PowerScale: Potenciální občasná latence nebo panické restartování uzlu po upgradu OneFS

Může se vyskytnout jeden nebo více z následujících příznaků:

1. U jednoho nebo více uzlů PowerScale dojde k panice s řetězcem podobným jednomu z těchto v části /var/log/messages:

panic @ time 1778169056.246, thread 0xfffffe8ec0574100: Journal BTL drain on buf 0xfffffe8143e0c038 failed due to timeout. BTL was held by transaction (5:5143063721) [0xfffffe8efdbd3a40] tracking: getblk_core

panic @ time 1778435497.146, thread 0xfffffe98692b3000: BUF_TIMELOCK: Waited more than 300 seconds for lock on 0xfffffe82c3b03ea8 (lock access type: 0x89900; wmesg: getblk) -- lockinfo: lock state: EXCL (recursed 0), held by: 0xffffff1e8e18b000; buf_track: jt_flush_block extrainfos: (0: td: 0x0; flags: 200200; time: 4108081318; 1: td: 0x0; flags: 201200; time: 676860600; 2: td: 0x0; flags: 201200; time: 676860439); ext_fields: (b_ext = 0xfffffe82c3b04240; b_trans_item: 0xfffff82333d71de0; b_shadow_item: 0x0; b_ifs_type: 2; b_source_baddr: 2cade5b7000e0029); vnode: 0xfffff80a562026a8; ldnum: 14; disk: 0xfffff80509c67800 da2; iosched: (total_inqueue: 41820; total_inprog: 18; bio_in_prog: 18);

panic @ time 1777739689.534, thread 0xfffffe9dff52bb00: BUF_TIMELOCK: Waited more than 240 seconds for lock on 0xfffffe837d0e17b0 (lock access type: 0x89900; wmesg: getblk) -- lockinfo: lock state: EXCL (recursed 0), held by: 0xfffffffffffffff0; buf_track: biodone extrainfos: (0: td: 0x0; flags: 200200; time: 3583726706; 1: td: 0x0; flags: 201200; time: 2710420770; 2: td: 0x0; flags: 201200; time: 1737195872); ext_fields: (b_ext = 0xfffffe837d0e1b48; b_trans_item: 0x0; b_shadow_item: 0x0; b_ifs_type: 0; b_source_baddr: 660d66b900020002); geom bio fields: (bp->b_bio: 0xfffff8325b43dce8;  bio_cmd: 2; bio_tdflags: 0; bio_disk: 0x0);

2. Uzamykání kvůli čekání vlákna na txn_i_commit což by mohlo potenciálně způsobit latenci klienta.
   Podpora společnosti Dell musí analyzovat všechny hangdumps k potvrzení tohoto příznaku.
    
3. Vysoká fronta disků na jedné nebo více jednotkách v dotčeném uzlu v /var/log/vmlog.
   Například:

Drive  Type  OpsIn  BytesIn  OpsOut  BytesOut  TimeAvg  TimeInQ  Queued  Busy
------------------------------------------------------------------------------
. . .
 2:20   SAS  330.7    11.4M    18.7    284.0k    2.2ms    2.9ms   624.9 76.3

Jedná se o nově identifikovaný problém, kdy časté vyprazdňování vede k tomu, že disk přestane reagovat.

Dotčené verze:
Ovlivněny jsou pouze tyto přesné verze:

• OneFS 9.10.1.7
• OneFS 9.13.0.1
• OneFS 9.13.0.2
• OneFS 9.13.1.0

Nemá vliv na verze systému OneFS před a po těchto verzích.

Řešení:
Pokud plánujete upgrade na jednu z dotčených verzí, proaktivně použijte toto zástupné řešení před upgradem.

Toto zástupné řešení lze použít také po upgradu na dotčené verze.

Od 3. června 2026 se hodnota zástupného řešení zvýšila, zejména u uzlů třídy A s 96 GB nebo nižší pamětí.

Zvyšte sysctl vfs.dirtybufthresh na všech nodes local sysctl.conf proveďte následující kroky z libovolného uzlu:

1. Zakomentujte jakékoli zástupné řešení, pokud je použito podle aktualizací tohoto článku před 3. červnem 2026 v souboru /etc/local/sysctl.conf na všech uzlech. Uděláte to tak, že:

isi_for_array "sed -i '' 's/^vfs.dirtybufthresh/#vfs.dirtybufthresh/g' /etc/local/sysctl.conf "

2.  Použijte toto nové aktualizované alternativní řešení v souboru /etc/local/sysctl.conf na všech uzlech.
    Uděláte to tak, že:

isi_for_array -s 'echo "vfs.dirtybufthresh=$((16 * (`sysctl -n kern.nbuf` / 2 + 20) * 9 / 10 ))" >> /etc/local/sysctl.conf'

Výše uvedený příkaz přidá následující řádek do souboru /etc/local/sysctl.conf na všech uzlech:
vfs.dirtybufthresh=<value_for_specific_node>

Výše uvedené zástupné řešení NEplatí pro cluster Compliance.
Pro cluster Compliance se doporučuje upgradovat na verze s pevným kódem.

Trvalé řešení:
Technický tým plánuje trvalé řešení v budoucích verzích systému OneFS.
Dokud tyto verze nebudou k dispozici, ponechte hodnoty zástupného řešení nastavené v souboru /etc/local/sysctl.conf.