PowerFlex SDC protokoluje chyby I/O po ztrátě konektivity na jedné síťové kartě

Scénář
Systém PowerFlex používá pro každou komponentu více připojení (například 2 připojení s rolí IP SDS "All" nebo čtyři připojení – 2 pro "pouze SDS" a 2 pro "SDC").

Problém se projevuje při ztrátě jednoho připojení (tj. po restartování jednoho přepínače, vypnutí jedné síťové karty atd.).

V celém systému neexistuje žádná DU (DATA_FAILED kapacita).

Symptomy
SDC hlásí odpojení od jednoho (nebo více) SDS, přestože je nakonfigurováno více připojení:

 <6>2021-09-20T06:52:29.617016+00:00 sdc001 kernel: [5965962.215707] bond-glance: link status down for backup interface eth4.2223, disabling it in 1000 ms
<6>2021-09-20T06:52:29.628748+00:00 sdc001 kernel: [5965962.227665] bond-glance: link status down for backup interface eth4.2223, disabling it in 1000 ms
<3>2021-09-20T06:52:29.628773+00:00 sdc001 kernel: [5965962.227668] bond-glance: invalid new link 1 on slave eth4.2223
<6>2021-09-20T06:52:30.638572+00:00 sdc001 kernel: [5965963.239669] bond-nfs: link status definitely down for interface eth4.2226, disabling it
<6>2021-09-20T06:52:30.662562+00:00 sdc001 kernel: [5965963.263771] bond-migration: link status definitely down for interface eth4.2222, disabling it
<6>2021-09-20T06:52:30.662585+00:00 sdc001 kernel: [5965963.263774] bond-migration: making interface eth5.2222 the new active one
<6>2021-09-20T06:52:30.670568+00:00 sdc001 kernel: [5965963.271749] bond-glance: link status definitely down for interface eth4.2223, disabling it
<3>2021-09-20T06:52:32.600563+00:00 sdc001 kernel: [5965965.175504] ScaleIO netCon_IsKaNeeded:3761 :CON 00000000515dfcb3 didn't receive message for 30 iterations.  Marking as down
<3>2021-09-20T06:52:32.600587+00:00 sdc001 kernel: [5965965.186972] ScaleIO netCon_IsKaNeeded:3761 :CON 0000000030837167 didn't receive message for 30 iterations.  Marking as down
<3>2021-09-20T06:52:32.646130+00:00 sdc001 kernel: [5965965.251039] ScaleIO netCon_IsKaNeeded:3761 :CON 00000000c6b7b707 didn't receive message for 30 iterations.  Marking as down
<3>2021-09-20T06:52:32.657522+00:00 sdc001 kernel: [5965965.251092] [5786457902] Disconnected from SDS with ID 2b16b44c00000001  < ======================================================= unexpected
(...)
<3>2021-09-20T06:52:52.894622+00:00 sdc001: [5965985.494552] ScaleIO mapVolIO_ReportIOErrorIfNeeded:491 :[23145851856] IO-ERROR Type WRITE. comb: 24280000 0332. offsetInComb 1464872. SizeInLB 16. SDS_ID 2b16b44c00000001. Comb Gen 2c3f. Head Gen 2f1c. StartLB c793228.
<3>2021-09-20T06:52:52.894624+00:00 sdc001: [5965985.494555] ScaleIO mapVolIO_ReportIOErrorIfNeeded:512 :Vol ID 0x587d75290000000b. Last vol network error status NOT_CONN(4) Reason (ERROR) RC (ERROR) Retry count (20) chan (2)

Důsledky

 Vstupně-výstupní chyby vrácené do aplikace.

Tento druh chyb pochází z nějaké špatné konfigurace sítě - jedna z karet NIC na kterékoli z komponent (SDS nebo SDC) může být vložena do nesprávné sítě VLAN, vůbec se nezobrazí, může mít přiřazenou nesprávnou IP adresu atd. 

V tomto konkrétním případě byla jedna ze síťových karet na úložišti SDS "2b16b44c00000001" přiřazena k nesprávné síti VLAN, takže komunikace mezi SDC-SDS probíhala přes jednu síťovou kartu – když došlo k výpadku připojení, SDC již nemohla s tímto SDS komunikovat. Vzhledem k tomu, že se používaly role IP, zůstával tento SDS připojený k uzlu MDM a dalším SDS přes síťové karty "pouze SDS", takže uzel MDM neměl důvod data znovu sestavovat.

Ujistěte se, že jsou všechny komponenty připojeny podle očekávání – pomocí příkazů "netstat" a/nebo scli (přesné příkazy závisí na verzi PowerFlex) ověřte připojení.