排查滚动升级问题 - Windows Server

概要

本文提供了一种结构化故障排除方法，用于解决在 Windows Server 故障转移群集（WSFC）、存储空间直通、SQL Server Always On 可用性组和 Hyper-V 中滚动升级期间可能会遇到的常见问题。

滚动升级对于维护和升级系统至关重要，确保停机时间最短。 但是，兼容性和配置错误等挑战可能会影响可用性，并可能导致数据丢失。

先决条件

开始滚动升级之前：

• 验证您的工作负载和操作系统版本是否支持滚动升级功能。
• 使用 Get-ClusterNode PowerShell 命令验证所有群集节点是否正常。
• 请确保备份是最新的，包括：
  • 系统状态
  • 群集配置
  • 用户数据

潜在的解决方法

解决滚动升级失败问题

1. 使用故障转移群集管理器或 Move-ClusterGroup PowerShell 命令将核心资源移到另一个节点。
2. 使用 Suspend-ClusterNode -Drain 从节点迁移角色和资源。
3. 检查群集日志中是否存在可能阻止作的依赖项或错误。

故障排除清单

1. 查看先决条件：确保环境满足本文中所述的所有先决条件。

2. 验证群集状态：通过运行 Test-Cluster解决任何验证警告或错误。

   • 使用 Get-Cluster | Select ClusterFunctionalLevel 验证当前群集功能级别。
   • 验证所有节点之间的网络连接。

3. 计划和顺序升级：记录节点升级的顺序（一次一个节点）。

   • 将群集角色（例如虚拟机、可用性组或文件共享）迁移出正在升级的节点。
   • 将所有节点更新到当前 OS 的最新支持的更新或修补程序。

4. 与利益干系人沟通：通知利益干系人并安排维护时段。

   • 通知监视团队以避免不必要的警报。

5. 确保应用程序意识：验证 SQL Server、Hyper-V 或文件服务等工作负载的应用程序兼容性。

   • 通知应用程序所有者计划升级。

6. 进行升级前测试：查看 Windows、应用程序、群集和存储的日志，以确定任何预先存在的问题。

常见问题及其各自的解决方案

1.滚动升级不会启动或无法逐出节点

现象

无法暂停、清空或删除群集中的节点。 会收到错误消息，例如以下示例：

节点。。。无法从群集中删除。

原因

节点托管核心群集资源、依赖项配置错误或群集不稳定。

Solution

1. 将核心资源移动到另一节点，使用故障转移群集管理器或 Move-ClusterGroup。
2. 通过运行 Suspend-ClusterNode -Drain来移动角色和资源。
3. 确保该节点不是最新更新的节点或法定节点。
4. 检查群集日志以阻止依赖项。

2.无法将升级的节点还原到群集

现象

收到版本不匹配消息或错误消息，例如以下示例：

节点尝试加入故障转移群集，但由于不兼容而失败。

原因

不支持的 OS 版本混合或非更新节点。

Solution

1. 验证支持的 OS 和群集版本矩阵。
2. 将节点更新到最新的累积更新（CU）。
3. 按顺序升级 OS 版本（例如，2016 → 2019 → 2022）。
4. 使用 Get-ClusterLog 识别版本控制错误。

3. 资源或服务无法上线

现象

升级后，VM 或文件共享等资源进入失败或脱机状态。 常见事件 ID 包括1069和 1146``1230。

原因

升级期间配置错误、缺少注册表项或文件或服务帐户失败。

Solution

1. 检查故障转移群集管理器中的群集事件。
2. 通过运行 Get-ClusterResource | Get-ClusterOwnerNode来验证资源所有者配置。
3. 修复或重新创建缺少的依赖项。
4. 通过运行 Restart-Service ClusSvc重启群集服务。

4. 法定人数或通信丢失

现象

群集脱机、节点隔离或事件 ID 1135 和 1136 出现。

原因

网络分区、防火墙配置或仲裁配置错误。

Solution

1. 请确保所有必需的端口都已打开。
2. 检查网络、DNS 和路由配置。
3. 通过运行 Get-ClusterQuorum来检查仲裁设置。 根据需要更新设置。
4. 若要确定根本原因，请运行 Validate-Cluster。

5. 更新失败或已知错误

现象

由于已知有问题的更新而导致，群集服务在更新后停止响应，或资源出现故障。

原因

Microsoft更新安装后发生群集不稳定。

Solution

1. 查看有关已知问题的Microsoft知识库（KB）文章。
2. 如有必要，请删除有问题的更新。
3. 应用建议的修补程序或等待新更新。
4. 如果问题仍未解决，请提出支持案例。

6.群集验证或功能级别错误

现象

无法更新群集功能级别，或者验证失败。

原因

混合 OS 版本、不完整的升级或过时的驱动程序。

Solution

1. 更新所有节点，并确保它们已加入群集。
2. 更新硬件驱动程序（如网络和存储）和固件。
3. 使用 Update-ClusterFunctionalLevel.. 完成升级。
4. 查看驱动程序或验证失败的日志。

高级故障排除和数据收集

对于持久性或复杂问题，请收集以下数据。

群集日志

Get-ClusterLog -TimeSpan 24:00 -Destination

系统和应用程序事件日志

    
    Get-WinEvent -LogName System -MaxEvents 1000 | Export-Csv <Path>\SystemLogs.csv
    Get-WinEvent -LogName Application -MaxEvents 1000 | Export-Csv <Path>\AppLogs.csv
    

资源和节点状态

    Get-ClusterNode
    Get-ClusterResource
    Get-ClusterGroup
    Test-Cluster
    

网络和驱动程序信息

    
    Get-NetAdapter -IncludeHidden | Export-Csv <Path>\NetAdapters.csv
    

更新历史记录

Get-HotFix | Export-Csv \Hotfix.csv

References

• 使用群集 OS 滚动升级升级 Windows Server 故障转移群集
• Update-ClusterFunctionalLevel
• 已知问题 - KB5062557