COM機報文分析及硬盤備份探討

梁明治 李 宣 南京地下鐵道有限責任公司

COM機系統近年的故障率開始呈現上升趨勢，特別是近期，COM機歸檔問題以及COM機備機掉線問題尤為突出，對我們運營效率和服務質量造成了一定的影響。

1 COM機系統現狀

由于COM機系統是建立在西門子專有軟件基礎上運行的，涉及計算機軟件的知識產權，所以西門子對于軟件的保護尤為突出，對于維護人員的培訓僅僅局限于操作和簡單的維護，每一次的軟件升級完全通過我們與德國的一個專用網絡直接控制COM系統升級，操作系統采用SOLARIS系統，而軟件語言大多數采用德語縮寫，使得我們幾乎無法深入了解軟件的內部結構。

西門子公司規模和結構決定了他們對于故障的反應時間不會很快，而對于我們這種服務性質的公司來說，保證運營的服務質量和效率就是第一位的，而如果設備出現問題得不到及時修復自然也就影響了運營服務，所以能夠在最大程度上降低故障時間，減小故障的影響就是我們需要做的。

在上述背景下，通過我們自身的努力，深入研究其內在原理、規律，部分擺脫對西門子的依賴，對于保證運營效率，縮減運營成本，積蓄技術力量甚至為將來的替代產品做自主研發，具有深遠的意義。

2 報文的自主分析

前些年當COM機出現故障后，我們做的僅僅是把故障的報文發送給西門子，由他們的專業人員分析結果并反饋給我們，由于故障率不高，沒有造成太大影響，在故障反應的時間上，也沒有太多要求，但隨著今年故障率的直線上升，這種模式已經不能適應現在的趨勢，在這種情況下，我們開始對于COM機的報文進行自主的分析，并取得了不小的收獲。

2.1 COM機歸檔問題分析

COM機歸檔功能是將前一天的行車運行圖進行存儲，并通過磁帶機保存在磁帶中。

前一天的行車運行圖存儲在COM機文件夾/home/s/daba_FA/backup中，并被命名為臨時文件archive1.dat和archive2.dat。臨時文件 archive1.dat和archive2.dat的內容包含了當天行車運行的所有信息，該信息以文字形式進行存儲，可通過運圖編輯器還原成圖形化運圖文件。

經過研究我們發現，手動歸檔的過程是在雙COM機重啟之前，通過調用腳本SaveArc，將歸檔臨時文件archive1.dat和archive2.dat保存到臨時生成的文件夾中，當COM機重啟完成后，通過調用腳本RestoreArc，將臨時文件夾中的archive1.dat和archive2.dat文件，還原到/home/s/daba_FA/backup文件夾中，當到2：30，系統開始執行自動歸檔過程。我們從過程中查找手動歸檔失敗的原因，主要從兩個執行腳本SaveArc和RestoreArc著手。因兩個執行腳本SaveArc和RestoreArc為加密文件，無法讀取具體內容。只能從腳本執行過程中進行判斷。經過多次試驗，發現，在執行腳本SaveArc的過程中，歸檔臨時文件能成功保存在臨時文件夾中，可以判斷出SaveArc腳本不是造成手動歸檔失敗的原因，所以可以判斷出腳本Restore－Arc在手動歸檔的過程中出現了問題。至此可以總結出手動歸檔失敗的根本原因為腳本RestoreArc的編寫錯誤。

2.2 COM機掉線原因分析

下面2段報文是我們截取的COM機掉線報文的一段說明原因的報文

Feb 2 05:56:45 co2nj tmt:[ID 272515 user.error]coreE_co2nj_tmt.2280

Feb 2 05:56:46 co2njDUMPCORE:[ID 516730 user.info]co2nj tmt-set project specific parameters

Feb 2 05:56:58 co2nj mcs:[ID 535221 user.alert]missing objecttmt 56:58.00

Feb 2 05:56:58 co2nj mcs:[ID 422886 user.warning]emergency message received:Feb 2 05:56:58 co2nj mcs : [ID 535221 user.alert]missing object tmt 56:58.00 56:58.01

Feb 2 05:56:58 co2nj mcs:[ID 739810 user.notice]defect:emergency message received，restartin 10s 56:58.01

這個報文的字面意思在我們自己分析看來，應該是屬于TMT的進程出錯，也就是列車追蹤和監督功能出現錯誤，屬于導致COM2掉線的原因。

而按照西門子的技術資料看來，COM2出現進程錯誤導致不具備熱備SB功能，應該是可以自行檢測并重新恢復熱備狀態的，而最近幾個月的COM2掉線后，并沒有成功的自動恢復熱備，在報文中我們又找到了如下的報文信息：

Feb 2 05:58:44 co2nj mcs:[ID 637711 user.error]SbSignal(sedi，SoftInit):flag=-9 58:44.00

Feb 2 05:58:44 co2nj mcs:[ID 832503 user.error] SbSignal(sedi，ReleRece):flag=-9 58:44.00

Feb 2 05:58:44 co2nj zwvw:[ID 403579 user.error] 3101 pdpDat－TableLoad:/home/s/daba_FA/btt58.dat-Unable to open the file，Error Number 2

Feb 2 05:58:44 co2nj zwvw:[ID 315195 user.error]3713 In zwvwUpdatePdpBttAreas()::pdpDatTableLoad()Fail，

Feb 2 05:58:44 co2nj zwvw:[ID 848649 user.crit] 4801 In main()::zwvwUpdatePdpBttAreas()Failed，cannot continue'zwvw'

Feb 2 05:58:44 co2nj zwvw:[ID 844366 user.crit] 4703 Regular End of Prog 58:44.02

Feb 2 05:58:47 co2nj trpr:[ID 149008 user.debug] * swPdsSta RTU 14 STW XH BP 16 Alpha BET

Feb 2 05:58:48 co2nj mcs:[ID 213814 user.alert]missing object zwvw 58:48.00

Feb 2 05:58:48 co2nj mcs:[ID 957549 user.warning]emergency message received:Feb 2 05:58:48 co2nj mcs : [ID 213814 user.alert]missing object zwvw 58:48.00 58:48.01

Feb 2 05:58:48 co2nj mcs :[ID 297604 user.notice]restart required because emergency message indicates a defect 58:48.01

Feb 2 05:58:48 co2nj mcs :[ID 637879 user.notice]Spectrum willbe killed now 58:48.01

Feb 2 05:58:48 co2nj mcs :[ID 200928 user.notice]Spectrum willbe changed now:COM Pr 58:48.01

Feb 2 05:58:48 co2nj mcs :[ID 106251 user.notice]terminated.

在COM2出現故障后開始自動熱備的過程中，會重新啟動Spectrum系統3次，每次在COM2狀態成為SB并即將熱備COM1時，報文就會報告一個錯誤信息，也就是紅字標注的zwvw的一個進程錯誤，根據我們自己的分析，此進程應該是COM2在每次啟動程序時向COM1同步歸檔數據的一個進程，而當它出現問題時Specturm系統將無法打開，也就無法熱備COM1，從報文中，我們還發現，在COM2出現TMT進程錯誤導致掉線的時候，并沒有進行聯鎖測試，而聯鎖測試都是發生在COM2第一次嘗試自動恢復熱備沒有成功后才開始。

于是我們進行了一個試驗，試驗的結果證明了報文的信息，也就是COM2掉線不會引起聯鎖測試，而引起聯鎖測試的原因是，COM2掉線后自動嘗試恢復熱備狀態失敗。

根據以上的報文分析，一方面加強我們自己對于設備的認知度，不再一味的受制于供應商的說法。另一方面，更是能給西門子提供出我們的分析結果而幫助他們更快的找到故障點來幫我們解決掉故障，降低了故障處理時間，COM機歸檔問題就是在這種情況下得到了很快的解決。

3 硬盤的自主備份

2009年2 月份的一次備用COM機硬盤損壞給我們敲響了警鐘，我們聯系了西門子，他們給我們的答復要么我們提供一塊空硬盤給德國方面他們幫我們安裝，這樣最少的處理時間也是半個月，或者最快的方法他們聯系德國西門子技術人員過來，但也要1周時間，如果這個期間主用COM機掉線，對我們運營的影響將是非常大的，最終在這次故障的處理過程中，我們全程跟蹤，看到了西門子技術人員對COM機硬盤重新安裝的過程，掌握了SOLARIS系統的硬盤備份技術，并對我們所有的OC501和OC101系統的服務器進行了硬盤備份，確保了這種系統故障的影響范圍縮小到最低，并在我們二號線的西門子培訓中特別加入了這一項硬盤備份技術的培訓要求。

4 自主的體現

在故障處理過程中，并沒有受到西門子技術保護原因的影響，而是通過自己能夠觸及到的地方，來盡可能的分析故障原因與解決方法，而不再是單純的聽取西門子給我們的故障原因分析，并提出我們對于故障處理的分析和見解，從而達到更好更快更高效的解決故障，來提高我們運營的效率和服務質量。

這種故障的自主分析處理也提高了員工的信心，并讓我們更深刻的了解到掌握先進的技術是完成和保障地鐵暢通運營的重要手段，這也正符合了公司提出的自主化維修的精神，從學習，到提升個人技能，從而為自主化維修的進程提供更好的保障。