterations from 10.124.162.109:7072. Marking as down
Uttag nedåt Dessa spåravtryck anger när hylsorna gick ner:
11/11 16:52:09.787793 0x7ff752cf7eb0:tgtMgr_TgtOscCB:07696: Con 672cba7400000089 Network address 10.124.130.109 - Oscillation of type SOCKET_DOWN reported 11/11 16:52:11.685290 0x7ff752d1beb0:tgtMgr_TgtOscCB:07696: Con 672cba7400000089 Network address 10.124.162.109 - Oscillation of type RCV_KA_DISCONNECT reported 11/11 16:52:11.685308 0x7ff752cf7eb0:tgtMgr_TgtOscCB:07696: Con 672cba7400000089 Network address 10.124.162.109 - Oscillation of type SOCKET_DOWN reported
Det här trycket betyder att det sista uttaget till ett säkerhetsdatablad gick sönder och är den punkt där säkerhetsdatalagret anses vara frånkopplat:
11/11 16:52:11.685319 0x7ff752cf7eb0:tgtMgr_TgtDisconnectCB:07818: Tgt: 672cba7400000089 ConId: 672cba7400000089
MDM-enheten utfärdar ett addmdm-kommando för att få SDS att återansluta.
IO-fel blockerat
Vi vet att IO_FAULT_BLOCKED händer när SDS nekar IO eftersom det inte kan nå MDM-enheten, men den här informationen är ofullständig.
SDS skickar keepalives till MDM varje sekund, och om MDM inte får detta på 5 s anses SDS ha överskridit tidsgränsen och markeras som frikopplad.
MDM skickar ett "fortsätt arbeta"-meddelande till SDS varje sekund. Det är när säkerhetsdatabladet inte får detta meddelande på 5 sekunder som det nekar IO med IO_FAULT_BLOCKED:
11/11 16:52:12.007045 0x7ff0b0cdfeb0:ioh_NewRequest:05490: Write to comb f778038007f - Done rc is IO_FAULT_BLOCKED (Lba 6721528 8), volume 6e1a2f4a0000075d (dit) 11/11 16:52:12.008825 0x7ff0b0ec5eb0:ioh_NewRequest:05490: Write to comb f78803903fc - Done rc is IO_FAULT_BLOCKED (Lba 5031040 6), volume 6e1a2f4c0000075f (dit) 11/11 16:52:12.017262 0x7ff0b26daeb0:ioh_NewRequest:05490: Write to comb f768037003e - Done rc is IO_FAULT_BLOCKED (Lba 15106144 16), volume 6e1a2f490000075c (dit)
Påverkan
Förlust av SDS-anslutning
Under data_degraded läge eller Instant Maintenance Mode kan detta orsaka DU.
Cause
Orsaken till I/O-fel i det här exempelfallet var att SDS-lånet (5 s) inte hade upphört att gälla, men att nätverkstimeouten (2 s) på lägre nivå hade gjort det.
Rotorsaken är en eller flera av följande orsaker:
1 – TCP-/nätverksproblem
S- Detta kommer sannolikt att visa sig med TCP-återsändningar, vilket indikerar maskinvaru-/konfigurationsproblem. (Kabel, NIC, switchproblem etc.) Som framgår av utdata från
sar -n ETCP 1
Som matas ut som:
Linux 3.10.0-693.5.2.el7.x86_64 (SIO-DCOE-96O-3) 12/13/2017 _x86_64_ (48 CPU) 04:33:44 PM atmptf/s estres/s retrans/s isegerr/s orsts/s 04:33:45 PM 0.00 0.00 50.00 0.00 0.00 04:33:46 PM 2.00 0.00 75.00 0.00 0.00 04:33:47 PM 0.00 0.00 223.00 0.00 0.00 04:33:48 PM 0.00 0.00 106.00 0.00 0.00 04:33:49 PM 2.00 0.00 58.00 0.00 0.00 04:33:50 PM 0.00 0.00 5.00 0.00 0.00 04:33:51 PM 0.00 0.00 7.00 0.00 0.00 04:33:52 PM 2.00 0.00 2.00 0.00 0.00 04:33:53 PM 0.00 0.00 1.00 0.00 0.00 ^C 04:33:53 PM 0.00 0.00 0.00 0.00 0.00 Average: 0.65 0.00 99.00 0.00 0.00
Som referens:
- Grön = ensiffriga/s
- Gul = höga tvåsiffriga tal upp till 50/s
- Röd = >50/s
B-När det gäller äldre Linux-distributioner, till exempel SusE 11 SP3 på våra SVM:er, kan man övervaka om nätverket återsänder med följande kommando:
watch -d -n 2 "netstat -s |grep retrans"
Som matas ut enligt nedan, med markering av de tecken som uppdaterades under det senaste intervallet:
Every 2.0s: netstat -s |grep retrans Wed Dec 13 09:55:10 2017
1244070 segments retransmited
2 – CPU-problem, processsvält.
Detta manifesteras som en samtidig paus i varje SIO-komponents spårningar, med massor av sockets som stängs som de första raderna i spårningen vid återupptagning.
Filen LIA, SDS, MDM/TB, SDC/meddelanden visar gapet.
LIA-spårning visar till exempel LIA→SDS-socketar som stängs efter en tidsgräns på 3 s (30 iterationer x 100 ms):
11/11 16:52:11.597227 0x7f44c41c6eb0:netPath_IsKaNeeded:01858: :: Connected Live SERVER path 0x7f44c4195690 of portal 0x7f44c4192bb0 net 0x83b040 socket 8 inflights 0 didn't receive message for 30 iterations from 127.0.0.1:43228. Marking as down 11/11 16:52:12.031195 0x7f44c419eeb0:liaNet_DisconnectedNotif:01553: Con aed disconnected 11/11 16:52:12.158383 0x7f44c419eeb0:liaNet_ConnectedNotif:01483: Con aed connected
3- Kanske har vi en bugg någonstans i SIO. Troligen är det en icke-nätverkstråd som håller en CPU och inte tillåter att något annat körs, etc.
Resolution
Alternativ lösning
Ingen allmän lösning
Berörda versioner
Alla
Åtgärdat i version
Ej tillämpligt