PowerFlex: SDC "ztratil přístup ke svazku"

• Na hostiteli ESXi problémového SVM ovladač řadiče RAID lsi_mr3 hlásí přerušení na podkladovém disku místního datového úložiště a systém ESXi hlásí ztrátu přístupu ke svazku.

V protokolu VMkernel:

2017-12-03T17:47:01.634Z cpu54:33648)ScsiDeviceIO: 2636: Cmd(0x43be59ec8a00) 0x1a, CmdSN 0x1f6f4 from world 0 to dev "naa.6800733259adcc4f214574350619b91a" failed H:0x0 D:0x2 P:0x0 Valid sense data: 0x5 0x24 0x0.
2017-12-03T17:47:44.125Z cpu1:171607)lsi_mr3: mfi_TaskMgmt:254: Processing taskMgmt abort for device: vmhba2:C2:T0:L0
2017-12-03T17:47:44.125Z cpu1:171607)lsi_mr3: mfi_TaskMgmt:262: ABORT
2017-12-03T17:47:45.125Z cpu34:32905)lsi_mr3: mfi_TaskMgmt:254: Processing taskMgmt virt reset for device: vmhba2:C2:T0:L0
2017-12-03T17:47:45.125Z cpu34:32905)lsi_mr3: mfi_TaskMgmt:258: VIRT_RESET cmd # 273733296
2017-12-03T17:47:45.125Z cpu34:32905)lsi_mr3: mfi_TaskMgmt:262: ABORT
2017-12-03T17:47:45.126Z cpu1:171607)lsi_mr3: fusionWaitForOutstanding:2531: megasas: [ 0]waiting for 1 commands to complete
2017-12-03T17:47:46.877Z cpu29:35817)HBX: 2851: 'datastore3': HB at offset 3691008 - Waiting for timed out HB:

2017-12-03T17:47:45.126Z info hostd[41B40B70] [Originator@6876 sub=Vimsvc.ha-eventmgr] Event 219 : Lost access to volume 59b2c23a-98396dd8-aa53-84a9c4b71ca1 (datastore3) due to connectivity issues. Recovery attempt is in progress and outcome will be reported shortly.

• Zařízení SDS může hlásit přerušení úlohy (které lze nalézt jak v var/log/messages, tak v protokolu VMware), takže proces SDS na tomto SVM by zaznamenal dlouhé IO za letu, což dále ovlivňuje stabilitu systému scaleio

• SDC pak zaznamenávají chybu IO do protokolu VMkernel, protože problematický SDS měl nějaký problém se síťovým soketem kvůli pomalé odezvě místního datového úložiště a datová úložiště aplikace umístěná na svazku ScaleIO mohou hlásit ztrátu přístupu:

2017-12-03T17:47:52.060Z cpu39:33682)scini: netSock_RcvIntrn:1903: ScaleIO R2_0:Error: Failed Success to receive 128 data PTR 0x4306d2923de4 socket 0x4306d2924200
2017-12-03T17:47:54.061Z cpu1:33476)scini: mapVolIO_ReportIOErrorIfNeeded:361: ScaleIO R2_0:[201590843] IO-ERROR comb: 32ba80000015. offsetInComb 11387944. SizeInLB 1. SDS_ID de31ad4800000001. Comb Gen 39. Head Gen 10199.
2017-12-03T17:47:54.061Z cpu1:33476)scini: mapVolIO_ReportIOErrorIfNeeded:374: ScaleIO R2_0:Vol ID 0x756be73300000017. Last fault Status IO_HARD_ERROR(20).Last error Status NOT_CONN(4) Reason (ABORTED) Retry count (2) chan (4)

2017-12-03T17:47:54.125Z info hostd[3FAAFB70] [Originator@6876 sub=Vimsvc.ha-eventmgr] Event 220 : Lost access to volume 59cb2f80-40ad26ac-cf4f-84a9c4b71ce1 (OS_windows_01) due to connectivity issues. Recovery attempt is in progress and outcome will be reported shortly.
2017-12-03T17:47:54.125Z info hostd[3FAAFB70] [Originator@6876 sub=Vimsvc.ha-eventmgr] Event 221 : Lost access to volume 59cb2f9e-984e3ff8-63e1-84a9c4b71ce1 (OS_Linux_01) due to connectivity issues. Recovery attempt is in progress and outcome will be reported shortly.
Impact

Důsledky

SDC může ztratit přístup k datovým úložištím umístěným na svazku PowerFlex a aplikace nebo virtuální počítač v těchto datových úložištích může být ovlivněn, například systém souborů přejde do režimu jen pro čtení.
 

• Datová úložiště VMFS jsou monitorována prostřednictvím prezenčních signálů, které jsou vydávány ve formě operací zápisu přibližně každé 3 s na svazky VMFS z hostitelů. Když místní datové úložiště SVM reaguje pomalu, celková doba vstupně-výstupních operací prezenčního signálu se nedokončí v 16sekundovém okně, datové úložiště se označí jako offline a hostitel vygeneruje zprávu o ztrátě přístupu k protokolu svazků, která toto chování odráží. Další podrobnosti naleznete v článku znalostní databáze VMware : Principy ztráty přístupu ke zprávám o svazku v systému ESXi 
• V tomto případě nelze předvídat přesné chování SDS, tedy u kterých zpráv keepalive by mohlo dojít k přehlédnutí a vůči kterým dalším komponentám PowerFlex. Některé vstupně-výstupní operace SDC, které musí být obsluhovány tímto bezpečnostním listem, mohou překročit časový limit operačního systému nebo aplikací, což může mít dopad.