IBM-P系列小型機(jī)日常維護(hù)故障定位故障排除手冊

IBMP系列小型機(jī)日常維護(hù)/故障定位/故障排除手冊機(jī)房環(huán)境及物理檢查機(jī)房內(nèi)環(huán)境要求溫度與濕度：最佳工作溫度：20-25攝氏度極限工作溫度：10-40攝氏度濕度:8-80%(在23攝氏度條件下)如果不是工作在最佳溫度，請注意改善機(jī)房環(huán)境機(jī)房要保證清潔.機(jī)房應(yīng)保持清潔，若空氣灰塵過多，很容易造成資源讀寫錯誤及磁盤機(jī)中磁盤或讀寫磁頭毀損。電源要求電壓:要求電壓穩(wěn)定,尖峰電壓會損壞設(shè)備電壓范圍:220V+/-10%,即200-240V,50-60Hz電源功率:視機(jī)器類型和系統(tǒng)配置而定電源線:標(biāo)準(zhǔn)的零,地,火三相電,其中零,地電壓不得超過1.0V.電源接駁:用符合電流要求的空氣開關(guān)或其他設(shè)備和主機(jī)電源線接駁,保證計算機(jī)系統(tǒng)的可靠工作應(yīng)使用穩(wěn)壓電源和UPS，并建議配備發(fā)電機(jī)組;對于冗于電源的接入,建議采用兩路單獨輸入.硬件檢查檢查服務(wù)器、磁陣的安裝、電源線、7133和主機(jī)接線符合要求。服務(wù)器狀態(tài)檢查及其相關(guān)命令外觀狀態(tài)檢查：1.當(dāng)服務(wù)器處于啟動和正常工作狀態(tài)時，其前面板上的液晶顯示屏上應(yīng)無信息顯示。2.當(dāng)液晶顯示器上出現(xiàn)帶數(shù)字和字母的信息時，說明有硬件告警?？梢酝ㄟ^查詢相關(guān)機(jī)型的ServiceGuide查到相應(yīng)告警原因，情況嚴(yán)重的，則要立即通知IBM技術(shù)專家進(jìn)行問題排查。命令狀態(tài)檢查1、運(yùn)行l(wèi)sdev命令配以各種參數(shù)，所列各種設(shè)備狀態(tài)都應(yīng)為Available。#lsdev–C–H–Sa列出系統(tǒng)中可用設(shè)備。#lsdev–Ccprocessor列出系統(tǒng)中的所有CPU。#lsdev–Ccmemory列出系統(tǒng)中的所有內(nèi)存。#lsdev–Ccdisk列出系統(tǒng)中的所有硬盤。#lsdev-Ccadapter|grepent列出系統(tǒng)中的所有網(wǎng)卡#lsdev-Ccadapter|grepscsi列出系統(tǒng)中的所有SCSI卡。#lsdev-Ccadapter|grepssa列出系統(tǒng)中的所有SSA卡。2、lspv命令#lspv顯示系統(tǒng)中可用的PV。#lspvhdiskn顯示hdiskn的具體信息。#lsdev–Ccpdisk顯示磁盤陣列的硬盤的具體信息。對SSA硬盤的檢測：在對主機(jī)進(jìn)行工作之前可以先把磁盤陣列上電，等主機(jī)完全啟動后，登錄到主機(jī)上，運(yùn)行以下命令“l(fā)sdev–Ccpdisk“,應(yīng)該可以看到所有SSA硬盤，并且狀態(tài)應(yīng)為Available.。3、lsattr命令#lsattr–E–lmem0列出系統(tǒng)中內(nèi)存mem0的大小，本項目中內(nèi)存有4GB。4、lsvg命令#lsvg列出系統(tǒng)中所有的vg。#lsvgrootvg列出rootvg的詳細(xì)信息。#lsvg–o列出激活的vg5、oslevel命令#oslevel顯示操作系統(tǒng)版本信息。6、netstat命令#netstat–in顯示系統(tǒng)中各網(wǎng)卡的配置?？刹榭淳W(wǎng)卡的IP配置好了沒有。7、#diag命令通過運(yùn)行#diag命令運(yùn)行硬件診斷程序檢測主機(jī)內(nèi)所有硬件，檢測結(jié)果為“Notroublefound”顯示各部分工作正常。8、使用#diag命令（選擇：TaskSelection->SSAServiceAids）對SSA硬盤鏈路連接的校驗，可以通過SSA工具里的LinkVerification來檢測。如有必要，可以用CertifyDisk運(yùn)行硬盤診斷部分進(jìn)行硬盤的表面分析測試，由1%至100%，檢測結(jié)果顯示主機(jī)內(nèi)置硬盤的所有扇區(qū)均讀寫正常。9、lsps–a查看PAGINGSPACE的使用情況如果使用率超過70%，就需要采取措施。10、lsvg–o|lsvg–il|grep–istale查看有無stale的lv，如果輸入該命令之后有輸出結(jié)果，就需要采取措施11、有否發(fā)給root用戶的錯誤報告(mail)。12、檢查雙機(jī)狀態(tài)lssrc–gcluster檢查ha三個工作進(jìn)程是否激活，/usr/sbin/cluster/clstat–a檢查雙機(jī)狀態(tài)是否up，并檢查hacmp.out日志，看是否有異常信息。13、用vmstat,topas，sar命令檢查系統(tǒng)性能檢查cpu\memoyr\IO，是否存在性能瓶頸。14、檢查能否順利進(jìn)入CDE界面如果不能進(jìn)入的話，要檢查/etc/hosts表中有否錯誤的項目。15、用smittyssaraid查看磁盤陣列RAID盤的狀態(tài)是否是Good。如果是degrade或其他狀態(tài)表示RAID盤出現(xiàn)問題了16、用sysdumpdev–l查看系統(tǒng)的DUMP設(shè)置是否正常。17、用instfix–ik|grepML當(dāng)前操作系統(tǒng)補(bǔ)丁版本補(bǔ)丁程序(PTF)是否滿足穩(wěn)定運(yùn)行的需要。一般要求433操作系統(tǒng)補(bǔ)丁要打到10以上，5.1操作系統(tǒng)補(bǔ)丁要打到5以上18、使用df–kP查看磁盤空間占用率請確保以下文件系統(tǒng)的占用率高于80%立即上報：//var/usr/home/tmp/zxindata/zxinbak，其余文件系統(tǒng)的占用率高于95%立即上報也可以到各文件系統(tǒng)下使用組合命令：find.–size+2048–octime1–execls–l{}\;查出大于1M或一天之內(nèi)修改過的文件。19、系統(tǒng)性能內(nèi)存：svmon、lsps-aCpu：sar硬盤：iostat文件系統(tǒng)：filemon其他命令：vmstat、topas、lvmstat20、磁帶機(jī)是否需要清洗/usr/lpp/diagnostics/bin/utape-cdrmt0–n顯示結(jié)果為磁帶機(jī)使用的小時數(shù)，若大于72小時，則不論磁帶機(jī)黃燈是否亮都應(yīng)用清潔帶清洗21、syncd參數(shù)值：缺省值：60；范圍：1到任何正整數(shù)顯示：grepsyncd/sbin/rc.boot或vi/sbin/rc.boot更改：更改在下次引導(dǎo)后有效，而且是永久有效。備用方法是使用命令kill來終止守護(hù)程序syncd并用命令/usr/sbin/syncdinterval從命令行重新啟動它。診斷：當(dāng)syncd正在運(yùn)行時，文件的I/O被阻塞了。調(diào)整：在缺省級別上，這個參數(shù)幾乎不影響性能。不推薦對這個參數(shù)進(jìn)行更改。為了保持?jǐn)?shù)據(jù)完整性對于HACMP而使syncdinterval明顯縮小，會導(dǎo)致性能下降。更改命令為：#vi/sbin/rc.boot22、檢查errdaemon,srcmstr是否正常運(yùn)行#ps-ef|greperr#ps-ef|grepsrc性能監(jiān)控與調(diào)優(yōu)通過命令vmstat1來觀察.kthrmemorypagefaultscpurbavmfrerepipofrsrcyinsycsussyidwa命令解析：vmstat命令的輸出可以反映系統(tǒng)整體運(yùn)行狀況，包括cpu、內(nèi)存、虛擬頁面、系統(tǒng)進(jìn)程和系統(tǒng)調(diào)用情況。檢查CPU是否為瓶頸,分別檢查CPU的四項數(shù)值和kthr的兩項數(shù)值.檢查MEM是否為瓶頸,分別檢查Memory的兩項數(shù)值和Page的六項數(shù)值.命令解析：sar可以用來收集反映系統(tǒng)運(yùn)行狀況，在這里主要是查看CPU的運(yùn)行狀況，CPU是否負(fù)載均衡,是否存在分配不均的情況。通過命令psgv|more來觀察。PIDTTYSTATTIMEPGINSIZERSSLIMTSIZTRS%CPU%MEMCOMMAND0-A4:2071214516xx0145040.05.0swapper1-A1:3310378952790443276825360.029.0/etc/init命令解析：ps可以用來查看進(jìn)程的當(dāng)前狀態(tài)。在這里通過參數(shù)的配搭，可以觀察目前正在運(yùn)行的進(jìn)程所耗的時間,CPU和memory量.其中，%CPU表示進(jìn)程所占用的CPU資源情況，%MEM表示進(jìn)程所占用的內(nèi)存情況。主要檢查是否有標(biāo)示為<defunc>的僵尸進(jìn)程耗用系統(tǒng)資源，以及informix數(shù)據(jù)庫的oninit進(jìn)程的系統(tǒng)消耗情況。在機(jī)器上用dd命令進(jìn)行磁盤陣列的寫操作校驗，與此同時用iostat1–dhdiskX觀察磁盤。Disks:%tm_actKbpstpsKb_readKb_wrtn命令解析:iostat可以用來查看系統(tǒng)的I/O的輸入輸出情況，在這里主要查看陣列上的硬盤的每秒讀寫量，同時估算磁盤陣列讀寫速度HHhHhh通過命令netstat–a進(jìn)行查看。ActiveInternetconnections(includingservers)ProtoRecv-QSend-QLocalAddressForeignAddress(state)命令解析:netstat可以用來查看系統(tǒng)的網(wǎng)絡(luò)情況，在這里主要是查看網(wǎng)絡(luò)客戶端連接的情況和開銷，檢查參數(shù)為state，如有死連接，state狀態(tài)為fin_wait,這樣耗用系統(tǒng)網(wǎng)絡(luò)資源，從而導(dǎo)致網(wǎng)絡(luò)性能下降構(gòu)成瓶頸。安全工作守則a.系統(tǒng)定期進(jìn)行系統(tǒng)備份，系統(tǒng)盤建議鏡像。b.當(dāng)有系統(tǒng)變更或進(jìn)行操作系統(tǒng)補(bǔ)丁安裝的時候，必須作一次系統(tǒng)備份。c.在7133和shark發(fā)現(xiàn)有硬盤故障的時候，請?zhí)嵝芽蛻糇⒁猱?dāng)天的數(shù)據(jù)備份。在更換硬盤的時候，請確認(rèn)當(dāng)天數(shù)據(jù)備份已經(jīng)完成。d.在更換敏感的電子元件，時候一定要防靜電。e.在插拔外圍設(shè)備的時候，請把外圍設(shè)備下電。f.在進(jìn)行主機(jī)微碼升級時候，請留意微碼的完整性。g.在進(jìn)行文件刪除的時候，請留意當(dāng)前路徑是否正確。h.在進(jìn)行文件解壓縮的時候，請留意參數(shù)和路徑。系統(tǒng)日常維護(hù)流程系統(tǒng)啟動系統(tǒng)啟動正常順序如下：首先對外設(shè)（磁盤陣列、磁帶庫等）加電。待所有外設(shè)加電自檢完成后，主機(jī)加電正常起機(jī)。主機(jī)加電后,系統(tǒng)進(jìn)行自檢,在液晶顯示屏顯示”ok”后,才能按白色POWER鍵起機(jī).啟動主機(jī)HACMP，啟動后可用命令tail-f/tmp/hacmp.out來檢查啟動情況，在HACMP未完全啟動前不要進(jìn)行下一步。檢查服務(wù)器的網(wǎng)絡(luò)地址，路由表(可用netstat-i,netstat-rn等)，檢查文件系統(tǒng)，邏輯卷(可用mount,lsvg-o等)。檢查各項應(yīng)用是否工作正常。系統(tǒng)關(guān)閉停止HACMP(smittyclstop)。查看HACMP的狀態(tài)，檢查服務(wù)器的網(wǎng)絡(luò)地址，路由表(可用netstat-i,netstat-rn等)，檢查文件系統(tǒng)，邏輯卷(可用mount,lsvg-o等)。在HACMP未完全停止前不要進(jìn)行下一步。關(guān)閉主機(jī)(shutdown–F)。重啟系統(tǒng)可以使用：shutdown-Fr如有必要的話，按磁盤陣列前方的白色按鈕關(guān)閉磁盤陣列。查看系統(tǒng)的錯誤記錄在系統(tǒng)運(yùn)行時，一些系統(tǒng)錯誤會記錄在errlog中，其中有些錯誤還會在終端上顯示。檢查錯誤日志可用以下命令：#errpt|more查看系統(tǒng)所有的記錄IDENTIFIERTIMESTAMPTCRESOURCE_NAMEDESCRIPTIONE85C5C4C0426104399PSCFGLFTSOFTWAREPROGRAMERROR2BFA76F60426104099TSSYSPROCSYSTEMSHUTDOWNBYUSER9D4CF6E70426104399TOerrdemonERRORLOGGINGTURNEDON1E2AC07E0426103999TOerrdemonERRORLOGGINGTURNEDOFF1E5EER4T0423132999TOclstrmgrOPERATORNOTIFICATION其中IDENTIFIER為錯誤編號，當(dāng)需要檢查詳細(xì)信息時常會用到。TIMESTAMP為時間標(biāo)簽，它記錄的是出錯時間，其格式:月月日日時時分分年年T為Type,它記錄的是錯誤類型P：為永久錯誤，需引起注意T：為臨時錯誤。C為Class,它記錄的是錯誤種類，如H:HardwareS:SoftwareO:ErrlogercommandmessagesU:undeterminedRESOURCE_NAME為錯誤來源DESCRIPTION為錯誤描述#errpt-aj<IDENTIFIER>查看系統(tǒng)詳細(xì)記錄內(nèi)容其中IDENTIFIER為錯誤編號，如#errpt-aj0426104399#errpt-dH查看系統(tǒng)所有的硬件出錯記錄系統(tǒng)與數(shù)據(jù)備份有效及時的系統(tǒng)備份是系統(tǒng)管理的非常重要的一環(huán)。當(dāng)系統(tǒng)出現(xiàn)故障時，特別是文件系統(tǒng)被嚴(yán)重?fù)p壞或硬盤損壞時，常需要使用系統(tǒng)備份來恢復(fù)系統(tǒng)。在以下情況下應(yīng)做系統(tǒng)備份：1、新裝機(jī)。在硬件及系統(tǒng)軟件安裝完成后，應(yīng)做系統(tǒng)備份。2、軟件改動。系統(tǒng)軟件或應(yīng)用軟件有改動時，應(yīng)做系統(tǒng)備份。3、定期備份。對系統(tǒng)進(jìn)行定期備份，最好每兩或三個月做一次備份備份注意事項：進(jìn)行系統(tǒng)備份無須停止業(yè)務(wù)，業(yè)務(wù)可以繼續(xù)進(jìn)行。建議客戶進(jìn)行定期的系統(tǒng)備份（使用命令smittymksysb）?？蛻粢部筛鶕?jù)需要利用SMIT對系統(tǒng)的特定的VG或FS進(jìn)行備份。smittymksysb只備份rootvg中mount起來的文件系統(tǒng)，其它文件系統(tǒng)或數(shù)據(jù)并沒有做備份，所以數(shù)據(jù)備份需要另外完成（建議客戶使用TAR格式）在條件允許的情況下，最好有一盤以上備份帶，以防止磁帶損壞。系統(tǒng)備份過程中有時候會提示有些/tmp目錄下的文件無法備份，顯示如下：Creatinglistoffilestobackup...Backingup34025files1694of34025files(4%)2733of34025files(8%)backup:0511-449Anerroroccurredaccessing./tmp/sh34736.1:Afileordirectoryinthepathnamedoesnotexist.backup:0511-449Anerroroccurredaccessing./tmp/sh34736.2:Afileordirectoryinthepathnamedoesnotexist.backup:0511-449Anerroroccurredaccessing./tmp/sh34736.3:Afileordirectoryinthepathnamedoesnotexist15458of34025files(45%)31920of34025files(93%)0512-003mksysbmaynothavebeenabletoarchivesomefiles.ThemessagesdisplayedontheStandardErrorcontainedadditionalinformation.這是正?，F(xiàn)象，備份成功。系統(tǒng)恢復(fù)當(dāng)系統(tǒng)發(fā)生比較嚴(yán)重的故障以致采取一般性維護(hù)手段不能在短期內(nèi)恢復(fù)原系統(tǒng)，在與客戶進(jìn)行蹉商后，可將最近一次的系統(tǒng)備份帶倒回機(jī)器內(nèi)以全面恢復(fù)系統(tǒng)到最近一次做備份時的系統(tǒng)環(huán)境，然后可將當(dāng)日的數(shù)據(jù)備份再倒回系統(tǒng)內(nèi)。至此，系統(tǒng)可恢復(fù)正常運(yùn)行。此后，客戶應(yīng)當(dāng)與IBM工程師再進(jìn)行整個事件的全面分析與回顧，以期找到故障發(fā)生的原因，并采取相應(yīng)措施以杜絕類似事件再次發(fā)生。DUMP當(dāng)系統(tǒng)運(yùn)行出現(xiàn)軟件故障導(dǎo)致系統(tǒng)down機(jī)時，機(jī)器的液晶顯示器會出現(xiàn)888102xxx0c0(xxx可能為700或其它)，AIX常會將當(dāng)時系統(tǒng)的運(yùn)行情況記錄下來，這就是DUMP。當(dāng)DUMP產(chǎn)生后，請將磁帶放入磁帶機(jī)，用命令#snap-a-o/dev/rmt0將DUMP文件拷貝到磁帶設(shè)備/dev/rmt0中。注明磁帶機(jī)的blocksize,DUMP產(chǎn)生的日期和機(jī)器的型號及序列號。同時，請用#errpt-a>/tmp/err.log將errorlog記在/tmp/err.log中，并將/tmp/err.log和/tmp/hacmp.*拷貝到軟盤或磁帶上。將磁帶和軟盤交給IBM工程師。故障定位、故障排除根據(jù)我們在實際商用系統(tǒng)中碰到問題，我們總結(jié)出了以下幾種常見故障及其定位方式和解決方法。硬件故障硬件故障有很多種，對系統(tǒng)產(chǎn)生的影響也不一樣，這里按其故障對系統(tǒng)的影響程度分：致命影響的硬件故障和只影響功能的硬件故障兩類進(jìn)行硬件分類：其損壞對系統(tǒng)產(chǎn)生致命影響（將使機(jī)器宕機(jī)或無法啟動）的硬件包括：主板、CPU、I/O柜（包含本地盤、光驅(qū)、PCI插槽等的柜子）或CEC柜（包含CPU/MEMORY等的柜子）、I/O柜與CEC柜的接線、電源模塊、風(fēng)扇、本地硬盤、內(nèi)存損壞等等注：I/O柜和CEC柜一般在比較高端的小型機(jī)才有，如M80，低端的是合一的。這些設(shè)備的損壞等將使系統(tǒng)無法完成自檢、引導(dǎo)和啟動，液晶顯示屏上都將有錯誤信息，可根據(jù)液晶顯示屏上的錯誤碼對照ServiceGuide查的錯誤原因，如果是工作狀態(tài)下出現(xiàn)這些硬件損壞，則系統(tǒng)將被掛起或宕機(jī)。其損壞對僅對系統(tǒng)產(chǎn)生功能影響（機(jī)器不會宕機(jī)并能正常啟動）的硬件包括：網(wǎng)卡、本地硬盤有壞塊、顯卡、SSA卡和其他外圍設(shè)備這些設(shè)備的損壞只影響特定功能，如網(wǎng)絡(luò)功能、顯示功能、訪問磁陣的功能等，對于本地硬盤有壞塊的情況，則要看壞塊中是否包含了重要的系統(tǒng)文件，如果不是重要系統(tǒng)文件，則系統(tǒng)功能不受影響，但也建議立即更換該硬盤。故障定位和排除：以上硬件故障信息都可以使用：液晶屏上的錯誤碼或：errpt–dH查看到根據(jù)錯誤碼確定是什么硬件出了故障，對商用系統(tǒng)來講，由于是雙機(jī)系統(tǒng)，如果損壞機(jī)器是主機(jī)可以將此服務(wù)器切換成備機(jī)，然后修復(fù)故障機(jī)器，恢復(fù)系統(tǒng)。磁陣故障磁陣引起的故障是目前碰到的最頻繁、危害最大的故障，據(jù)不完全統(tǒng)計，其故障覆蓋到總故障的70%以上，具體來講，可能引起磁陣故障的環(huán)節(jié)包括：磁陣硬盤、7133柜子、主機(jī)上的SSA卡、連接7133與主機(jī)的SSA線、硬盤的位置和ssa線的接線方式、以及盤柜使用的電壓及周圍磁場、磁陣/硬盤/ssa卡的微碼等都可能造成7133的異常。7133磁陣的問題是最復(fù)雜的，一般有物理損壞的原因也有環(huán)境原因，這是主因，如接線、插盤位置不符合要求、未及時查看系統(tǒng)告警等造成系統(tǒng)中斷等輔因。按照我們的經(jīng)驗，不管是什么硬件故障導(dǎo)致7133故障，系統(tǒng)都會產(chǎn)生告警，如果能及時發(fā)現(xiàn)問題并采取措施，一般都能防止故障的發(fā)生。故障定位：7133硬件故障也可以使用：errpt–dH查看到伴隨的錯誤碼有：B4C006180115140004PHssa0RESOURCEUNAVAILABLEFE9E93570401082304PHssa0DISKOPERATIONERRORFE9E93571205000803PHpdisk3DISKOPERATIONERROR03913B941122031103UHLVDDHARDWAREDISKBLOCKRELOCATIONACHIEVED613E5F381121125103PHLVDDI/OERRORDETECTEDBYLVM625E6B9A0401090004PHssa0ADAPTERDETECTEDOPENSERIALLINK26CA120B0206081104PHssa0CACHESTORAGECARD所有的錯誤碼都預(yù)示著7133有異常，紅色部分則表示肯定出現(xiàn)了硬件故障，需要立即進(jìn)行檢查并采取措施，否則磁陣將很快不能訪問。對于藍(lán)色部分：625E6B9A0401090004PHssa0ADAPTERDETECTEDOPENSERIALLINK表示ssa出現(xiàn)了開環(huán)，出現(xiàn)開環(huán)不僅影響IO性能，也增加了風(fēng)險，即如果另一個環(huán)路也出現(xiàn)問題，將不能訪問磁陣。開環(huán)一般有兩種情況：1)如果625E6B9A報錯比較頻繁，如每天幾次，則表示系統(tǒng)很有可能出了硬件故障，雖然不會導(dǎo)致訪問磁陣失敗，但需要立即查出原因并解決。查錯方法可以參考下面的描述。2)如果625E6B9A錯誤偶爾報一次，則要具體情況具體對待，有可能是讀寫忙出現(xiàn)的誤報，也按下面方法進(jìn)行排查，如果沒有查出具體的原因，則可以繼續(xù)觀察。26CA120B0206081104PHssa0CACHESTORAGECARD該錯誤一般是在:SSA卡帶writecache并打開FastWrite，而ssa卡上用于writecache供電的可充電鎳鎘電池達(dá)到或接近安全壽命的情況下產(chǎn)生的。這類錯誤產(chǎn)生將影響IO寫性能，并且由于在FastWrite打開的情況下，主備機(jī)需要同步ssa卡上的writecache，所以甚至?xí)绊懙街鱾錂C(jī)同步。具體解決方法可參考下文。故障排除：對于紅色部分錯誤的問題排除，一般可以使用diag命令進(jìn)行進(jìn)一步診斷：#diag->TaskSelection->SSAServiceAids->LinkVerification檢查環(huán)路中是否出現(xiàn)了？？？的盤符或狀態(tài)不是good的硬盤或使用：#smittyssaraid->ListAllDefinedSSARAIDArrays查看磁盤陣列RAID盤的狀態(tài)是否是Good。如果是degrade或其他狀態(tài)表示RAID盤出現(xiàn)問題了這時候不建議再進(jìn)行單獨硬盤的Certify，而是趕緊通知IBM準(zhǔn)備好相同型號和大小的硬盤(至少兩塊)到現(xiàn)場進(jìn)行進(jìn)一步的診斷和壞盤更換。625E6B9A0401090004PHssa0ADAPTERDETECTEDOPENSERIALLINK的排查方法：1、要求將7133中未插硬盤的槽位全部插上dummy盤。(dummy盤:啞元盤,就是那個空殼子，相當(dāng)于代替SSA硬盤裝在磁盤陣列的塑料模型,當(dāng)磁盤陣列的16個槽位沒有被SSA硬盤插滿時才用到.)2、看看Loop狀態(tài):diag>TaskSelection-->SSAServiceAids-->LinkVerification.正常AdapterPort下的兩列數(shù)字是連續(xù)不間斷的排列,且Status都為good,如果Physical列有???????符號.或Status不是good，則說明已經(jīng)存在硬盤或鏈路故障，這種情況則要立即采取行動，做進(jìn)一步檢查以確定是否要更換硬盤。檢查單盤是否有問題的方法如下：diag>TaskSelection-->SSAServiceAids-->CertifyDisk選擇認(rèn)為存在故障的硬盤進(jìn)行檢查3、如果7133存在硬件故障時，可從狀態(tài)燈上觀察到：當(dāng)單塊硬盤出現(xiàn)故障或未被使用時，其面板上的硬盤狀態(tài)燈會不亮陣列的狀態(tài)燈黃燈會亮或接SSA線的端口的指示燈也會熄滅如果通過以上三種方法都未發(fā)現(xiàn)問題，而系統(tǒng)仍報OpenSerialLink錯誤，建議繼續(xù)跟蹤。26CA120B0206081104PHssa0CACHESTORAGECARD的處理方法：背景介紹：IBM小型機(jī)上連接7133磁陣所配置的SSA卡一般都帶有一塊充電電池，該電池用于在突然停電的情況下保護(hù)ssa卡上的fastwritecache中的信息不丟失，這塊電池的安全壽命一般是22000小時，差不多兩年半的時間，也就是說，當(dāng)fastwrite模式啟動的情況下，一般兩年半以后需要更換這塊電池。問題表現(xiàn)：對ssa卡上的電池保護(hù)是通過卡上的一個計數(shù)器實現(xiàn)的，每運(yùn)行一小時該計數(shù)器會增加一，當(dāng)該計數(shù)接近或超過22000時，系統(tǒng)會有26CA120B硬件報警：26CA120B0206120904PHssa1CACHESTORAGECARD可以用如下命令檢查ssa卡上的狀態(tài)：(-a后帶上卡的邏輯設(shè)備名，這里假設(shè)是ssa0)ssa_fw_status-assa0-p(檢查電池已經(jīng)工作的時間，小時為單位)ssa_fw_status-assa0-l(檢查電池安全工作壽命，小時為單位)ssa_fw_status-assa0-c(檢查ssa卡上的fastwrite功能是否被激活)處理步驟：（按優(yōu)選方式列出，從中選擇一種即可）1)更換電池選擇系統(tǒng)閑時，更換主備機(jī)ssa卡電池，可以采用：停備機(jī)－》更換備機(jī)ssa卡電池－》起備機(jī)（雙機(jī)服務(wù)）－》主備倒換－》停原主機(jī)－》更換原主機(jī)ssa卡電池－》起原主機(jī)（雙機(jī)服務(wù)）2)如果系統(tǒng)出現(xiàn)26CA120B電池告警，使用ssa_fw_status-assa0-c檢查主用ssa卡(一般是ssa0)的FastWrite是否處于inactive（未被激活）狀態(tài)，如果是，則以root執(zhí)行如下命令：ssa_format-lssa0-berrclear0/usr/lib/errstop/usr/lib/errdemon可以暫緩更換電池時間，等有電池后再更換，但這段時間對磁陣讀寫性能會有所影響。3)如果短期內(nèi)不能更換電池，同時主機(jī)主用卡的FastWrite仍然處于Active狀態(tài)，建議手工屏蔽fastwrite功能1）先停止雙機(jī)2）在1號機(jī)修改hdisk該屬性：smittydev->ssadisks->ssalogicaldisks->change/showcharactersof...->[choosehdisk2]->fastwrite[no]3）在1號機(jī)激活卷組varyonvgzxinvg4）在1號機(jī)去激活卷組varyoffvgzxinvg5）在2號機(jī)上執(zhí)行smittydev->ssadisks->ssalogicaldisks->change/showcharactersof...->[choosehdisk2]->fastwrite[no]檢查fastwrite是否已經(jīng)改為no(只要1號機(jī)做了2好機(jī)就不用再修改了)6）在2號機(jī)上執(zhí)行rmdev-dlhdisk2cfgmgr-v7）在2號機(jī)上執(zhí)行l(wèi)spv(查看hdisk2是否已找到)8）然后執(zhí)行varyonvgzxinvgvaryoffvgzxinvg9）重新啟動雙機(jī)對于出現(xiàn)錯誤：B4C006180115140004PHssa0RESOURCEUNAVAILABLE而不伴隨其他紅色標(biāo)出錯誤的情況，則通過以下方式排查：可能是hdisk中將‘enableuserofhotspare’打開了，而實際并沒有配置hotspare盤，可以通過如下方式解決：檢查RAID的狀態(tài)：#smittyssaraidlistalldefinedSSARAIDarrays:allareinstatusgood(ssa0)檢查是否配置了hotspare:list/identifySSAPhysicaldisks-->Listhotspares:none修改每個ssa卡所配置的hdisk的屬性：:set"enableuseofhotspare"to"no"然后再執(zhí)行：#/usr/lib/errstop#cp/var/adm/ras/errlog/var/adm/ras/errlog.bak#/usr/lib/errdemon#errclear0對于物理硬盤的接法可參考如下說明：（有可能老局未配置hotspare，則連線方法按未配置hotspare盤的個數(shù)計算）分以下幾種情況講述：1)數(shù)據(jù)盤小于等于6塊，建議配置一塊hotspare2)數(shù)據(jù)盤大于等于8塊小于等于10塊，建議配置兩塊hotspare3)數(shù)據(jù)盤大于等于12塊小于等于14塊，建議配置兩塊hotsparel數(shù)據(jù)盤小于等于6塊，配置一塊hotspare的接線和配置規(guī)則：a)主機(jī)A1、A2接磁陣1、8位置；備機(jī)A1、A2接磁陣4、5位置b)保證磁陣前排1\4\5\8硬盤位置一定要插盤，其余的盤可以挑空位插，注意1-4、5-8兩側(cè)的數(shù)據(jù)盤保持軸對稱關(guān)系插入（如1和8是軸對稱的、4和5是軸對稱的）c)沒有插硬盤的位置一定要插上dummy盤d)做RAID0＋1時，考慮到性能問題，請將1-4、5-8以軸對稱方式一一對應(yīng)做硬盤鏡像，舉例如下:ibm對pdisk的排序與實際的物理位置是不同的，所以必須先通過lsdev-C|greppdisk的方式找出其對應(yīng)關(guān)系并記錄下來，如：pdisk0Available11-08-1641-01-PSSA160PhysicalDiskDrivepdisk1Available11-08-1641-05-PSSA160PhysicalDiskDrivepdisk2Available11-08-1641-04-PSSA160PhysicalDiskDrivepdisk3Available11-08-1641-08-PSSA160PhysicalDiskDrive看第三列中間字符中有-01-的字樣，表示其物理硬盤位置，以上對應(yīng)關(guān)系表示pdisk0-pdisk3對應(yīng)的物理槽位分別是前排1\5\4\8的位置，所以在使用smittyssaraid做RAID0+1時，需將1\8位置的硬盤（pdisk0/pdisk3）做成鏡像、4\5位置的硬盤（pdisk2/pdisk1）做成鏡像，所以選擇PrimaryDisks/SecondaryDisks時如下：smittyssaraid->AddanSSARAIDArray->...PrimaryDisks[需要選擇：pdisk0pdisk2]--1\4槽位的硬盤作為主盤SecondaryDisks[需要選擇：pdisk3pdisk1]--8\5槽位的硬盤作為從盤該要求只是從性能考慮，并不增加其他特性。e)hotspare盤插入位置可以找前排8個位置中的空位插入即可。無特殊位置要求，制作方法如下：使用lsdev-C|greppdisk方式找出其pdisk號，如pdisk5然后使用如下方式將其做成hotspare盤。smittyssaraid->ChangeUseofMultipleSSAPhysicalDisks->選擇ssa卡(連接磁陣的ssa卡，缺省為ssa0)->選擇作為hotspare的pdisk，如pdisk6->NewUse->選擇hotspare按回車創(chuàng)建即可l數(shù)據(jù)盤大于等于8塊小于等于10塊，配置兩塊hotspare的接線和配置規(guī)則：a)主機(jī)A1、A2接磁陣1、12位置；備機(jī)A1、A2接磁陣8、9位置b)保證磁陣前排1－8位置插滿數(shù)據(jù)盤，9-12位置的數(shù)據(jù)盤和hotspare盤位置可任意。c)沒有插硬盤的位置一定要插上dummy盤d)做RAID0＋1時，考慮到性能問題，請將1-4、5-8以軸對稱方式一一對應(yīng)做硬盤鏡像，9-12位置中有數(shù)據(jù)盤的，將其對應(yīng)做鏡像，其余兩塊做hotspare，舉例如下:ibm對pdisk的排序與實際的物理位置是不同的，所以必須先通過lsdev-C|greppdisk的方式找出其對應(yīng)關(guān)系并記錄下來，如：pdisk0Available11-08-1641-01-PSSA160PhysicalDiskDrivepdisk1Available11-08-1641-05-PSSA160PhysicalDiskDrivepdisk2Available11-08-1641-04-PSSA160PhysicalDiskDrivepdisk3Available11-08-1641-08-PSSA160PhysicalDiskDrivepdisk4Available11-08-1641-02-PSSA160PhysicalDiskDrivepdisk5Available11-08-1641-03-PSSA160PhysicalDiskDrivepdisk6Available11-08-1641-07-PSSA160PhysicalDiskDrivepdisk7Available11-08-1641-06-PSSA160PhysicalDiskDrivepdisk8Available11-08-1641-09-PSSA160PhysicalDiskDrivepdisk9Available11-08-1641-11-PSSA160PhysicalDiskDrivepdisk10Available11-08-1641-10-PSSA160PhysicalDiskDrivepdisk11Available11-08-1641-12-PSSA160PhysicalDiskDrive看第三列中間字符中有-01-的字樣，表示其物理硬盤位置，以上對應(yīng)關(guān)系表示pdisk0-pdisk11對應(yīng)的物理槽位分別是1\5\4\8\2\3\7\6\9\11\10\12的位置，所以在使用smittyssaraid做RAID0+1時，前面八塊盤按1-4、5-8軸對稱方式對應(yīng)做mirror,9-12中如選擇9(pdisk8)/12(pdisk11)位置做mirror所以選擇PrimaryDisks/SecondaryDisks時如下：smittyssaraid->AddanSSARAIDArray->...PrimaryDisks[選擇：pdisk0pdisk4pdisk5pdisk2pdisk8]物理1-4,9槽位SecondaryDisks[選擇：pdisk3pdisk6pdisk7pdisk1pdisk11]物理8-5,12槽位該要求只是從性能考慮，并不增加其他特性。e)剩余物理位置10(pdisk10)/11(pdisk9)盤做成hotspare，方法同上e)步驟l數(shù)據(jù)盤大于等于12塊小于等于14塊，配置兩塊hotspare的接線和配置規(guī)則：a)主機(jī)A1、A2接磁陣1、16位置；備機(jī)A1、A2接磁陣8、9位置b)空出3、14位置插hotspare，如果是12塊數(shù)據(jù)盤，空出2、15位置插dummy盤，其余都插入數(shù)據(jù)盤；如果是14塊數(shù)據(jù)盤，則將剩余的14個位置全部插上數(shù)據(jù)盤c)做RAID0＋1時，考慮到性能問題，請將1-8、9-16以軸對稱方式一一對應(yīng)做硬盤鏡像，hotspare也滿足軸對稱關(guān)系，舉例如下:ibm對pdisk的排序與實際的物理位置是不同的，所以必須先通過lsdev-C|greppdisk的方式找出其對應(yīng)關(guān)系并記錄下來，如：pdisk0Available11-08-1641-01-PSSA160PhysicalDiskDrivepdisk1Available11-08-1641-05-PSSA160PhysicalDiskDrivepdisk2Available11-08-1641-04-PSSA160PhysicalDiskDrivepdisk3Available11-08-1641-08-PSSA160PhysicalDiskDrivepdisk4Available11-08-1641-02-PSSA160PhysicalDiskDrivepdisk5Available11-08-1641-03-PSSA160PhysicalDiskDrivepdisk6Available11-08-1641-07-PSSA160PhysicalDiskDrivepdisk7Available11-08-1641-06-PSSA160PhysicalDiskDrivepdisk8Available11-08-1641-09-PSSA160PhysicalDiskDrivepdisk9Available11-08-1641-11-PSSA160PhysicalDiskDrivepdisk10Available11-08-1641-10-PSSA160PhysicalDiskDrivepdisk11Available11-08-1641-12-PSSA160PhysicalDiskDrivepdisk12Available11-08-1641-16-PSSA160PhysicalDiskDrivepdisk13Available11-08-1641-13-PSSA160PhysicalDiskDrivepdisk14Available11-08-1641-15-PSSA160PhysicalDiskDrivepdisk15Available11-08-1641-14-PSSA160PhysicalDiskDrive看第三列中間字符中有-01-的字樣，表示其物理硬盤位置，以上對應(yīng)關(guān)系表示pdisk0-pdisk15對應(yīng)的物理槽位分別是1\5\4\8\2\3\7\6\9\11\10\12\16\13\15\14的位置，所以在使用smittyssaraid做RAID0+1時，以1-8、9-16以軸對稱創(chuàng)建mirror所以選擇PrimaryDisks/SecondaryDisks時如下：smittyssaraid->AddanSSARAIDArray->...PrimaryDisks[選擇：pdisk0pdisk4pdisk2pdisk1pdisk7pdisk6pdisk3]物理1-8槽位，除3位置以外SecondaryDisks[選擇：pdisk12pdisk14pdisk13pdisk11pdisk9pdisk10pdisk8]物理16-9槽位，除14位置以外該要求只是從性能考慮，并不增加其他特性。剩余物理位置3(pdisk5)/14(pdisk15)盤做成hotspare，方法同上e)步驟網(wǎng)絡(luò)故障由于我們應(yīng)用對網(wǎng)絡(luò)依賴很強(qiáng)，所以當(dāng)網(wǎng)絡(luò)出現(xiàn)全阻或瞬斷都將對系統(tǒng)產(chǎn)生重大影響，網(wǎng)絡(luò)故障一般可分為硬件故障（如網(wǎng)卡故障和交換機(jī)、路由器故障）和軟件故障（網(wǎng)絡(luò)中有IP包攻擊或網(wǎng)絡(luò)擁塞）兩種情況。硬件故障：1．網(wǎng)卡對于網(wǎng)卡故障，由于商用系統(tǒng)中都是采用IBM的HA雙機(jī)系統(tǒng)，而且每臺機(jī)器都配置有至少兩塊網(wǎng)卡，所以當(dāng)單塊網(wǎng)卡或網(wǎng)線出現(xiàn)問題時，HA軟件都將采取措施實現(xiàn)ServiceIP切換。網(wǎng)卡故障定位方法：使用errpt–dH可查看到網(wǎng)卡服務(wù)中斷的錯誤，再使用diag進(jìn)行網(wǎng)卡診斷網(wǎng)卡故障排查方法：如果診斷出網(wǎng)卡有問題，則關(guān)閉系統(tǒng)后進(jìn)行更換。（如果是主機(jī)，則先手工切換為備機(jī)后再操作）2．交換機(jī)我們的網(wǎng)絡(luò)一般都采取雙網(wǎng)雙平面的結(jié)構(gòu)，所以當(dāng)一個網(wǎng)絡(luò)平面的交換機(jī)出現(xiàn)問題時，也不會中斷網(wǎng)絡(luò)服務(wù)，但值得重視的是：主、備交換機(jī)之間的直連線要保持暢通，否則一單發(fā)生IBM服務(wù)器主機(jī)或SIU主機(jī)的網(wǎng)卡切換，將導(dǎo)致IBM服務(wù)器主機(jī)和SIU主機(jī)斷鏈，從而導(dǎo)致業(yè)務(wù)全阻。還有一種情況，有些地方為了網(wǎng)絡(luò)安全，對連到switch上的不同設(shè)備劃分了不同的VLAN，同時又將主、備switch之間改成通過兩個口連接，并劃分在一個channelgroup里，當(dāng)時碰到的一種情況是：1)當(dāng)時IBM服務(wù)器的主網(wǎng)卡從缺省VLAN0到VLAN6實現(xiàn)遷移時，網(wǎng)絡(luò)將出現(xiàn)15秒～30秒的瞬斷2)當(dāng)時主、備交換機(jī)之間的channelgroup工作不正常，鏈路不通。當(dāng)1)發(fā)生時，IBM雙機(jī)發(fā)生主、備網(wǎng)卡倒換，但由于2)的問題，導(dǎo)致IBM主機(jī)無法與SIU建鏈。問題排查及建議：1)建議開局時一定要做雙網(wǎng)雙平面中一個平面的swith發(fā)生掉電的故障測試2)建議一定要做主、備交換機(jī)之間的設(shè)備之間的網(wǎng)絡(luò)互訪測試，確保暢通3)盡量不要在白天在switch上進(jìn)行配置修改，如果需要修改，也要在晚上進(jìn)行，并有嚴(yán)格的方案軟件故障：1．網(wǎng)絡(luò)擁塞由于系統(tǒng)在封閉網(wǎng)絡(luò)中運(yùn)行，所以發(fā)生網(wǎng)絡(luò)擁塞的可能性比較小，但如果網(wǎng)絡(luò)拓?fù)浔容^復(fù)雜的話，也可能發(fā)生這種情況，在主機(jī)上的表現(xiàn)為ping主機(jī)丟包嚴(yán)重，主機(jī)到SIU之間鏈路時通時斷，數(shù)據(jù)包丟失，設(shè)備功能異常。問題排查及建議：1)盡量使NT/2000的機(jī)器從網(wǎng)絡(luò)上隔離出去2)如果情況仍未改善，建議啟動SIU應(yīng)急流程3)在恢復(fù)呼叫的前提下，使用網(wǎng)絡(luò)工具抓包，找出攻擊源、逐步將設(shè)備恢復(fù)到網(wǎng)絡(luò)。2．切換失敗現(xiàn)場碰到過一種情況，當(dāng)發(fā)生主、備機(jī)切換時老是切換不成功，檢查發(fā)現(xiàn)是備機(jī)的主網(wǎng)卡綁定浮動IP老是失敗，再進(jìn)一步排查，發(fā)現(xiàn)失敗的原因是備機(jī)主網(wǎng)卡綁定MAX地址失敗，由于IBM雙機(jī)配置時需要將ServiceIP配置為一個固定的MAC地址，規(guī)則是取主機(jī)主網(wǎng)卡的MAC地址，將最后兩位改為固定的兩個數(shù)字（要求與原主網(wǎng)卡地址不同，如定制為89）。但這樣的規(guī)則在現(xiàn)場不成功問題排除：最后修改了HA拓?fù)鋱D中以太網(wǎng)配置中ServiceAdapter配置，去掉MAC地址的配置（置為空），讓后同步雙機(jī)，再進(jìn)行倒換，一切OK由于網(wǎng)絡(luò)故障出現(xiàn)會導(dǎo)致遠(yuǎn)程登錄失效，所以無法進(jìn)行系統(tǒng)維護(hù)。所以建議任何一套IBM服務(wù)器都要配置一個維護(hù)臺。OS故障AIX是一個比較穩(wěn)定的操作系統(tǒng)，出現(xiàn)故障一般是人為因素引起的：1.沒按要求打OS補(bǔ)丁，如433打了09的補(bǔ)丁造成內(nèi)存泄漏2.應(yīng)用程序或數(shù)據(jù)庫消耗內(nèi)存太多或存在內(nèi)存泄漏導(dǎo)致物理內(nèi)存和pagingspace被耗盡導(dǎo)致系統(tǒng)掛起3.人為刪除了重要的目錄或文件，如：/dev、/usr、/bin、/sbin、/etc等故障排查：1．查操作系統(tǒng)補(bǔ)丁是否符合要求（433要求10以上，5.1要求5以上）2．檢查內(nèi)存、pagingspace的使用情況（使用lsps–a查看使用率要小于20%）3．檢查shell命令執(zhí)行時是否有報錯，errpt有無相關(guān)報錯HA故障對于HA安裝時出現(xiàn)的故障，如同步拓?fù)鋱D失敗，要求檢查以下條款看是否符合要求：1．對于4.4.1版本的HA一定要打上15以上的補(bǔ)丁，4.5版本的HA要求打上9以上的補(bǔ)丁2．網(wǎng)絡(luò)相關(guān)的配置文件一定要按照安裝手冊去設(shè)置3．網(wǎng)絡(luò)ip配置要正確并且保證物理鏈路暢通4．所有4.4.1、4.4.0版本一律使用標(biāo)準(zhǔn)版5．不能在同一臺機(jī)器中同時安裝標(biāo)準(zhǔn)版或ES版6.打補(bǔ)丁時請使用smittyupdate_all方式，不要選擇打所有補(bǔ)丁，因為標(biāo)準(zhǔn)版和ES版的補(bǔ)丁往往在一起，這樣會導(dǎo)致版本不一致如果是新開局，一定要保證做雙機(jī)倒換測試并確保成功。如果在后續(xù)使用中，進(jìn)行了如下操作，以后再做雙機(jī)切換會失?。?．在主機(jī)上做過磁陣RAID或共享VG相關(guān)信息的修改，如：增加了新的RAID盤，修改了共享VG的配置2．在共享VG中增加了新的FS、增加了新LV3．以上配置或修改只在主機(jī)上進(jìn)行了操作，而未將共享VG信息及時同步到備機(jī)4．備機(jī)雖然導(dǎo)入了新的共享VG信息，但未修