IBM小型機培訓高級篇(EM培訓資料)

IBM小型機培訓（高級篇）2023年2月1日故障定位、故障排除系統(tǒng)日常維護流程機房環(huán)境及物理檢查目錄機房環(huán)境及物理檢查

機房內(nèi)需求一、機房內(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，請注意改善機房環(huán)境同時機房要保證清潔.機房應保持清潔，若空氣灰塵過多，很容易造成資源讀寫錯誤及磁盤機中磁盤或讀寫磁頭毀損。機房環(huán)境及物理檢查

機房內(nèi)需求二、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:視機器類型和系統(tǒng)配置而定電源線:標準的零,地,火三相電,其中零,地電壓不得超過3.0V.電源接駁:用符合電流要求的空氣開關(guān)或其他設(shè)備和主機電源線接駁,保證計算機系統(tǒng)的可靠工作應使用穩(wěn)壓電源和UPS，并建議配備發(fā)電機組;對于冗于電源的接入,建議采用兩路單獨輸入.機房環(huán)境及物理檢查

機房內(nèi)需求三、硬件檢查檢查服務器、磁陣的安裝、電源線、7133和主機接線符合要求。服務器狀態(tài)檢查：當服務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無信息顯示。當液晶顯示器上出現(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)機型的ServiceGuide查到相應告警原因，情況嚴重的，則要立即通知IBM技術(shù)專家進行問題排查。機房環(huán)境及物理檢查

機房內(nèi)需求7133狀態(tài)檢查：磁陣前面板上有7133機柜的狀態(tài)燈（與電源燈并排）和各硬盤的狀態(tài)燈（一排小燈，與各硬盤位置一一對應）。1.

當機柜的狀態(tài)燈出現(xiàn)橙黃色時，說明有硬件告警，此時要檢查磁柜的電源、接線、硬盤等。如果有硬件故障則立即進行更換和更正，如果查不出具體問題，則需要聯(lián)系相關(guān)專家進一步診斷。2.當硬盤工作正常時，與各硬盤對應的硬盤燈會呈綠色，如無讀寫，則綠燈一直亮，如該硬盤有讀寫操作，則綠燈會不規(guī)則閃爍，當硬盤損壞時或SSA環(huán)路出現(xiàn)問題時，則硬盤狀態(tài)燈將熄滅，或者呈閃爍狀態(tài)：以1～3秒的頻率有規(guī)律地、不停地閃爍。故障定位、故障排除系統(tǒng)日常維護流程機房環(huán)境及物理檢查目錄日常系統(tǒng)維護流程系統(tǒng)啟動與關(guān)閉

2.1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，主機加電正常起機。主機加電后,系統(tǒng)進行自檢,在液晶顯示屏顯示”ok”后,才能按白色POWER鍵起機.啟動主機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行下一步。檢查服務器的網(wǎng)絡地址，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)。檢查各項應用是否工作正常。日常系統(tǒng)維護流程系統(tǒng)啟動與關(guān)閉

2.2系統(tǒng)關(guān)閉停止HACMP(smittyclstop)。查看HACMP的狀態(tài)，檢查服務器的網(wǎng)絡地址，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行下一步。關(guān)閉主機(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。日常系統(tǒng)維護流程查看系統(tǒng)的錯誤記錄

2.3查看系統(tǒng)的錯誤記錄在系統(tǒng)運行時，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日常系統(tǒng)維護流程查看系統(tǒng)的錯誤記錄

其中，IDENTIFIER為錯誤編號，當需要檢查詳細信息時常會用到。TIMESTAMP為時間標簽，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，日常系統(tǒng)維護流程查看系統(tǒng)的錯誤記錄

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日常系統(tǒng)維護流程系統(tǒng)與數(shù)據(jù)備份

2.4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)。當系統(tǒng)出現(xiàn)故障時，特別是文件系統(tǒng)被嚴重損壞或硬盤損壞時，常需要使用系統(tǒng)備份來恢復系統(tǒng)。在以下情況下應做系統(tǒng)備份：1、新裝機。在硬件及系統(tǒng)軟件安裝完成后，應做系統(tǒng)備份。2、軟件改動。系統(tǒng)軟件或應用軟件有改動時，應做系統(tǒng)備份。3、定期備份。對系統(tǒng)進行定期備份，最好每兩或三個月做一次備份。系統(tǒng)備份操作介紹:在命令行中輸入smittymksysb,可見到以下畫面：日常系統(tǒng)維護流程系統(tǒng)與數(shù)據(jù)備份

日常系統(tǒng)維護流程系統(tǒng)與數(shù)據(jù)備份

按F4鍵，見到以下畫面：日常系統(tǒng)維護流程系統(tǒng)與數(shù)據(jù)備份

通過上下鍵選擇備份的目標設(shè)備（選/dev/rmt0

磁帶機），按回車，見到以下畫面：日常系統(tǒng)維護流程系統(tǒng)與數(shù)據(jù)備份

再按回車，開始備份，直到見到以下畫面，表示備份完成：備份注意事項：進行系統(tǒng)備份無須停止業(yè)務，業(yè)務可以繼續(xù)進行。建議客戶進行定期的系統(tǒng)備份（使用命令smittymksysb）。客戶也可根據(jù)需要利用SMIT對系統(tǒng)的特定的VG或FS進行備份。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：日常系統(tǒng)維護流程系統(tǒng)與數(shù)據(jù)備份

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:Afileordirectoryinthepathnamedoesnotexist.15458of34025files(45%)31920of34025files(93%)0512-003mksysbmaynothavebeenabletoarchivesomefiles.ThemessagesdisplayedontheStandardErrorcontainedadditionalinformation.這是正?，F(xiàn)象，備份成功

日常系統(tǒng)維護流程系統(tǒng)與數(shù)據(jù)備份

日常系統(tǒng)維護流程系統(tǒng)回復與DUMP

2.5系統(tǒng)恢復

當系統(tǒng)發(fā)生比較嚴重的故障以致采取一般性維護手段不能在短期內(nèi)恢復原系統(tǒng)，在與客戶進行蹉商后，可將最近一次的系統(tǒng)備份帶倒回機器內(nèi)以全面恢復系統(tǒng)到最近一次做備份時的系統(tǒng)環(huán)境，然后可將當日的數(shù)據(jù)備份再倒回系統(tǒng)內(nèi)。至此，系統(tǒng)可恢復正常運行。此后，客戶應當與IBM工程師再進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，并采取相應措施以杜絕類似事件再次發(fā)生。

日常系統(tǒng)維護流程系統(tǒng)回復與DUMP

2.6DUMP

當系統(tǒng)運行出現(xiàn)軟件故障導致系統(tǒng)down機時，機器的液晶顯示器會出現(xiàn)888102xxx0c0(xxx可能為700或其它)，AIX常會將當時系統(tǒng)的運行情況記錄下來，這就是DUMP。

當DUMP產(chǎn)生后，請將磁帶放入磁帶機，用命令#snap-a-o/dev/rmt0將DUMP文件拷貝到磁帶設(shè)備/dev/rmt0中。注明磁帶機的blocksize,DUMP產(chǎn)生的日期和機器的型號及序列號。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。日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

2.7日常檢查服務器狀態(tài)的項目及其相關(guān)命令1運行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。日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

2lspv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：在對主機進行工作之前可以先把磁盤陣列上電，等主機完全啟動后，登錄到主機上，運行以下命令“l(fā)sdev–Ccpdisk“,應該可以看到所有SSA硬盤，并且狀態(tài)應為Available.。

日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

3lsattr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4GBlsvg命令#lsvg 列出系統(tǒng)中所有的vg。#lsvgrootvg 列出rootvg的詳細信息。#lsvg–o列出激活的vg日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

5oslevel命令#oslevel 顯示操作系統(tǒng)版本信息。6netstat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通過運行#diag命令運行硬件診斷程序檢測主機內(nèi)所有硬件，檢測結(jié)果為“Notroublefound”顯示各部分工作正常。

日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

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運行硬盤診斷部分進行硬盤的表面分析測試，由1%至100%，檢測結(jié)果顯示主機內(nèi)置硬盤的所有扇區(qū)均讀寫正常。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。日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

10lsvg–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)。日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

12檢查雙機狀態(tài)：lssrc–gcluster檢查ha三個工作進程是否激活，/usr/sbin/cluster/clstat–a檢查雙機狀態(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檢查能否順利進入CDE界面，如果不能進入的話，要檢查/etc/hosts表中有否錯誤的項目。

日常系統(tǒng)維護流程日常檢查服務器狀態(tài)

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當前操作系統(tǒng)補丁版本補丁程序(PTF)是否滿足穩(wěn)定運行的需要。一般要求433操作系統(tǒng)補丁要打到10以上，5.1操作系統(tǒng)補丁要打到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。日常系統(tǒng)維護流程性能監(jiān)控與優(yōu)化

2.8性能監(jiān)控與調(diào)優(yōu)通過命令vmstat1來觀察.kthrmemorypagefaultscpu

rbavmfrerepipofrsrcyinsycsussyidwa

命令解析：vmstat命令的輸出可以反映系統(tǒng)整體運行狀況，包括cpu、內(nèi)存、虛擬頁面、系統(tǒng)進程和系統(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.日常系統(tǒng)維護流程性能監(jiān)控與優(yōu)化

通過命令sar–mu–PALL來觀察命令解析：

sar可以用來收集反映系統(tǒng)運行狀況，在這里主要是查看CPU的運行狀況，CPU是否負載均衡,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日常系統(tǒng)維護流程性能監(jiān)控與優(yōu)化

命令解析：ps可以用來查看進程的當前狀態(tài)。在這里通過參數(shù)的配搭，可以觀察目前正在運行的進程所耗的時間,CPU和memory量.其中，%CPU表示進程所占用的CPU資源情況，%MEM表示進程所占用的內(nèi)存情況。主要檢查是否有標示為<defunc>的僵尸進程耗用系統(tǒng)資源，以及informix數(shù)據(jù)庫的oninit進程的系統(tǒng)消耗情況在機器上用dd命令進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)絡情況，在這里主要是查看網(wǎng)絡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)絡資源，從而導致網(wǎng)絡性能下降構(gòu)成瓶頸日常系統(tǒng)維護流程安全工作守則

2.9安全工作守則a.系統(tǒng)定期進行系統(tǒng)備份，系統(tǒng)盤建議鏡像。b.當有系統(tǒng)變更或進行操作系統(tǒng)補丁安裝的時候，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猱斕斓臄?shù)據(jù)備份。在更換硬盤的時候，請確認當天數(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.在進行主機微碼升級時候，請留意微碼的完整性。

g.在進行文件刪除的時候，請留意當前路徑是否正確。h.在進行文件解壓縮的時候，請留意參數(shù)和路徑。故障定位、故障排除系統(tǒng)日常維護流程機房環(huán)境及物理檢查目錄故障定位、故障排除3.1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行硬件分類：其損壞對系統(tǒng)產(chǎn)生致命影響（將使機器宕機或無法啟動）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I/O柜與CEC柜的接線、電源模塊、風扇、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。硬件故障故障定位、故障排除其損壞對僅對系統(tǒng)產(chǎn)生功能影響（機器不會宕機并能正常啟動）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，由于是雙機系統(tǒng)，如果損壞機器是主機可以將此服務器切換成備機，然后修復故障機器，恢復系統(tǒng)。故障定位、故障排除3.2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、主機上的SSA卡、連接7133與主機的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。磁陣故障故障定位、故障排除7133磁陣的問題是最復雜的，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。磁陣故障故障定位、故障排除故障定位：7133硬件故障也可以使用：errpt–dH查看到伴隨的錯誤碼有：B4C006180115140004PHssa0RESOURCEUNAVAILABLEFE9E93570401082304PHssa0DISKOPERATIONERRORFE9E93571205000803PHpdisk3DISKOPERATIONERROR03913B941122031103UHLVDDHARDWAREDISKBLOCKRELOCATIONACHIEVED613E5F381121125103PHLVDDI/OERRORDETECTEDBYLVM625E6B9A0401090004PHssa0ADAPTERDETECTEDOPENSERIALLINK26CA120B0206081104PHssa0CACHESTORAGECARD磁陣故障故障定位、故障排除

所有的錯誤碼都預示著7133有異常，紅色部分則表示肯定出現(xiàn)了硬件故障，需要立即進行檢查并采取措施，否則磁陣將很快不能訪問。對于藍色部分：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，也按下面方法進行排查，如果沒有查出具體的原因，則可以繼續(xù)觀察。磁陣故障故障定位、故障排除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，主備機需要同步ssa卡上的writecache，所以甚至會影響到主備機同步。具體解決方法可參考下文。磁陣故障故障定位、故障排除

故障排除：對于紅色部分錯誤的問題排除，一般可以使用diag命令進行進一步診斷：#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

這時候不建議再進行單獨硬盤的Certify，而是趕緊通知IBM準備好相同型號和大小的硬盤(至少兩塊)到現(xiàn)場進行進一步的診斷和壞盤更換。磁陣故障故障定位、故障排除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，相當于代替SSA硬盤裝在磁盤陣列的塑料模型,當磁盤陣列的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

選擇認為存在故障的硬盤進行檢查磁陣故障故障定位、故障排除3、如果7133存在硬件故障時，可從狀態(tài)燈上觀察到：

當單塊硬盤出現(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。磁陣故障故障定位、故障排除26CA120B0206081104PHssa0CACHESTORAGECARD的處理方法：背景介紹：

IBM小型機上連接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)：磁陣故障故障定位、故障排除對ssa卡上的電池保護是通過卡上的一個計數(shù)器實現(xiàn)的，每運行一小時該計數(shù)器會增加一，當該計數(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)磁陣故障故障定位、故障排除處理步驟：（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ssa卡電池，可以采用：

停備機－》更換備機ssa卡電池－》起備機（雙機服務）－》主備倒換－》

停原主機－》更換原主機ssa卡電池－》起原主機（雙機服務）

磁陣故障故障定位、故障排除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。

磁陣故障故障定位、故障排除3)如果短期內(nèi)不能更換電池，同時主機主用卡的FastWrite仍然處于Active狀態(tài)，建議手工屏蔽fastwrite功能1）先停止雙機；2）在1號機修改hdisk該屬性； smittydev->ssadisks->ssalogicaldisks->change/showcharactersof...->[choosehdisk2]->fastwrite[no]；3）在1號機激活卷組varyonvgzxinvg；4）在1號機去激活卷組varyoffvgzxinvg；

5）在2號機上執(zhí)smittydev->ssadisks->ssalogicaldisks->change/showcharactersof...->[choosehdisk2]->fastwrite[no]檢查fastwrite是否已經(jīng)改為no(只要1號機做了2好機就不用再修改了)；6）在2號機上執(zhí)行rmdev-dlhdisk2，cfgmgr–v；7）在2號機上執(zhí)行l(wèi)spv(查看hdisk2是否已找到)；8）然varyonvgzxinvg，varyoffvgzxinvg；9）重新啟動雙機磁陣故障故障定位、故障排除3.3網(wǎng)絡故障由于我們應用對網(wǎng)絡依賴很強，所以當網(wǎng)絡出現(xiàn)全阻或瞬斷都將對系統(tǒng)產(chǎn)生重大影響，網(wǎng)絡故障一般可分為硬件故障（如網(wǎng)卡故障和交換機、路由器故障）和軟件故障（網(wǎng)絡中有IP包攻擊或網(wǎng)絡擁塞）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雙機系統(tǒng)，而且每臺機器都配置有至少兩塊網(wǎng)卡，所以當單塊網(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)卡服務中斷的錯誤，再使用diag進行網(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)后進行更換。（如果是主機，則先手工切換為備機后再操作）網(wǎng)路故障故障定位、故障排除2．交換機我們的網(wǎng)絡一般都采取雙網(wǎng)雙平面的結(jié)構(gòu)，所以當一個網(wǎng)絡平面的交換機出現(xiàn)問題時，也不會中斷網(wǎng)絡服務，但值得重視的是：主、備交換機之間的直連線要保持暢通，否則一單發(fā)生IBM服務器主機或SIU主機的網(wǎng)卡切換，將導致IBM服務器主機和SIU主機斷鏈，從而導致業(yè)務全阻。還有一種情況，有些地方為了網(wǎng)絡安全，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，當時碰到的一種情況是：1)當時IBM服務器的主網(wǎng)卡從缺省VLAN0到VLAN6實現(xiàn)遷移時，網(wǎng)絡將出現(xiàn)15秒～30秒的瞬斷2)當時主、備交換機之間的channelgroup工作不正常，鏈路不通。當1)發(fā)生時，IBM雙機發(fā)生主、備網(wǎng)卡倒換，但由于2)的問題，導致IBM主機無法與SIU建鏈。交換機故障定位、故障排除問題排查及建議：建議開局時一定要做雙網(wǎng)雙平面中一個平面的swith發(fā)生掉電的故障測試建議一定要做主、備交換機之間的設(shè)備之間的網(wǎng)絡互訪測試，確保暢通盡量不要在白天在switch上進行配置修改，如果需要修改，也要在晚上進行，并有嚴格的方案交換機故障定位、故障排除軟件故障：1．網(wǎng)絡擁塞由于系統(tǒng)在封閉網(wǎng)絡中運行，所以發(fā)生網(wǎng)絡擁塞的可能性比較小，但如果網(wǎng)絡拓撲比較復雜的話，也可能發(fā)生這種情況，在主機上的表現(xiàn)為ping主機丟包嚴重，主機到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：盡量使NT/2000的機器從網(wǎng)絡上隔離出去如果情況仍未改善，建議啟動SIU應急流程在恢復呼叫的前提下，使用網(wǎng)絡工具抓包，找出攻擊源、逐步將設(shè)備恢復到網(wǎng)絡。軟件故障故障定位、故障排除2．切換失敗現(xiàn)場碰到過一種情況，當發(fā)生主、備機切換時老是切換不成功，檢查發(fā)現(xiàn)是備機的主網(wǎng)卡綁定浮動IP老是失敗，再進一步排查，發(fā)現(xiàn)失敗的原因是備機主網(wǎng)卡綁定MAX地址失敗，由于IBM雙機配置時需要將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拓撲圖中以太網(wǎng)配置中ServiceAdapter配置，去掉MAC地址的配置（置為空），讓后同步雙機，再進行倒換，一切OK由于網(wǎng)絡故障出現(xiàn)會導致遠程登錄失效，所以無法進行系統(tǒng)維護。所以建議任何一套IBM服務器都要配置一個維護臺。軟件故障故障定位、故障排除3.4OS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：沒按要求打OS補丁，如433打了09的補丁造成內(nèi)存泄漏應用程序或數(shù)據(jù)庫消耗內(nèi)存太多或存在內(nèi)存泄漏導致物理內(nèi)存和pagingspace被耗盡導致系統(tǒng)掛起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OS故障故障定位、故障排除3.5HA故障對于HA安裝時出現(xiàn)的故障，如同步拓撲圖失敗，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以上的補丁，4.5版本的HA要求打上9以上的補丁2．網(wǎng)絡相關(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版本一律使用標準版5．不能在同一臺機器中同時安裝標準版或ES版6.打補丁時請使用smittyupdate_all方式，不要選擇打所有補丁，因為標準版和ES版的補丁往往在一起，這樣會導致版本不一致HA故障故障定位、故障排除如果是新開局，一定要保證做雙機倒換測試并確保成功。如果在后續(xù)使用中，進行了如下操作，以后再做雙機切換會失?。?．在主機上做過磁陣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上進行了操作，而未將共享VG信息及時同步到備機4．備機雖然導入了新的共享VG信息，但未修改共享VG屬性為系統(tǒng)啟動時不自動啟動5．未在共享VG激活、共享文件系統(tǒng)mount狀態(tài)下修改備機共享文件系統(tǒng)、裸設(shè)備的權(quán)限改為數(shù)據(jù)庫可操作的權(quán)限HA故障故障定位、故障排除以下是HA的正常操作流程和異常情況下的處理，供參考：HA正常操作流程a、啟動HA前必須保證：雙機結(jié)構(gòu)組件物理連接正確無誤操作系統(tǒng)運行正常HA軟件安裝配置正確，拓撲結(jié)構(gòu)和資源組同步成功完成系統(tǒng)當前無任何HA進程如clstrmgr、clsmuxpd或clinfo運行，如果有則首先執(zhí)行HA關(guān)閉操作系統(tǒng)當前無任何HA資源組中定義的應用進程或設(shè)備擊活，如共享磁盤vg未掛接在任何節(jié)點上、屬于資源組的數(shù)據(jù)庫和應用進程未啟動等HA故障故障定位、故障排除b、HA啟動過程是clstrmgr被擊活后由它在后臺調(diào)用執(zhí)行相關(guān)腳本完成，所以啟動過程是否結(jié)束不能單看cluster進程是否被擊活，最好方法是跟蹤hacmp.out日志記錄：#tail-f/tmp/hacmp.out啟動結(jié)束標志：hacmp.out記錄HACMPEventSummary（任何動作結(jié)束標志）建議主備節(jié)點順序啟動，不可主備機同時啟動HAc、任何事件操作必須等待該事件完全執(zhí)行完畢后方可執(zhí)行下一個事件HA故障故障定位、故障排除d、HA結(jié)合服務器的冗余部件可以完全消除雙機系統(tǒng)中的單點故障，但當系統(tǒng)出現(xiàn)多點故障時并不保證系統(tǒng)正常運行，多點故障包括雙機同時出現(xiàn)多個與HA相關(guān)部件錯誤，或者雙機出現(xiàn)某個錯誤引起HA