PowerFlex SDS-panikk forårsaket av Linux-kjernefeil

Scenario

• Intel Haswell CPU brukes.
• En av SDS-ene rapporterer "data degradert" tilstand og SDCs tapte tilkobling til volumer, uten åpenbar grunn
• SDS-panikk
   

Symptomer

• ScaleIO-systemhendelser rapporterer "data degradert":

ScaleIO system events report "data degraded":
205466 2015-12-10 08:11:49.450 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.
205468 2015-12-10 08:12:04.688 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.
205470 2015-12-10 08:12:06.699 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.
205472 2015-12-10 08:12:16.931 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.

SDS exp.0:

10/12 02:13:14.134144 Panic in file /emc/svc_flashbld/workspace/ScaleIO-SLES12/src/tgt/ioh/ioh.c, line 70, function iohIo_TimerExpired, PID 22333.Panic Expression !(1).
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosDbg_BackTrace+0x22) [0x479ba9]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosDbg_Panic+0xf0) [0x4740ad]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(iohIo_TimerExpired+0x5d) [0x43d92d]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosTimerQ_PollUnlocked+0x1b4) [0x46f6e3]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosTimer_PollQRange+0x83) [0x46fa6c]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(netPoll_StartIntr+0x2ef) [0x465808]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosUmt_StartFunc+0xbe) [0x47f07d]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosUmt_SignalHandler+0x4a) [0x47fa3a]

Innvirkning

• Data utilgjengelig
• SDC mistet tilkoblingen til volumer.
• I/O-feil
• Lang I/O-service/redusert ytelse

På grunn av Linux-kjernefeilen oppførte SDS-prosessen seg unormalt, på grunn av denne tilstanden var SDS-prosessen i stress og oppførselen var uforutsigbar.
SDS svarte på forespørsler om å holde i gang og svarte ikke på SDC I/O-forespørsler.
En slik tilstand tillot ikke ScaleIO å merke SDS som mislykket, noe som til slutt førte til at data ikke var tilgjengelige.

• Informasjon om feil i Linux-kjernen:
  Futex: Fiks en kappløpssituasjon mellom REQUEUE_PI og oppgavedød (bcn #851603 (futex-skalerbarhetsserie).
  Futex: Sørg for at get_futex_key_refs() alltid innebærer en barriere (bcn #851603 (futex scalability series)).
   
• Hvis du vil ha mer informasjon, kan du se følgende koblinger:
  Suse:SUSE-SU-2015:0068-1
  Red Hat: Alvorlig Red Hat Linux-feil påvirker Haswell-baserte servere - InfoQ

Omgåelse av problemet

• Oppgrader Linux Kernel-versjonen.