記一次服務器宕機處理過程

今天整理之前的運維資料，發現了自己整理的一次刀片服務器（運行的vmware虛擬化）事故處理流程，所以記錄下，備忘。

一、事件處理過程

14:10 接到機房運維工程師通知，Opmanager監控系統上出現了多臺服務器宕機現象，并且均為虛擬機。

14:12 通知機房運維工程師檢查HP刀片服務器是否有告警，遠程登錄vcenter進行檢查。遠程查看發現ESX04（10.203.11.64）出現告警，告警信息如下圖所示：

 14:15 通知工程師ESX04出現告警，然后確認該刀片服務器是否存活，并進入機房確認設備上是否有硬件上的告警。

14:16 檢查邏輯上的網絡接口是否存在異常

如下圖所示，發現有兩塊網卡處于離線狀態

14:18 檢查其它刀片，發現ESXI02對應的網卡，發現為正常的

14:20 登錄HP刀片管理控制臺查看，未發現服務器告警信息。

14:19 參照其它EXSI，嘗試更改vmnic6、vmnic7兩塊網卡模式,該操作無法生效

更改網卡模式無法生效

14:27 在ESX04進行手動遷移虛擬機到其他主機上，遷移失敗。

14:58 將ESX04主機上的虛擬機全部關機

15:20 重啟ESXI主機,HA 自動將開著的虛擬機遷移到其他EXSI主機上啟動

15:30 ESX04主機啟動成功后，vsphereHA嘗試自動將虛擬機遷移回ESX04主機失敗，

15:50 手動遷移部分虛擬機回ESX04主機，觀察運行狀態。

二、日志分析

1、遠程登錄到ESXI的命令行，查看vmkernel的日志：

說明：由于esxi4采用的是utc時間，日志中顯示的較時間時間會慢8小時

/var/log # cat /var/log/vmkernel.log | grep '2014-12-18'
2014-12-18T03:27:49.106Zcpu46:6396479)WARNING: ScsiDeviceIO: 1211: Devicenaa.60014380064900f30000800000e40000 performance hasdeteriorated. I/O latency increased from average value of 3303 microseconds to68755 microseconds.
2014-12-18T03:31:54.595Zcpu8:16392)ScsiDeviceIO: 1191: Device naa.60014380064900f30000800000e40000performance has improved. I/O latency reduced from 68755 microseconds to 13691microseconds.
2014-12-18T03:32:32.643Zcpu12:17017)MigrateNet: vm 17017: 2061: Accepted connection from <10.203.11.100>
2014-12-18T03:32:32.643Zcpu12:17017)MigrateNet: vm 17017: 2131: dataSocket 0x4100253292f0 receivebuffer size is 563560
2014-12-18T03:32:32.644Z cpu12:17017)WARNING:Migrate: 262: Invalid message type for new connection: 542393671.  Expecting message

如上面的日志顯示：13:27，主機的性能開始下降，I/O延遲變的較大

2、查看10.203.11.100是否有相關告警：

如上圖所示，提示esx04主機的網卡狀態出現錯誤

3、收集的其它日志如下,暫未發現異常

整個處理過程到此基本完成，所有的刀片服務器中，也就這臺偶爾抽風，也沒有明顯的特征