PowerFlex SDS lukke stikkontakter uten nettverksproblemer

Scenario
SDS rapporterer at stikkontakter er lukket av eksterne prosesser (SDC-er, SDS-er, MDM-er), og ingen observerte NIC-ned-hendelser, tapte rammer eller pakketap. 

Symptomer
Hendelsesloggen rapporterer tap av SDS-tilkobling, enten en frakobling eller tilkobling på nytt: 

2017-11-11 16:52:12.101 SDS_RECONNECTED           INFO     	 SDS: xyz_d35 (ID 67211111110089) reconnected 
2017-11-11 16:52:13.690 MDM_DATA_FAILED           CRITICAL 	 The system is now in DATA FAILURE state. Some data is unavailable. 
2017-11-11 16:52:15.791 MDM_DATA_DEGRADED         ERROR    	 The system is now in DEGRADED state. 

Før det ser vi feil som følgende i SDS-sporene.

SDS prøvde å sende, og det tok >1 sekund å svare:

11/11 16:52:04.527408 0x7ff0b19eaeb0:contNet_OscillationNotif:01720: Con 672cb111110099 - Oscillation of type 5 (RPC_LINGERED_1SEC) reported

Socket med en peer ble stengt fra den andre siden på grunn av deres manglende mottak av våre sende lavere nivå keepalives:

11/11 16:52:06.241105 0x7ff0b19e1eb0:contNet_OscillationNotif:01720: Con a71d2b5d00000078 - Oscillation of type 1 (SOCKET_DOWN) reported 

Et annet eksempel på dette ser slik ut:

11/11 16:52:06.241224 0x7ff0b19e1eb0:contNet_OscillationNotif:01720: Con a71d2b3c00000057 - Oscillation of type 2 (IO_ERROR) reported

Andre indikatorer:
Iterasjoner
ScaleIOs lavere nivå nettverk Keepalive-timer måles i iterasjoner, som er 100 millisekunder lange.

MDM-SDS-tidsavbrudd> er 20 gjentakelser, eller 2 s, mens MDM-MDM KeepAlive-tidsavbrudd er 3 gjentakelser eller 300 ms.

Tjue iterasjoner overskredet:

11/11 16:52:11.685281 0x7ff752d1beb0:netPath_IsKaNeeded:01858:  :: Connected Live CLIENT path 0x7ff6e2192a00 of portal 0x7ff6e2192900 net 0x7ff7480e1110 socket 210 inflights 0 didn't receive message for 20 iterations from 10.124.162.109:7072. Marking as down  

Stikkontakter ned Disse sporutskriftene viser når stikkontaktene gikk ned:

11/11 16:52:09.787793 0x7ff752cf7eb0:tgtMgr_TgtOscCB:07696: Con 672cba7400000089 Network address 10.124.130.109 - Oscillation of type SOCKET_DOWN reported

11/11 16:52:11.685290 0x7ff752d1beb0:tgtMgr_TgtOscCB:07696: Con 672cba7400000089 Network address 10.124.162.109 - Oscillation of type RCV_KA_DISCONNECT reported
11/11 16:52:11.685308 0x7ff752cf7eb0:tgtMgr_TgtOscCB:07696: Con 672cba7400000089 Network address 10.124.162.109 - Oscillation of type SOCKET_DOWN reported

Denne utskriften betyr at den siste kontakten til et SDS gikk ned og er punktet der SDS anses å være frakoblet:

11/11 16:52:11.685319 0x7ff752cf7eb0:tgtMgr_TgtDisconnectCB:07818: Tgt: 672cba7400000089 ConId: 672cba7400000089

MDM utsteder en addmdm-kommando for å få SDS til å koble til igjen. 

IO-feil blokkert
Vi vet at IO_FAULT_BLOCKED skjer når SDS nekter I/O fordi den ikke kan nå MDM, men denne informasjonen er ufullstendig.

SDS sender keepalives til MDM hvert sekund, og hvis MDM ikke får dette i 5 s, anses SDS som tidsavbrutt og blir merket som frakoblet.

MDM sender SDS en "fortsett å jobbe"-melding hvert sekund. Det er når SDS ikke mottar denne meldingen på 5 sekunder at den nekter IO med IO_FAULT_BLOCKED: 

11/11 16:52:12.007045 0x7ff0b0cdfeb0:ioh_NewRequest:05490: Write to comb f778038007f - Done rc is IO_FAULT_BLOCKED (Lba 6721528 8), volume 6e1a2f4a0000075d (dit)
11/11 16:52:12.008825 0x7ff0b0ec5eb0:ioh_NewRequest:05490: Write to comb f78803903fc - Done rc is IO_FAULT_BLOCKED (Lba 5031040 6), volume 6e1a2f4c0000075f (dit)
11/11 16:52:12.017262 0x7ff0b26daeb0:ioh_NewRequest:05490: Write to comb f768037003e - Done rc is IO_FAULT_BLOCKED (Lba 15106144 16), volume 6e1a2f490000075c (dit)

Innvirkning

Tap av SDS-tilkobling

I data_degraded tilstand eller modus for øyeblikkelig vedlikehold kan dette forårsake DU.

Årsaken til I/O-feil i dette eksempeltilfellet var at SDS-leieavtalen (5 s) ikke hadde utløpt, men (2 s) tidsavbrudd for nettverk på lavere nivå hadde det.

Den grunnleggende årsaken er en eller flere av følgende årsaker: 

1 - TCP / nettverksproblemer
A- Dette vil sannsynligvis manifestere seg med TCP-sender på nytt, noe som indikerer HW / konfigurasjonsproblemer. (Kabel, NIC, bryterproblemer osv.) som vist i utdataene fra 

sar -n ETCP 1

Som gir utdata som:

 Linux 3.10.0-693.5.2.el7.x86_64 (SIO-DCOE-96O-3)        12/13/2017      _x86_64_        (48 CPU)

04:33:44 PM  atmptf/s  estres/s retrans/s isegerr/s   orsts/s
04:33:45 PM      0.00      0.00     50.00      0.00      0.00
04:33:46 PM      2.00      0.00     75.00      0.00      0.00
04:33:47 PM      0.00      0.00    223.00      0.00      0.00
04:33:48 PM      0.00      0.00    106.00      0.00      0.00
04:33:49 PM      2.00      0.00     58.00      0.00      0.00
04:33:50 PM      0.00      0.00      5.00      0.00      0.00
04:33:51 PM      0.00      0.00      7.00      0.00      0.00
04:33:52 PM      2.00      0.00      2.00      0.00      0.00
04:33:53 PM      0.00      0.00      1.00      0.00      0.00
^C

04:33:53 PM      0.00      0.00      0.00      0.00      0.00
Average:         0.65      0.00     99.00      0.00      0.00

For referanse:

• Grønt = ensifre/s
• Gul = høye doble sifre opptil 50/s
• Rød = >50/s

B-Når det gjelder eldre Linux-distroer, for eksempel SusE 11 SP3 på våre SVM-er, kan man overvåke for nettverksoverføring med følgende kommando:

watch -d -n 2 "netstat -s |grep retrans"

Som sendes ut som nedenfor, og fremhever tegnene som ble oppdatert i løpet av det siste intervallet:

Every 2.0s: netstat -s |grep retrans                                                                                                                                                   Wed Dec 13 09:55:10 2017

    1244070 segments retransmited

2- CPU-problemer, prosess sult.
Dette manifesterer seg som en samtidig pause i hver SIO-komponents spor, med mange stikkontakter som lukkes som de første linjene i sporet ved gjenopptagelse. 
LIA, SDS, MDM/TB, SDC/meldingsfil viser gapet.
LIA-sporing viser for eksempel at LIA→SDS-stikkontakter lukkes etter en tidsavbrudd på 3 sekunder (30 iterasjoner x 100 ms):

11/11 16:52:11.597227 0x7f44c41c6eb0:netPath_IsKaNeeded:01858:  :: Connected Live SERVER path 0x7f44c4195690 of portal 0x7f44c4192bb0 net 0x83b040 socket 8 inflights 0 didn't receive message for 30 iterations from 127.0.0.1:43228. Marking as down
11/11 16:52:12.031195 0x7f44c419eeb0:liaNet_DisconnectedNotif:01553: Con aed disconnected
11/11 16:52:12.158383 0x7f44c419eeb0:liaNet_ConnectedNotif:01483: Con aed  connected

3- Kanskje vi har en feil et sted i SIO. Sannsynligvis holder en ikke-nettverkstråd en CPU og ikke tillater noe annet å kjøre, etc.

Omgåelse av problemet

Ingen generell løsning

Berørte versjoner

Alle

Løst i versjon

Ikke relevant