PowerFlex SDS-panik orsakad av Linux-kernelbugg

Scenario

• Intel Haswell CPU används.
• En av SDS:erna rapporterar "datadegraderat" tillstånd och SDC:s förlorade anslutning till volymer, utan någon uppenbar anledning
• SDS-panik
   

Symptom

• ScaleIO-systemhändelserapport "data degraderade":

ScaleIO system events report "data degraded":
205466 2015-12-10 08:11:49.450 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.
205468 2015-12-10 08:12:04.688 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.
205470 2015-12-10 08:12:06.699 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.
205472 2015-12-10 08:12:16.931 MDM_DATA_DEGRADED ERROR The system is now in DEGRADED state.

SDS exp.0:

10/12 02:13:14.134144 Panic in file /emc/svc_flashbld/workspace/ScaleIO-SLES12/src/tgt/ioh/ioh.c, line 70, function iohIo_TimerExpired, PID 22333.Panic Expression !(1).
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosDbg_BackTrace+0x22) [0x479ba9]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosDbg_Panic+0xf0) [0x4740ad]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(iohIo_TimerExpired+0x5d) [0x43d92d]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosTimerQ_PollUnlocked+0x1b4) [0x46f6e3]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosTimer_PollQRange+0x83) [0x46fa6c]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(netPoll_StartIntr+0x2ef) [0x465808]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosUmt_StartFunc+0xbe) [0x47f07d]
/opt/emc/scaleio/sds/bin/sds-1.32.3455.5(mosUmt_SignalHandler+0x4a) [0x47fa3a]

Påverkan

• Data ej tillgänglig
• SDC förlorade anslutningen till volymerna.
• I/O-fel
• Lång I/O-tjänst/prestandaförsämring

På grund av Linux-kärnbuggen betedde sig SDS-processen onormalt, på grund av detta tillstånd var SDS-processen stressad och beteendet var oförutsägbart.
När SDS svarade på förfrågningar om att hålla vid liv fungerade det inte fullt ut och svarade inte på SDC I/O-förfrågningar.
Ett sådant villkor gjorde det inte möjligt för ScaleIO att markera säkerhetsdatabladet som misslyckat, vilket så småningom ledde till att data inte var tillgängliga.

• Information om fel i Linux-kärnan:
  Futex: Åtgärda ett konkurrenstillstånd mellan REQUEUE_PI och uppgiftsdöd (bcn #851603 (futex skalbarhetsserie).
  Futex: Se till att get_futex_key_refs() alltid innebär en barriär (bcn #851603 (futex skalbarhetsserie)).
   
• Mer information finns på följande länkar:
  Suse:SUSE-SU-2015:0068-1
  Red Hat: Allvarlig Red Hat Linux-bugg påverkar Haswell-baserade servrar - InfoQ

Alternativ lösning

• Uppgradera Linux-kärnversionen.