vSAN 實體磁碟故障診斷指南

從 Web UI 檢查 vSAN 實體磁碟狀態：

連線至 vCenter Server Web 用戶端，並從以下位置檢查磁碟狀態：

庫存>主機和叢集 > vSAN 叢集設定 >> vSAN 磁碟管理 圖1：vSAN 磁碟管理檢視 選取受影響的主機，然後展開「檢視磁碟」區段：圖2：vSAN > 磁碟群組檢視



您可以在這裡確認是否有偵測到磁碟：





不健全
狀況 已卸載
0 容量
永久磁碟故障
磁碟關閉
缺少
 
磁碟 此外，請檢查從 vSAN Skyline 健全狀況區段觸發的磁碟相關警報：

庫存 > 主機和叢集 > vSAN 叢集 > 監控 > vSAN > Skyline 執行狀況 > 實體磁碟

圖 3：天際線健康檢視

您可以在此處確認是否觸發了以下任何警報：

即將發生永久磁碟作業失敗，資料正在撤離 （健全狀況狀態 - 黃色）。
即將發生永久磁碟作業失敗，資料撤除因資源不足而失敗 （健全狀況狀態 - 紅色）。
即將發生永久磁碟作業失敗，資料撤離因無法存取的物件而失敗 （健全狀況狀態 - 紅色）。
即將發生永久磁碟作業失敗，資料撤離已完成 （健全狀況狀態 - 黃色）
 
此外，您也可以從受影響主機的儲存裝置清單中檢查磁碟狀態：

庫存 > 主機和叢集 > vSAN 叢集 > 受影響的 vSAN ESXi 主機 > 配置 > 儲存 > 裝置

圖4：主機儲存裝置檢視

您可以在這裡確認磁碟狀態是否為：

0 容量
磁碟不存在
，磁碟已取消掛接
 
確認是否正在重新同步：

庫存>主機和叢集 > vSAN 叢集>監控 > vSAN > 重新同步物件：圖5：

重新同步物件檢視

 
確認 vSAN 物件的狀態：

庫存>主機和叢集 > vSAN 叢集>監控 vSAN 天際線執行狀況資料 >> vSAN 物件執行狀況 圖6：vSAN > 物件執行狀況>

檢視

 
下一步是透過 CLI 收集此問題的詳細資訊，並檢查記錄：從 CLI 檢查 vSAN 實體磁碟狀態：透過 SSH 連線至受影響的主機，然後執行下列命令：




 

vdq -qH

檢查「IsPDL」（永久裝置遺失） 參數。如果等於 1，則磁碟丟失。

範例：
 

DiskResults:
 DiskResult[0]:
 Name: naa.600508b1001c4b820b4d80f9f8acfa95
 VSANUUID: 5294bbd8-67c4-c545-3952-7711e365f7fa
 State: In-use for VSAN
 ChecksumSupport: 0
 Reason: Non-local disk
 IsSSD?: 0
IsCapacityFlash?: 0
 IsPDL?: 0
 <<truncated>>
 DiskResult[18]:
 Name:
 VSANUUID: 5227c17e-ec64-de76-c10e-c272102beba7
 State: In-use for VSAN
 ChecksumSupport: 0
 Reason: None
 IsSSD?: 0
IsCapacityFlash?: 0
 IsPDL?: 1

 

vdq -iH

檢查磁碟群組中是否有遺失的磁碟。

範例：
 

Mappings:
DiskMapping[0]:
SSD: naa.58ce38ee2016ffe5
MD: naa.5002538a4819e3e0
 
DiskMapping[2]:
SSD: naa.58ce38ee2016fe55
MD: naa.5002538a48199ca0
MD: naa.5002538a48199e20
MD: naa.5002538a48199e00

 

esxcli vsan storage list

檢查「In CMMDS」參數如果為 false，則與磁碟的通信將丟失。

範例：
 

Device: Unknown
Display Name: Unknown
Is SSD: false
VSAN UUID: 529cadbc-acd1-b588-8643-68336d5512d6
VSAN Disk Group UUID:
VSAN Disk Group Name:
Used by this host: false
In CMMDS: false
On-disk format version: <Unknown>
Deduplication: false
Compression: false
Checksum:
Checksum OK: false
Is Capacity Tier: false

 

for i in `esxcli  storage core device list | grep ^naa` ; do echo $i; esxcli storage core device smart get -d $i; done.

檢查 smart get 命令的讀取/寫入錯誤。

範例：
 

naa.55cd2e404c1f35a1
Parameter                   Value  Threshold  Worst  Raw
--------------------------  -----  ---------  -----  ---
Health Status               OK     N/A        N/A    N/A
Media Wearout Indicator     100    0          100    86
Read Error Count            130    39         130    133
Power-on Hours              100    0          100    110
Power Cycle Count           100    0          100    106
Drive Temperature           100    0          100    26
Uncorrectable Sector Count  100    0          100    0

naa.55cd2e404c1f35a5
Parameter                   Value  Threshold  Worst  Raw
--------------------------  -----  ---------  -----  ---
Health Status               OK     N/A        N/A    N/A
Media Wearout Indicator     100    0          100    10
Read Error Count            130    39         130    53
Power-on Hours              100    0          100    110
Power Cycle Count           100    0          100    106
Drive Temperature           100    0          100    27
Uncorrectable Sector Count  100    0          100    0

 

esxcli vsan storage list | grep "VSAN Disk Group UUID:" | sort | uniq -c

檢查可用的磁碟群組。

範例：
 

      2    VSAN Disk Group UUID: 5203424c-ee56-497d-75d1-fcf73ae997cb
      2    VSAN Disk Group UUID: 52af8e5c-77d1-b552-3310-ec5fef09edf4

 

while true;do echo " ****************************************** "; echo "" > /tmp/resyncStats.txt ;cmmds-tool find -t DOM_OBJECT -f json |grep uuid |awk -F \" '{print $4}' |while read i;do pendingResync=$(cmmds-tool  find -t DOM_OBJECT -f json -u $i|grep -o "\"bytesToSync\": [0-9]*,"|awk -F " |," '{sum+=$2} END{print sum / 1024 / 1024 / 1024;}');if [ ${#pendingResync} -ne 1 ]; then echo "$i: $pendingResync GiB";fi;done |tee -a /tmp/resyncStats.txt;total=$(cat /tmp/resyncStats.txt |awk '{sum+=$2} END{print sum}');echo "Total: $total GiB" |tee -aa /tmp/resyncStats.txt;total=$(cat /tmp/resyncStats.txt  |grep Total);totalObj=$(cat /tmp/resyncStats.txt|grep -vE " 0 GiB|Total"|wc -l);echo "`date +%Y-%m-%dT%H:%M:%SZ` $total ($totalObj objects)" >> /tmp/totalHistory.txt; echo `date `; sleep 60; done

檢查重新同步作業是否正在進行或停滯。

範例：
 

Total: 0 GiB
Mon Feb 13 17:32:06 UTC 2023

按下 Ctrl+C 以停止命令。
 

cmmds-tool find -f python | grep CONFIG_STATUS -B 4 -A 6 | grep 'uuid\|content' | grep -o 'state\\\":\ [0-9]*' | sort | uniq -c

檢查元件的狀態。

良好 -- 狀態 7
無法存取 -- 狀態 13
不存在或降級 -- 狀態 15
 
範例：
 

    425 state\": 7

 
如何透過 CLI 識別故障的 SSD 或硬碟位置：

列出所有可用的裝置：

esxcli storage core device list | grep "naa" | awk '{print $1}' | grep "naa"

範例：
 

naa.5000c500852df8d3
naa.55cd2e404c1f35a1
naa.55cd2e404c1f35a5
naa.5000c500852dd5e7

使用清單中的每個磁碟 naa 檢查位置：

esxcli storage core device physical get -d

 
範例：
 

esxcli storage core device physical get -d naa.5000c500852df8d3
esxcli storage core device physical get -d naa.55cd2e404c1f35a1
esxcli storage core device physical get -d naa.55cd2e404c1f35a5
esxcli storage core device physical get -d naa.5000c500852dd5e7
 
   Physical Location: enclosure 65535 slot 0
   Physical Location: enclosure 65535 slot 1
   Physical Location: enclosure 65535 slot 2
   Physical Location: enclosure 65535 slot 3

如果缺少裝置名稱，如何識別故障的硬碟或 SSD：

可能是由於偵測不到故障的磁碟，因此無法使用對應的 naa 來識別。在這種情況下，需要找到所有磁碟，而不在物理位置的磁碟將是失敗的磁碟。

下面是一個可用於稍快地執行任務的腳本：

echo "=============Physical disks placement=============="
echo ""
esxcli storage core device list | grep "naa" | awk '{print $1}' | grep "naa" | while read in; do
echo "$in"
esxcli storage core device physical get -d "$in"
sleep 1
echo "===================================================="
done

vSAN 相關記錄，以解決儲存裝置相關問題：

/var/log/vmkernel.log
讀取和寫入 vSAN 磁碟、vSAN 主機活動訊號、PDL、SCSI 感應代碼和 I/O 要求 （讀取/寫入） 以及叢集成員資格資訊的問題。

範例：
 

2021-06-22T12:02:08.408Z cpu30:1001397101)ScsiDeviceIO: PsaScsiDeviceTimeoutHandlerFn:12834: TaskMgmt op to cancel IO succeeded for device naa.55cd2e404b7736d0 and the IO did not complete. WorldId 0, Cmd 0x28, CmdSN = 0x428.Cancelling of IO will be
2021-06-22T12:02:08.408Z cpu30:1001397101)retried.

/var/log/vobd.log
報告磁碟健全狀況、永久裝置遺失的磁碟 （PDL）、磁碟延遲，以及主機進入和退出維護模式的時間報告。

範例：
 

2022-05-31T11:42:46.065Z: [vSANCorrelator] 10605891965954us: [vob.vsan.lsom.devicerepair] vSAN device 521a74ce-c980-c16c-ff3d-38a036233daf is being repaired due to I/O failures, and will be out of service until the repair is complete. If the device is part of a dedup disk group, the entire disk group will be out of service until the repair is complete.
2022-05-31T11:42:46.065Z: [vSANCorrelator] 10606062774178us: [esx.problem.vob.vsan.lsom.devicerepair] Device 521a74ce-c980-c16c-ff3d-38a036233daf is in offline state and is getting repaired

/var/log/vsandevicemonitord.log
這可協助您判斷磁碟是否因為過多的記錄壅塞或 I/O 延遲而標記為不健全。

範例：
 

INFO vsandevicemonitord WARNING - WRITE Average Latency on VSAN device naa.50000xxxxxxxx has exceeded threshold value 2000000 us 2 times.
INFO vsandevicemonitord Tier 2 (naa.50000xxxxxxxx) as unhealthy