| 我跨入存储行业的门槛时间不长，但是在这段短短的时间里，经历了无数的第一次。最让我难忘的实施经验是入行后第一次为客户上门实施。那天Boss突然告诉我要去山东出差给用户解决问题，要知道在那以前，我还从来没独立上门给用户服务过，因此一路上心里不停的打着小鼓，就担心自己露怯。
用户报修，超市业务大受影响
刚到客户那里，就被客户的网管员小刘一把拽进了机房。原来，客户是当地一家较有规模的外资连锁超市，一直依赖这套后台系统进行买卖记账和结算。某天早上，业务人员突然说终端结账系统无法使用，小刘发现是服务器端数据库无法访问，于是被迫启用一套备用服务器支撑业务。
但是备用服务器性能远远不能满足数据频繁读取的负荷需求，在超市业务最繁忙的时候，也是服务器当机重起最频繁的时候，而且新产生的数据都需要财务加班，手工输入到原有的系统中才能完成当日和当月的结算。所有的业务人员都对小刘怨声载道，连一向和蔼可亲的经理这两天一见到小刘脸色就阴沉下来。
听过了小刘的诉苦，我详细察看了用户的环境。超市使用了2台IA架构的服务器挂接一台SCSI的磁盘阵列做双机系统。主机采用Windows2000 advanced server操作系统，使用一套超市专用的帐务系统，后台是SQLServer2000。
两台服务器采用了Windows系统自带的MSCS工作在Active－Passive的主从模式下工作，MSCS检测、管理、切换双机的资源组，以保证SQL服务一直能正常运行。由于超市营业时间较长，服务器白天从8:30开业后一直处于运行状态，提供所有数据库等软件服务，对数据进行存取；晚上20:00客户端关闭，停止服务请求；22:00利用SQL内置的管理工具对主机数据进行备份，把服务器上的数据备份到磁盘上。
当数据库不可访问的故障发生后，小刘先启动了一套备用的服务器作为帐务系统，然后查看主机的事件查看器，发现主机和备机都有ID2、5、14的报错，时间为前一天晚上22:01（开始备份的时间）。网管员重新启动磁盘阵列，数据库又可被重新访问了。本来小刘把业务系统切换回来以为没事了，但是第二天发生同样的故障，重启磁盘阵列后，数据库又可重新被访问。随后连续的几天内都发生同样的故障。
经过初步判断，我认为问题应该出在数据连接上，于是采用排除法，先后更换服务器到阵列的内外部线缆、SCSI终结器、磁盘阵列控制器以及整套磁盘阵列，但是问题仍然存在，最后改用了外插SCSI卡，状况良好。我总算可以回北京跟Boss交差了。
回京测试，问题的根源在哪里？
问题应该是告一个段落了，但是回北京的路途上我却始终没想明白，为什么把内置SCSI换成外置SCSI就解决了问题呢？现在看来，当时的判断更像是凭着直觉做出来的。
回到北京后，我在实验室中模拟用户了真实环境，在Disk Array上划分了4个Slice分别映射到了LUN1、LUN2、LUN3、LUN4，并配置好SQL SERVER2000。
1、 服务切换，大数据（约2GB）在不同的分区之间、通过网上邻居共享文件夹中拷贝。
2、 通过对各分区运行IOmeter 24小时。
3、 采用强制手段禁用Private net，Public net使用的是混合通讯，在对外服务的同时也发送心跳信号。
4、 如果强制将Server1的SCSI线缆拔出，相连服务器基本瘫痪，集群切换服务正常。
---------------------------------------------------------------------------------------------------------
驱动程序在 \Device\Scsi\adpu160m2 上检测到控制器错误。
数据:
0000: 0f 00 10 00 01 00 6a 00 ......j.
0008: 00 00 00 00 0b 00 04 c0 .......À
0010: 50 50 00 c1 00 00 00 00 PP.Á....
0018: 49 00 00 00 00 00 00 00 I.......
0020: 00 00 00 00 00 00 00 00 ........
0028: 00 00 00 00 00 00 00 00 ........
0030: 02 00 00 00 06 00 00 00 ........
事件类型: 警告
事件来源: Disk
事件种类: 无
事件 ID: 51
日期: ××××-××-××
时间: ××:××:××
用户: N/A
计算机: NT2
描述:
传呼期间在设备 \Device\Harddisk3\DR3 上检测到一个错误。
数据:
0000: 04 00 22 00 01 00 72 00 .."...r.
0008: 00 00 00 00 33 00 04 80 ....3..�
0010: 2d 01 00 00 00 00 00 00 -.......
0018: 00 00 00 00 00 00 00 00 ........
---------------------------------------------------------------------------------------------------------
设备 \Device\Scsi\adpu160m2 没有在传输等待时间内响应。驱动程序在 \Device\Scsi\adpu160m2 上检测到控制器错误。这两个信息表示从windows中发出的请求命令没有到达指定的外接磁盘中，同时由于连接中断，windows系统开始出现没有响应。 [1] [2] 下一页 |
