數(shù)據(jù)中心存儲(chǔ)系統(tǒng)故障了怎么辦

段晨

存儲(chǔ)系統(tǒng)作為如今大數(shù)據(jù)云計(jì)算時(shí)代的根基，它的穩(wěn)定才是支撐起如此海量數(shù)據(jù)的根本。所以各大相關(guān)行業(yè)對(duì)于這部分非常重視，在此針對(duì)存儲(chǔ)系統(tǒng)的故障處置簡(jiǎn)單提出一些思路。

首先在處理存儲(chǔ)系統(tǒng)發(fā)生的可能故障前必須對(duì)于整個(gè)存儲(chǔ)系統(tǒng)的架構(gòu)以及原理有一個(gè)清楚的了解。普遍來說存儲(chǔ)系統(tǒng)由主機(jī)、交換機(jī)及存儲(chǔ)設(shè)備組成。它們之間可以是直連或者是IP網(wǎng)絡(luò)或FC網(wǎng)絡(luò)的方式進(jìn)行連接，整個(gè)系統(tǒng)的穩(wěn)定性跟每個(gè)組成部分都息息相關(guān)。

其次了解故障的分類，故障分類大致分為硬件故障、配置故障或者license類問題，先外部后內(nèi)部，先處理高級(jí)警告后處理低級(jí)警告，先共性后個(gè)性。

面對(duì)故障的發(fā)生，第一步永遠(yuǎn)都是先進(jìn)行必要的信息收集，對(duì)于整個(gè)存儲(chǔ)系統(tǒng)的基本信息、故障信息、存儲(chǔ)設(shè)備信息以及組網(wǎng)、主機(jī)服務(wù)器信息要有了解。這些部分可以直接到主機(jī)、交換機(jī)或存儲(chǔ)設(shè)備中進(jìn)行收集，如今廠商也都有專門研發(fā)維護(hù)工具來幫助管理者做這些事情。收集清楚這些信息之后，才能對(duì)整個(gè)存儲(chǔ)系統(tǒng)有一個(gè)普遍清晰的認(rèn)知，至少對(duì)當(dāng)前故障可能發(fā)生的原因有一個(gè)了解，然后再細(xì)化到每個(gè)組成部分上排查可能問題。

一、主機(jī)層

在主機(jī)層面大多需要檢查的是操作系統(tǒng)版本，相應(yīng)的 Hba卡是否達(dá)到合適的標(biāo)準(zhǔn)，如速率、IOPS及帶寬等。其次是在主機(jī)上安裝的多路徑軟件，查看一下與存儲(chǔ)設(shè)備連接的物理路徑的狀態(tài)以及存儲(chǔ)LUN等信息。

二、網(wǎng)絡(luò)層

網(wǎng)絡(luò)層次可能發(fā)生的問題大多是連通性問題，由于鏈路故障導(dǎo)致的丟包或者誤碼率上升等現(xiàn)象，此現(xiàn)象可以在交換機(jī)上觀察端口的信息，觀察誤碼率是否在持續(xù)增長(zhǎng)，如有，則可能存在鏈路部件異常或接觸不良的現(xiàn)象。其次可能是端口速率或帶寬未達(dá)到標(biāo)準(zhǔn)，查看端口配置及協(xié)商狀況，這些都有可能導(dǎo)致故障或者性能問題。

三、存儲(chǔ)層

存儲(chǔ)設(shè)備可以在導(dǎo)出相關(guān)告警，事件或者運(yùn)行數(shù)據(jù)、系統(tǒng)日志和硬盤日志來進(jìn)一步分析可能發(fā)生故障的原因，到底是存儲(chǔ)控制器問題還是底層的硬盤問題都需要一一排查。在底層存儲(chǔ)方面主要考慮存儲(chǔ)模塊的配置，指示燈狀態(tài)等信息，從指示燈狀態(tài)可以分析出是否存在硬件故障等，其次在配置方面：RAID級(jí)別、分條深度、LUN讀寫策略、cache策略、LUN歸屬和硬盤類型等，是否符合業(yè)務(wù)的特點(diǎn)以及不符合時(shí)可能導(dǎo)致的問題，都是需要在故障排查處理時(shí)需要考慮的。

總之面對(duì)存儲(chǔ)系統(tǒng)的故障，一定要具備一個(gè)清晰的思路，不要盲目的去做，盲目地去做可能會(huì)惡化故障，從而使得排查難度進(jìn)一步加大。