前言

当我们在生产环境中完成 PowerHA7 的实施并交付使用，在接下来长期的运维阶段，需要定期的对 PowerHA 的健康状态进行检查，从而可以减少或预防 HA 发生异常保障其高可用功能和特性的正常启用。

那么对当前 PowerHA 环境要进行哪些方面的检查，是大家需要关注的。结合我们在日常的工作经验，接下来为大家介绍一下 PowerHA 的巡检检查项目都有哪些。

检查项目

配置与信息收集

• AIX 及 HA 版本检查；
• CAA 配置参数；
• Netmon.cf 配置文件检查；
• /etc/hosts 文件检查；
• /etc/cluster/rhosts 配置文件检查；
• 光纤卡及共享存储盘参数检查；
• 磁盘链路状态检查；
• 共享卷组（ VG ）属性检查；
• 共享卷组内文件系统属性检查；
• APP 启停脚本文件检查；
• LPM 策略配置检查（ PowerVM 环境）；
• Cluster 的配置同步状态检查；

HA&CAA 状态检查

• clstrmgrES 核心进程状态；
• HA&CAA 重要服务进程状态；
• HA 组服务运行状态；
• HA 全局运行状态检查；
• 资源组配置及状态检查；
• 资源状态检查；
• gsclvmd 服务进程状态；
• 共享 VG 同步状态检查；
• CAA 状态；
• Errorlog 检查；
• CAA 日志检查；
• cluster.log 日志检查；
• lstrmgr.debug 日志的检查；

对上述检查项列表中常见的检查项说明如下：

1. AIX 及 HA 版本检查；

检查项说明 ：

检查 AIX 系统与 HA 的版本及补丁，并查询 IBM 发布相

应版本的 HIPPER BUG ，最终需要决定是否安装。

检查方法：

oslevel -s , 操作系统版本； halevel -s ， HA 版本； instfix –i ；

2. CAA 配置参数

检查项说明：

收集当前 CAA 的配置参数用于检查心跳间隔、节点失败检测超时等；

3. Netmon.cf 配置文件检查

检查项说明：

检查每个节点上的 netmon.cf 配置是否存在其内容是否正确： !REQD ，应包括一条或多条此格式的记录，其中 owner 为本地节点上正在使用的 IP 地址， target 为目标 IP 。

检查方法：

netmon.cf 为文本文件，可直接 cat 读取；

4. hosts 配置文件检查

检查项说明：

检查每个节点上的 /etc/hosts 文件内容，最近有无改动、确认关键记录是否正确、内容在在多个节点上是否是一致的。

检查方法：

/etc/hosts 为文本文件，可直接 cat 读取；

5. 共享卷组（ VG ）属性检查；

检查项说明：

检查共享卷组的自动激活属性是否关闭、卷组类型为并发；

检查方法：运行命令 lsvg vgname

6. APP 启停脚本文件检查；

检查项说明：

确认 APP 启停脚本文件的位置、权限、 owner&group 属性是正确；

检查方法： 运行命令 ls -l

7. clstrmgrES 核心进程状态

检查项说明：

检查 “Current state:” 是否为 “ST_STABLE” 。 Current state: ST_STABLE

注： ST_INIT 为 HA 服务未启动；

检查方法：

运行 lssrc -ls clstrmgrES | grep state 命令；

8. HA&CAA 重要服务进程状态

检查项说明：检查 HA 相关服务进程是否运行；

检查方法：运行 clshowsrv –v

9. HA 全局运行状态检查

检查项说明：

检查 Cluster 状态： ClusterState ： UP ；检查节点运行状态： Node Name ： node1 State: Up ；检查 IP 心跳网状态： net_ether_01 State:Up

检查方法：运行命令 cldump

10. 资源组配置及状态检查

检查项说明：

检查 RG 启动、接管、返回策略配置是否为你期望的； RG 运行状态： 显示当前 RG 在哪个节点上是 Online 的；

检查方法：运行命令 clRGinfo

11. 资源状态检查；

检查项说明： Service-IP 是否运行在 Online 节点上； ShareVG 及文件系统是否在 Online 节点上激活；

12. gsclvmd 服务进程状态

检查项说明：检查共享卷组是否已被 gslclvmd 纳管：

检查方法：运行命令 ps -ef

13. CAA 当前运行状态检查

检查项说明：

显示当前 CAA cluster 在节点上的心跳、 NIC 、 communication device 的状态；

检查方法：

运行命令 lscluster –s 、 lscluster –m 、 lscluster –i

14. Errorlog 检查

检查项说明：

错误日志中是否存在 PH 的硬件报错（近期或频繁出现）； HA 相关的软件报错； CAA 磁盘 IO 或链路错误信息；其它可疑报错信息；

检查方法： errpt/errpt –a

15. CAA 日志检查

检查项说明：

检查 syslog.caa 日志文件，以确认有无异常的 CAA 通信问题；

检查方法：

该日志文件为文本类型，可直接通过 cat 等命令读取。

16. cluster.log 日志检查

检查项说明：

检查 cluster.log 日志文件，以确认有无异常的 HA 事件发生；检查检查方法：

该日志文件为文本类型，可直接通过 cat 等命令读取。