Co dělat, když se uzel hlásí jako nefunkční nebo offline
Summary: Jak zjistit, zda je uzel mimo provoz, a způsoby, jak se připojit k uzlu ve stavu vypnutí.
Instructions
Kdykoli má uzel potíže s komunikací s ostatními uzly v clusteru, je hlášen jako offline. Existuje mnoho důvodů, proč může být uzel nebo uzly hlášeny v tomto stavu, od hardwaru až po operační systém. Nejběžnějším indikátorem toho, že je uzel mimo provoz, jsou zprávy událostí. Pokud uzel ztratí připojení ke zbývajícím uzlům v clusteru, zobrazí se událost "uzel je offline":
2.21767 02/27 05:14 C 3 173520 Node 3 is offline
Pokud se zobrazí podobná událost, zjistěte, zda se uzel obnovil nebo zda je stále offline. Chcete-li to zjistit, použijte výstup ze stavu ISI.
Pokud výstup stavu isi hlásí všechny uzly jako OK:
testcluster-1# isi status Cluster Name: testcluster Cluster Health: [ OK ] Data Reduction: 1.33 : 1 Storage Efficiency: 0.72 : 1 Cluster Storage: HDD SSD Storage Size: 0 (0 Raw) 16.7T (20.3T Raw) VHS Size: 3.6T Used: 0 (n/a) 22.0G (< 1%) Avail: 0 (n/a) 16.7T (> 99%) Health Ext Throughput (bps) HDD Storage SSD Storage ID |IP Address |DASR |C/N| In Out Total| Used / Size |Used / Size ---+----------------+-----+---+-----+-----+-----+-----------------+----------------- 1|xxx.xxx.xxx.148 | OK | C | 0| 524k| 524k|(No Storage HDDs)| 6.4G/ 5.6T(< 1%) 2|xxx.xxx.xxx.149 | OK | C |962.0|23.1M|23.1M|(No Storage HDDs)| 6.4G/ 5.6T(< 1%) 3|xxx.xxx.xxx.150 | OK | C | 0| 0| 0|(No Storage HDDs)| 9.2G/ 5.6T(< 1%) ---+----------------+-----+---+-----+-----+-----+-----------------+----------------- Cluster Totals: |962.0|23.7M|23.7M|(No Storage HDDs)|22.0G/16.7T(< 1%) Health Fields: D = Down, A = Attention, S = Smartfailed, R = Read-Only External Network Fields: C = Connected, N = Not Connected Critical Events: Time LNN Event --------------- ---- ------------------------------------------------------- Cluster Job Status: No running jobs. No paused or waiting jobs. No failed jobs. Recent job results: Time Job Event --------------- -------------------------- ------------------------------ 02/27 04:00:38 ShadowStoreProtect[518] Succeeded 02/27 02:00:14 WormQueue[517] Succeeded
V tomto příkladu jsou všechny uzly hlášeny jako OK. To znamená, že všechny uzly jsou online a jsou součástí clusteru. Zjistěte, zda někdo uzel restartoval nebo zda byla prováděna údržba. Pokud si nejste jisti důvodem restartování, budete chtít shromáždit protokoly a otevřít servisní požadavek.
Pokud stav isi hlásí uzel v části Attention:
testcluster-1# isi status
Cluster Name: testcluster
Cluster Health: [ ATTN]
Data Reduction: 1.33 : 1
Storage Efficiency: 0.72 : 1
Cluster Storage: HDD SSD Storage
Size: 0 (0 Raw) 15.0T (18.6T Raw)
VHS Size: 3.6T
Used: 0 (n/a) 21.2G (< 1%)
Avail: 0 (n/a) 15.0T (> 99%)
Health Ext Throughput (bps) HDD Storage SSD Storage
ID |IP Address |DASR |C/N| In Out Total| Used / Size |Used / Size
---+---------------+-----+---+-----+-----+-----+-----------------+-----------------
1|xxx.xxx.xxx.148 | OK | C | 2.1k|16.9k|19.0k|(No Storage HDDs)| 6.4G/ 5.5T(< 1%)
2|xxx.xxx.xxx.149 | OK | C | 1.8M|10.0M|11.9M|(No Storage HDDs)| 6.4G/ 5.5T(< 1%)
3|xxx.xxx.xxx.150 |-A-- | C | 4.0k|480.0| 4.5k|(No Storage HDDs)|10.7G/ 5.5T(< 1%)
---+----------------+-----+---+-----+-----+-----+-----------------+-----------------
Cluster Totals: | 1.8M|10.0M|11.9M|(No Storage HDDs)|21.2G/15.0T(< 1%)
Health Fields: D = Down, A = Attention, S = Smartfailed, R = Read-Only
External Network Fields: C = Connected, N = Not Connected
Critical Events:
Time LNN Event
--------------- ---- -------------------------------------------------------
Cluster Job Status:
Running jobs:
Job Impact Pri Policy Phase Run Time
-------------------------- ------ --- ---------- ----- ----------
FlexProtectLin[520] Medium 1 MEDIUM 4/4 0:00:34
Job Description: Working on nodes: None and drives: node3:bay1
No paused or waiting jobs.
No failed jobs.
Recent job results:
Time Job Event
--------------- -------------------------- ------------------------------
02/27 04:00:38 ShadowStoreProtect[518] Succeeded
02/27 02:00:14 WormQueue[517] SucceededVýstup stavu isi na uzlu se zobrazuje v části Attention -A--, je vyvolána kritickou událostí v clusteru. Uzel ve stavu Pozornost je online a je součástí clusteru, ale hlásí problém. Pomocí seznamu událostí isi můžete zjistit, jaké kritické události se hlásí pro uzel v části Pozor. V tomto případě to bylo způsobeno úlohou FlexProtectLin spuštěnou v pozici disku 1. Stejně jako u stavu OK byste chtěli určit, proč se uzel restartoval, pokud je to možné. Pokud ne, je nutné shromáždit protokoly a otevřít servisní požadavek.
Pokud stav isi hlásí, že je uzel mimo provoz:
testcluster-1# isi status
Cluster Name: testcluster
Cluster Health: [ ATTN]
Data Reduction: 1.33 : 1
Storage Efficiency: 0.72 : 1
Cluster Storage: HDD SSD Storage
Size: 0 (0 Raw) 9.9T (13.5T Raw)
VHS Size: 3.6T
Used: 0 (n/a) 12.7G (< 1%)
Avail: 0 (n/a) 9.9T (> 99%)
Health Ext Throughput (bps) HDD Storage SSD Storage
ID |IP Address |DASR |C/N| In Out Total| Used / Size |Used / Size
---+---------------+-----+---+-----+-----+-----+-----------------+-----------------
1|xxx.xxx.xxx.148 | OK | C | 0|73.9k|73.9k|(No Storage HDDs)| 6.4G/ 5.0T(< 1%)
2|xxx.xxx.xxx.149 | OK | C | 0|11.3k|11.3k|(No Storage HDDs)| 6.4G/ 5.0T(< 1%)
3|xxx.xxx.xxx.150 |D--- | N | n/a| n/a| n/a| n/a/ n/a( n/a)| n/a/ n/a( n/a)
---+---------------+-----+---+-----+-----+-----+-----------------+-----------------
Cluster Totals: | n/a| n/a| n/a|(No Storage HDDs)|12.7G/ 9.9T(< 1%)
Health Fields: D = Down, A = Attention, S = Smartfailed, R = Read-Only
External Network Fields: C = Connected, N = Not Connected
Critical Events:
Time LNN Event
--------------- ---- -------------------------------------------------------
02/27 05:14:20 3 Node 3 offline
Cluster Job Status:
No running jobs.
No paused or waiting jobs.
No failed jobs.
Recent job results:
Time Job Event
--------------- -------------------------- ------------------------------
02/27 04:00:38 ShadowStoreProtect[518] Succeeded
02/27 02:00:14 WormQueue[517] Succeeded
02/27 00:00:21 ShadowStoreDelete[516] SucceededVýstup stavu isi zobrazuje uzel jako Down D---, což znamená, že uzel nemůže komunikovat s clusterem. Pokud uzel není ze známého důvodu mimo provoz (provádí se údržba hardwaru, upgraduje se operační systém clusteru atd.), zjistěte, zda můžete navázat připojení k uzlu, a okamžitě otevřete servisní požadavek.
Vzdálené navázání připojení k uzlu mimo provoz
Pokud je uzel mimo provoz, znamená to, že nemůže komunikovat s clusterem. Je však možné, že se k uzlu stále můžete připojit. Stále se můžete přihlásit vzdáleně nebo prostřednictvím sériového připojení.
Z jiného uzlu v clusteru se můžete pokusit připojit k uzlu mimo provoz pomocí interní sítě. Pokusíte se odeslat příkaz ping na číslo uzlu clustername? Pomocí uzlu 3 z výše uvedeného výstupu:
testcluster-1# ping testcluster-3 PING testcluster-3 (128.221.254.3): 56 data bytes 64 bytes from 128.221.254.3: icmp_seq=0 ttl=64 time=0.048 ms 64 bytes from 128.221.254.3: icmp_seq=1 ttl=64 time=0.042 ms 64 bytes from 128.221.254.3: icmp_seq=2 ttl=64 time=0.043 ms ^C --- testcluster-3 ping statistics --- 3 packets transmitted, 3 packets received, 0.0% packet loss
V tomto příkladu jsme byli schopni odeslat příkaz ping na číslo uzlu název_clusteru, i když uzel hlásí stav jako neaktivní. Zkusíme se připojit k uzlu přes SSH a uvidíme, jestli se můžeme připojit.
Pokud má uzel staticky přiřazenou IP adresu ve vaší veřejné síti, můžete se k ní připojit. Chcete-li zjistit, zda máte staticky přiřazenou adresu z clusteru, použijte příkaz isi network:
testcluster-1# isi network interfaces list | grep Static 1 25gige-1 Up - groupnet0.subnet0.pool0 Static 192.168.1.148 2 25gige-1 Up - groupnet0.subnet0.pool0 Static 192.168.1.149 3 25gige-1 Unknown - groupnet0.subnet0.pool0 Static 192.168.1.150
V tomto příkladu má uzel 3 v clusteru staticky přiřazenou adresu 192.168.1.150. Z jiného uzlu v clusteru nebo pracovní stanice, která má přístup k této síti, se pokusíme odeslat příkaz ping na adresu. Pokud se nám podaří úspěšně odeslat příkaz ping na adresu, pokusíme se připojit k uzlu pomocí SSH.
Místní navázání připojení k uzlu mimo provoz
Pokud je někdo na pracovišti a má počítač se sériovým portem nebo adaptérem USB na sériový port a kabel nulového modemu nebo sériový kabel s adaptérem nulového modemu. Mohou se připojit přímo k uzlu pro účely řešení potíží. Informace o tom, jak se připojit k sériovému portu na uzlu, naleznete v článku PowerScale: Postup pro připojení zákazníků k sériovému portu, když není možné vzdálené připojení