Isilon: OneFS — como interpretar erros de watchdogs

Introdução

Este artigo da base de conhecimento descreve como ler e interpretar uma pilha criada pelo processo de swatchdog. O software watchdog também é conhecido como swatchdog ou softwatch.

Detalhes

Às vezes, um nó grava uma pilha no arquivo /var/log/messages ou se reinicializa com um erro semelhante ao seguinte:

**********************************************
Software Watchdog failed (userspace is starved!)
**********************************************

**********************************************
Software Watchdog failed on CPU 0 (6353: kt: gmp-split [-])
0x80bda7b9 -> 0x80bda5dc (fp=0xf734bb78): lk_fail_create_entry_and_owner
0x80bbe950 -> 0x80bbe7e0 (fp=0xf734bbf0): lkf_group_change_save_locks
0x80aa251c -> 0x80aa2268 (fp=0xf734bc2c): rtxn_sync_locks_prepare
0x80aa447d -> 0x80aa4304 (fp=0xf734bcdc): rtxn_split
0x80aac9cf -> 0x80aac8ec (fp=0xf734bcfc): kt_main
0x802a9d43 -> 0x802a9ca8 (fp=0xf734bd14): fork_exit

intr counts:
irq3: 1382 irq4: 1164845 irq14: 19331 irq17: 10672321 irq18: 11 stray: 1 irq24: 22011026 irq48: 46902637
**********************************************

panic @ time 1257444527.664: Software watchdog timed out

Stack: -------------------------------------------------

0x802e24f0 -> 0x802e24e4 (fp=0xf734ba78): isi_swatchdog_panic
0x802e27d7 -> 0x802e26ac (fp=0xf734ba8c): isi_swatchdog_hardclock
0x80295187 -> 0x80295068 (fp=0xf734bab0): hardclock_process
0x802951ba -> 0x802951a8 (fp=0xf734bac4): hardclock
0x8041d608 -> 0x8041d5b8 (fp=0xf734bad4): lapic_handle_timer
0x804281c3 -> 0x804281a4 (fp=0xf734bb78): bcmp
0x80bbe950 -> 0x80bbe7e0 (fp=0xf734bbf0): lkf_group_change_save_locks
0x80aa251c -> 0x80aa2268 (fp=0xf734bc2c): rtxn_sync_locks_prepare
0x80aa447d -> 0x80aa4304 (fp=0xf734bcdc): rtxn_split
0x80aac9cf -> 0x80aac8ec (fp=0xf734bcfc): kt_main
0x802a9d43 -> 0x802a9ca8 (fp=0xf734bd14): fork_exit

---------------------------------------------------------

O swatchdog é construído da seguinte maneira:

• A interrupção do temporizador de baixo nível é acionada a cada 10 segundos.
• O código de espaço de usuário de alto nível tenta definir uma caixa de correio para a interrupção do temporizador a cada 5 segundos.

A ação é tomada quando a interrupção do temporizador de baixo nível não consegue localizar uma nota de caixa de correio do espaço do usuário e, em seguida, a pilha é despejada. Após quatro falhas seguidas, o cluster é reinicializado.
Para obter assistência na interpretação de uma pilha de erros ou reinicialização acionada por swatchdog, entre em contato com o suporte técnico da Dell.