ScaleIO：故障診斷MDM_Disconnect錯誤

使用 showevents.py 工具時出現以下事件：

6956  2017-07-06 18:21:05.803 MDM_CLUSTER_LOST_CONNECTION WARNING        The MDM, ID 27fea9a11c073e82, lost connection

次要 MDM 伺服器的 trc 記錄中會出現下列內容：

06/07 18:21:05.486947 0x7ffbc89feeb0:netPath_IsKaNeeded:01858:  :: Connected Live CLIENT path 0x7ffb9400a060 of portal 0x7ffb94003780 net 0x7ffbac0044b0 socket 17 inflights 0 didn't receive message for 3 iterations from 10.xxx.xxx.xxx:9011. Marking as down

MDM 中斷連線通常是當次要 MDM 或仲裁程式在 500 毫秒的逾時期間內未保持連線時。 

 

檢查 MDM 和 TB 伺服器上的網路介面卡 （NIC） 是否有遺失的封包：

[root@scaleio-1 ~]# ifconfig ens192
ens192: flags=4163  mtu 1500
inet 10.xxx.xxx.xxx  netmask 255.xxx.xxx.0  broadcast 10.xxx.xxx.xxx
inet6 fe80::250:56ff:feb7:2a06  prefixlen 64  scopeid 0x20
ether 00:50:56:b7:2a:06  txqueuelen 1000  (Ethernet)
RX packets 311779767  bytes 53460032583 (49.7 GiB)
RX errors 0  dropped 41  overruns 0  frame 0
TX packets 312147963  bytes 45970694962 (42.8 GiB)
TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

此外，請使用 ping 命令檢查 MDM 節點和 TB 之間的連線延遲：

[root@scaleio-1 ~]# ping 10.xxx.xxx.xxx
PING 10.xxx.xxx.xxx (10.xxx.xxx.xxx) 56(84) bytes of data.
64 bytes from 10.xxx.xxx.xxx: icmp_seq=1 ttl=64 time=0.414 ms
64 bytes from 10.xxx.xxx.xxx: icmp_seq=2 ttl=64 time=0.395 ms
64 bytes from 10.xxx.xxx.xxx: icmp_seq=3 ttl=64 time=0.370 ms
64 bytes from 10.xxx.xxx.xxx: icmp_seq=4 ttl=64 time=0.399 ms
64 bytes from 10.xxx.xxx.xxx: icmp_seq=5 ttl=64 time=0.497 ms
64 bytes from 10.xxx.xxx.xxx: icmp_seq=6 ttl=64 time=0.534 ms

如果延遲變化或接近 500 毫秒，這可能是斷開連接的問題。

MDM 斷開連接也有非網路原因。如果進程掛起或未接收到足夠的 CPU 資源，則無法及時發送保活數據包。使用 top 命令檢查系統的 CPU 使用率。

在 VMware 系統上，如果系統過度訂閱，虛擬機器 （VM） 可能無法接收到足夠的資源。可以通過檢查 VM 的 CPU 就緒時間來檢查是否是這種情況。