VMware: Průvodce odstraňováním problémů s fyzickým diskem vSAN

Kontrola stavu fyzického disku vSAN z webového uživatelského rozhraní:

Připojte se k webovému klientovi vCenter Server a zkontrolujte stav disku v části:
 
Inventář > Hostitel a clustery > Cluster > vSAN Konfigurace > nástroje vSAN > Disk Management

Obrázek 1: Zobrazení

vSAN Disk Management Vyberte dotčeného hostitele a poté rozbalte část

view disk: Obrázek 2: zobrazení

skupiny disků vSAN Zde můžete ověřit, zda je disk rozpoznán jako:
 
Není v pořádku Kapacita

není v pořádku
0 Trvalé selhání
disku Disk není připojen Disk

chyběl
Zkontrolujte také, zda se v části vSAN Skyline Health nespouštějí alarmy související s diskem: 
 
Inventář > Hostitel a clustery > Monitor > clusteru > vSAN Fyzický disk vSAN > Skyline Health >Obrázek 3:

Pohled

na Skyline Health Zde můžete ověřit, zda se spustil některý z následujících alarmů:
 
Hrozící trvalé selhání disku, probíhá evakuace dat (stav – žlutá).
Hrozící trvalé selhání disku, evakuace dat se nezdařila z důvodu nedostatečných zdrojů (stav – červená).
Hrozící trvalé selhání disku, evakuace dat selhala z důvodu nepřístupných objektů (stav – červená).
Hrozící trvalé selhání disku, evakuace dat dokončena (stav – žlutý)
 
Stav disku můžete také zkontrolovat ze seznamu úložných zařízení dotčeného hostitele:
 
Inventář > Hostitel a clustery > Dotčený cluster > vSAN Hostitel > ESXi vSAN Konfigurace > úložných > zařízení

Obrázek 4: Zobrazení

hostitelských úložných zařízení Zde můžete ověřit, zda je stav disku následující:
 
0 Capacity
Disk Absent
Disk Unmounted
 
Ověřte, zda dochází k opětovné synchronizaci:
 
Inventář > Hostitel a clustery > Monitor > clusteru > vSAN Objekty opětovné synchronizace vSAN>:

Obrázek 5: Opětovná synchronizace zobrazení objektů

 
Ověřte stav objektů vSAN:
 
Inventář > Hostitel a clustery > Monitor > clusteru vSAN Data > stavu > vSAN > Skyline Stav >

objektu vSAN Obrázek 6: Zobrazení stavu objektu vSAN

 
Dalším krokem je shromáždění dalších informací o problému prostřednictvím rozhraní příkazového řádku a kontrola protokolů:

Kontrola stavu fyzického disku vSAN z rozhraní příkazového řádku:

Připojení přes SSH k dotčenému hostiteli a spuštění následujících příkazů:
 

vdq -qH

Zkontrolujte parametr "IsPDL" (permanent device loss). Pokud je roven 1, disk je ztracen.
 
Příklad:
 

DiskResults:
 DiskResult[0]:
 Name: naa.600508b1001c4b820b4d80f9f8acfa95
 VSANUUID: 5294bbd8-67c4-c545-3952-7711e365f7fa
 State: In-use for VSAN
 ChecksumSupport: 0
 Reason: Non-local disk
 IsSSD?: 0
IsCapacityFlash?: 0
 IsPDL?: 0
 <<truncated>>
 DiskResult[18]:
 Name:
 VSANUUID: 5227c17e-ec64-de76-c10e-c272102beba7
 State: In-use for VSAN
 ChecksumSupport: 0
 Reason: None
 IsSSD?: 0
IsCapacityFlash?: 0
 IsPDL?: 1

 

vdq -iH

Zkontrolujte, zda ve skupině disků nechybí nějaký disk.
 
Příklad:
 

Mappings:
DiskMapping[0]:
SSD: naa.58ce38ee2016ffe5
MD: naa.5002538a4819e3e0
 
DiskMapping[2]:
SSD: naa.58ce38ee2016fe55
MD: naa.5002538a48199ca0
MD: naa.5002538a48199e20
MD: naa.5002538a48199e00

 

esxcli vsan storage list

Zkontrolujte parametr "V CMMDS". Pokud je hodnota false, komunikace je ztracena na disku.
 
Příklad:
 

Device: Unknown
Display Name: Unknown
Is SSD: false
VSAN UUID: 529cadbc-acd1-b588-8643-68336d5512d6
VSAN Disk Group UUID:
VSAN Disk Group Name:
Used by this host: false
In CMMDS: false
On-disk format version: <Unknown>
Deduplication: false
Compression: false
Checksum:
Checksum OK: false
Is Capacity Tier: false

 

for i in `esxcli  storage core device list | grep ^naa` ; do echo $i; esxcli storage core device smart get -d $i; done.

Zkontrolujte chyby čtení/zápisu pomocí příkazu smart get.
 
Příklad:
 

naa.55cd2e404c1f35a1
Parameter                   Value  Threshold  Worst  Raw
--------------------------  -----  ---------  -----  ---
Health Status               OK     N/A        N/A    N/A
Media Wearout Indicator     100    0          100    86
Read Error Count            130    39         130    133
Power-on Hours              100    0          100    110
Power Cycle Count           100    0          100    106
Drive Temperature           100    0          100    26
Uncorrectable Sector Count  100    0          100    0

naa.55cd2e404c1f35a5
Parameter                   Value  Threshold  Worst  Raw
--------------------------  -----  ---------  -----  ---
Health Status               OK     N/A        N/A    N/A
Media Wearout Indicator     100    0          100    10
Read Error Count            130    39         130    53
Power-on Hours              100    0          100    110
Power Cycle Count           100    0          100    106
Drive Temperature           100    0          100    27
Uncorrectable Sector Count  100    0          100    0

 

esxcli vsan storage list | grep "VSAN Disk Group UUID:" | sort | uniq -c

Zkontrolujte dostupné skupiny disků.
 
Příklad:
 

      2    VSAN Disk Group UUID: 5203424c-ee56-497d-75d1-fcf73ae997cb
      2    VSAN Disk Group UUID: 52af8e5c-77d1-b552-3310-ec5fef09edf4

 

while true;do echo " ****************************************** "; echo "" > /tmp/resyncStats.txt ;cmmds-tool find -t DOM_OBJECT -f json |grep uuid |awk -F \" '{print $4}' |while read i;do pendingResync=$(cmmds-tool  find -t DOM_OBJECT -f json -u $i|grep -o "\"bytesToSync\": [0-9]*,"|awk -F " |," '{sum+=$2} END{print sum / 1024 / 1024 / 1024;}');if [ ${#pendingResync} -ne 1 ]; then echo "$i: $pendingResync GiB";fi;done |tee -a /tmp/resyncStats.txt;total=$(cat /tmp/resyncStats.txt |awk '{sum+=$2} END{print sum}');echo "Total: $total GiB" |tee -aa /tmp/resyncStats.txt;total=$(cat /tmp/resyncStats.txt  |grep Total);totalObj=$(cat /tmp/resyncStats.txt|grep -vE " 0 GiB|Total"|wc -l);echo "`date +%Y-%m-%dT%H:%M:%SZ` $total ($totalObj objects)" >> /tmp/totalHistory.txt; echo `date `; sleep 60; done

Zkontrolujte, zda probíhají probíhající nebo zaseknuté operace opětovné synchronizace.
 
Příklad:
 

Total: 0 GiB
Mon Feb 13 17:32:06 UTC 2023

Stisknutím kláves Ctrl+C příkaz k zastavení.
 

cmmds-tool find -f python | grep CONFIG_STATUS -B 4 -A 6 | grep 'uuid\|content' | grep -o 'state\\\":\ [0-9]*' | sort | uniq -c

Zkontrolujte stav komponent.
 
V pořádku -- stav 7
Nepřístupný -- stav 13
Nepřítomen nebo Snížený -- stav 15
 
Příklad:
 

    425 state\": 7

 
Jak pomocí rozhraní příkazového řádku zjistit, kde se vadný disk SSD nebo PEVNÝ DISK nachází:
 
Seznam všech dostupných zařízení:

esxcli storage core device list | grep "naa" | awk '{print $1}' | grep "naa"

Příklad:
 

naa.5000c500852df8d3
naa.55cd2e404c1f35a1
naa.55cd2e404c1f35a5
naa.5000c500852dd5e7

Zkontrolujte umístění pomocí jednotlivých naa. disků ze seznamu:

esxcli storage core device physical get -d

 
Příklad:
 

esxcli storage core device physical get -d naa.5000c500852df8d3
esxcli storage core device physical get -d naa.55cd2e404c1f35a1
esxcli storage core device physical get -d naa.55cd2e404c1f35a5
esxcli storage core device physical get -d naa.5000c500852dd5e7
 
   Physical Location: enclosure 65535 slot 0
   Physical Location: enclosure 65535 slot 1
   Physical Location: enclosure 65535 slot 2
   Physical Location: enclosure 65535 slot 3

Jak identifikovat vadný pevný disk nebo disk SSD, pokud chybí název zařízení:

Je možné, že vadný disk není rozpoznán a nelze jej identifikovat pomocí odpovídajícího čísla naa. V tomto scénáři je potřeba vyhledat všechny disky a ten, který není fyzicky umístěný, by byl ten, který selže.

Zde je skript, který lze použít k provedení úlohy o něco rychleji:

echo "=============Physical disks placement=============="
echo ""
esxcli storage core device list | grep "naa" | awk '{print $1}' | grep "naa" | while read in; do
echo "$in"
esxcli storage core device physical get -d "$in"
sleep 1
echo "===================================================="
done

Protokoly relevantní pro vSAN pro problémy související s úložištěm:
 
/var/log/vmkernel.log
Problémy se čtením a zápisem na disky vSAN, prezenčními signály hostitele vSAN, PDL, kódy zjišťování SCSI a požadavky I/O (čtení/zápis) a informacemi o členství v clusteru.
 
Příklad:
 

2021-06-22T12:02:08.408Z cpu30:1001397101)ScsiDeviceIO: PsaScsiDeviceTimeoutHandlerFn:12834: TaskMgmt op to cancel IO succeeded for device naa.55cd2e404b7736d0 and the IO did not complete. WorldId 0, Cmd 0x28, CmdSN = 0x428.Cancelling of IO will be
2021-06-22T12:02:08.408Z cpu30:1001397101)retried.

/var/log/vobd.log
Hlásí stav disku, trvale ztracené disky zařízení (PDL), latenci disku a zprávy o tom, kdy hostitel vstoupí do režimu údržby a ukončí jej.
 
Příklad:
 

2022-05-31T11:42:46.065Z: [vSANCorrelator] 10605891965954us: [vob.vsan.lsom.devicerepair] vSAN device 521a74ce-c980-c16c-ff3d-38a036233daf is being repaired due to I/O failures, and will be out of service until the repair is complete. If the device is part of a dedup disk group, the entire disk group will be out of service until the repair is complete.
2022-05-31T11:42:46.065Z: [vSANCorrelator] 10606062774178us: [esx.problem.vob.vsan.lsom.devicerepair] Device 521a74ce-c980-c16c-ff3d-38a036233daf is in offline state and is getting repaired

/var/log/vsandevicemonitord.log
Pomůže vám určit, jestli byl disk označený jako není v pořádku kvůli nadměrnému zahlcení protokolu nebo latencím vstupně-výstupních operací.
 
Příklad:
 

INFO vsandevicemonitord WARNING - WRITE Average Latency on VSAN device naa.50000xxxxxxxx has exceeded threshold value 2000000 us 2 times.
INFO vsandevicemonitord Tier 2 (naa.50000xxxxxxxx) as unhealthy

VxRail, PowerEdge C6420, PowerEdge C6520, PowerEdge C6525, PowerEdge C6615, PowerEdge C6620, PowerEdge M640 (for PE VRTX), PowerEdge R440, PowerEdge R450, PowerEdge R540, PowerEdge R550, PowerEdge R640, PowerEdge R6415, PowerEdge R650 , PowerEdge R650xs, PowerEdge R6515, PowerEdge R6525, PowerEdge R660, PowerEdge R660xs, PowerEdge R6615, PowerEdge R6625, PowerEdge R740, PowerEdge R740XD, PowerEdge R740XD2, PowerEdge R7415, PowerEdge R7425, PowerEdge R750, PowerEdge R750XA, PowerEdge R750xs, PowerEdge R7515, PowerEdge R7525, PowerEdge R760, PowerEdge R760XA, PowerEdge R760xd2, PowerEdge R760xs, PowerEdge R7615, PowerEdge R7625, PowerEdge R840, PowerEdge R860, PowerEdge R940, PowerEdge R940xa, PowerEdge R960, PowerEdge T430, PowerEdge T440, PowerEdge T550, PowerEdge T560, PowerEdge T630, PowerEdge T640, Dell EMC vSAN C6420 Ready Node, Dell EMC vSAN MX740c Ready Node, Dell EMC vSAN MX750c Ready Node, Dell vSAN Ready Node MX760c, Dell EMC vSAN R440 Ready Node, Dell EMC vSAN R640 Ready Node, Dell EMC vSAN R6415 Ready Node, Dell EMC vSAN R650 Ready Node, Dell EMC vSAN R6515 Ready Node, vSAN Ready Node R660, Dell vSAN R6615 Ready Node, Dell EMC vSAN R740 Ready Node, Dell EMC vSAN R740xd Ready Node, Dell EMC vSAN R750 Ready Node, Dell EMC vSAN R7515 Ready Node, Dell EMC vSAN R760 Ready Node, Dell vSAN R7615 Ready Node, Dell vSAN Ready Node R7625, Dell EMC vSAN R840 Ready Node, Dell EMC vSAN T350 Ready Node ... View More View Less