概要
本文针对在计划的群集节点排出操作期间，如果群集共享卷（CSV）停止响应并进入挂起的脱机状态，可能发生的问题进行解决。 这种情况可能会中断 I/O 操作，并导致托管在受影响卷上的 VM 发生故障。
症状
在计划的群集节点排空操作期间，遇到以下情况：
- CSV 变得无响应，并陷入待定的脱机状态。
- I/O操作大约暂停20-30分钟。
- 资源托管子系统 （RHS） 进程已终止，导致从群集中逐出受影响的节点。
- 受影响的节点是仲裁所有者。 此条件会导致整体群集管理中无响应。
- 受影响卷上托管的所有 VM 都会停止工作。
- 同一节点上的其他卷已成功地切换到故障转移状态，并且没有受到影响。
- 日志指示受影响卷的重复超时和资源故障。
- 出现与网络相关的问题，包括 NetFT（网络容错）适配器检测到的数据包丢失。
- 由于适配器设置不一致，无法建立 SMB （服务器消息块）多通道连接。
原因
此问题的根本原因是因素组合：
- 正在执行清空作的节点是群集所有者。 此条件放大了操作的效果。
- 受影响卷上的文件锁会阻碍其迁移，并导致超时和后续失败。
- 出现网络拥塞。 NetFT 适配器在故障转移尝试期间报告数据包丢失。
- 跨节点的网络适配器设置不一致会阻止 SMB 多通道连接。
- 资源释放过程会触发资源故障，并导致 RHS 进程终止和启动群集恢复操作。
决议
若要解决这些问题并防止将来出现，请执行以下步骤：
-
日志分析和诊断：收集已分析的群集日志、群集验证报告和故障小型转储数据，以确定促成因素。
-
网络配置：
- 确保所有群集节点的网络适配器设置都统一，以启用 SMB 多通道连接。
- 增加网络带宽或减少拥塞，以避免故障转移期间数据包丢失。
-
群集所有权注意事项：
- 仔细规划节点排水操作。
- 在开始维护之前，请确保关键角色（如仲裁所有权）已移到其他节点。
-
预防性行动：
- 查看文件锁定机制，以减少迁移失败的风险。
- 执行常规群集验证测试，以识别并解决潜在的不一致性或配置错误。