SUNW.xfnts-Fehler-Monitor

RGM ruft die PROBE-Methode nicht direkt auf, sondern ruft stattdessen die Monitor_start-Methode zum Starten des Monitors auf, nachdem eine Ressource an einem Knoten gestartet wurde. Die xfnts_monitor_start-Methode startet den Fehler-Monitor unter der Steuerung von PMF. Die xfnts_monitor_stop-Methode stoppt den Fehler-Monitor.

Der SUNW.xfnts-Fehler-Monitor führt folgende Aufgaben aus:

• Er überwacht den Zustand des xfs-Server-Dämons regelmäßig mithilfe der Dienstprogramme, die insbesondere zum Prüfen einfacher TCP-basierter Dienste, wie xfs, entwickelt wurden.

• Er verfolgt Probleme, auf die die Anwendung innerhalb eines Zeitfensters stößt (unter Verwendung der Eigenschaften Retry_count und Retry_interval) und entscheidet über einen Neustart oder Failover des Datendienstes, wenn die Anwendung vollständig fehlschlägt. Die Funktionen scds_fm_action() und scds_fm_sleep() unterstützen diesen Verfolgungs- und Entscheidungsmechanismus.

• Er implementiert den Failover- oder Neustartbeschluss mithilfe von scds_fm_action ().

• Er aktualisiert den Ressourcenzustand und übergibt den Ressourcenzustand an Verwaltungstools und GUIs.

xfonts_probe-Hauptschleife

Die xfonts_probe-Methode implementiert eine Schleife. Vor der Implementierung der Schleife führt xfonts_probe die folgenden Operationen aus:

• Sie ruft die Netzwerkadressressourcen für die xfnts-Ressource wie folgt ab:

  /* Get the ip addresses available for this resource */
     if (scds_get_netaddr_list(scds_handle, &netaddr)) {
        scds_syslog(LOG_ERR,
            "No network address resource in resource group.");
        scds_close(&scds_handle);
        return (1);
     }
  
     /* Return an error if there are no network resources */
     if (netaddr == NULL || netaddr->num_netaddrs == 0) {
        scds_syslog(LOG_ERR,
            "No network address resource in resource group.");
        return (1);
     }

• Sie ruft scds_fm_sleep() auf und übergibt den Wert Thorough_probe_interval als Zeitüberschreitungswert. Das Testsignalverfahren wird für den unter dem Wert Thorough_probe_interval festgeleten Zeitraum zwischen den einzelnen Tests wie folgt ausgesetzt:

  timeout = scds_get_ext_probe_timeout(scds_handle);
  
     for (;;) {
        /*
         * sleep for a duration of thorough_probe_interval between
         *  successive probes.
         */
        (void) scds_fm_sleep(scds_handle,
            scds_get_rs_thorough_probe_interval(scds_handle));

Die xfnts_probe-Method implementiert die folgende Schleife:

for (ip = 0; ip < netaddr->num_netaddrs; ip++) {
         /*
          * Grab the hostname and port on which the
          * health has to be monitored.
          */
         hostname = netaddr->netaddrs[ip].hostname;
         port = netaddr->netaddrs[ip].port_proto.port;
         /*
          * HA-XFS supports only one port and
          * hence obtain the port value from the
          * first entry in the array of ports.
          */
         ht1 = gethrtime(); /* Latch probe start time */
         scds_syslog(LOG_INFO, "Probing the service on port: %d.", port);

         probe_result =
         svc_probe(scds_handle, hostname, port, timeout);

         /*
          * Update service probe history,
          * take action if necessary.
          * Latch probe end time.
          */
         ht2 = gethrtime();

         /* Convert to milliseconds */
         dt = (ulong_t)((ht2 - ht1) / 1e6);

         /*
          * Compute failure history and take
          * action if needed
          */
         (void) scds_fm_action(scds_handle,
             probe_result, (long)dt);
      }   /* Each net resource */
   }    /* Keep probing forever */

Die svc_probe()-Funktion implementiert die Testsignallogik. Der Rückgabewert von svc_probe() wird an scds_fm_action () übergeben, wodurch festgelegt wird, ob ein Neustart oder Failover der Ressourcengruppe durchgeführt wird oder ob nichts geschieht.

svc_probe()-Funktion

Die svc_probe ()-Funktion stellt eine einfache Socket-Verbindung mit dem angegebenen Port her, indem scds_fm_tcp_connect() aufgerufen wird. Wenn die Verbindung fehlschlägt, gibt svc_probe() einen Wert von 100 zurück, was auf einen kompletten Fehlschlag hinweist. Ist die Verbindung erfolgreich, die Trennung der Verbindung jedoch fehlerhaft, gibt svc_probe() einen Wert von 50 zurück, was auf einen Teilfehler hinweist. Wenn sowohl das Herstellen als auch das Trennen der Verbindung erfolgreich sind, gibt svc_probe() einen Wert von 0 aus, was auf Erfolg hinweist.

Der Code für svc_probe() lautet wie folgt:

int svc_probe(scds_handle_t scds_handle,
char *hostname, int port, int timeout)
{
   int  rc;
   hrtime_t   t1, t2;
   int    sock;
   char   testcmd[2048];
   int    time_used, time_remaining;
   time_t      connect_timeout;


   /*
    * probe the data service by doing a socket connection to the port
    * specified in the port_list property to the host that is
    * serving the XFS data service. If the XFS service which is configured
    * to listen on the specified port, replies to the connection, then
    * the probe is successful. Else we will wait for a time period set
    * in probe_timeout property before concluding that the probe failed.
    */

   /*
    * Use the SVC_CONNECT_TIMEOUT_PCT percentage of timeout
    * to connect to the port
    */
   connect_timeout = (SVC_CONNECT_TIMEOUT_PCT * timeout)/100;
   t1 = (hrtime_t)(gethrtime()/1E9);

   /*
    * the probe makes a connection to the specified hostname and port.
    * The connection is timed for 95% of the actual probe_timeout.
    */
   rc = scds_fm_tcp_connect(scds_handle, &sock, hostname, port,
       connect_timeout);
   if (rc) {
      scds_syslog(LOG_ERR,
          "Failed to connect to port <%d> of resource <%s>.",
          port, scds_get_resource_name(scds_handle));
      /* this is a complete failure */
      return (SCDS_PROBE_COMPLETE_FAILURE);
   }

   t2 = (hrtime_t)(gethrtime()/1E9);

   /*
    * Compute the actual time it took to connect. This should be less than
    * or equal to connect_timeout, the time allocated to connect.
    * If the connect uses all the time that is allocated for it,
    * then the remaining value from the probe_timeout that is passed to
    * this function will be used as disconnect timeout. Otherwise, the
    * the remaining time from the connect call will also be added to
    * the disconnect timeout.
    *
    */

   time_used = (int)(t2 - t1);

   /*
    * Use the remaining time(timeout - time_took_to_connect) to disconnect
    */

   time_remaining = timeout - (int)time_used;

   /*
    * If all the time is used up, use a small hardcoded timeout
    * to still try to disconnect. This will avoid the fd leak.
    */
   if (time_remaining <= 0) {
      scds_syslog_debug(DBG_LEVEL_LOW,
          "svc_probe used entire timeout of "
          "%d seconds during connect operation and exceeded the "
          "timeout by %d seconds. Attempting disconnect with timeout"
          " %d ",
          connect_timeout,
          abs(time_used),
          SVC_DISCONNECT_TIMEOUT_SECONDS);

      time_remaining = SVC_DISCONNECT_TIMEOUT_SECONDS;
   }

   /*
    * Return partial failure in case of disconnection failure.
    * Reason: The connect call is successful, which means
    * the application is alive. A disconnection failure
    * could happen due to a hung application or heavy load.
    * If it is the later case, don't declare the application
    * as dead by returning complete failure. Instead, declare
    * it as partial failure. If this situation persists, the
    * disconnect call will fail again and the application will be
    * restarted.
    */
   rc = scds_fm_tcp_disconnect(scds_handle, sock, time_remaining);
   if (rc != SCHA_ERR_NOERR) {
      scds_syslog(LOG_ERR,
          "Failed to disconnect to port %d of resource %s.",
          port, scds_get_resource_name(scds_handle));
      /* this is a partial failure */
      return (SCDS_PROBE_COMPLETE_FAILURE/2);
   }

   t2 = (hrtime_t)(gethrtime()/1E9);
   time_used = (int)(t2 - t1);
   time_remaining = timeout - time_used;

   /*
    * If there is no time left, don't do the full test with
    * fsinfo. Return SCDS_PROBE_COMPLETE_FAILURE/2
    * instead. This will make sure that if this timeout
    * persists, server will be restarted.
    */
   if (time_remaining <= 0) {
      scds_syslog(LOG_ERR, "Probe timed out.");
      return (SCDS_PROBE_COMPLETE_FAILURE/2);
   }

   /*
    * The connection and disconnection to port is successful,
    * Run the fsinfo command to perform a full check of
    * server health.
    * Redirect stdout, otherwise the output from fsinfo
    * ends up on the console.
    */
   (void) sprintf(testcmd,
       "/usr/openwin/bin/fsinfo -server %s:%d > /dev/null",
       hostname, port);
   scds_syslog_debug(DBG_LEVEL_HIGH,
       "Checking the server status with %s.", testcmd);
   if (scds_timerun(scds_handle, testcmd, time_remaining,
      SIGKILL, &rc) != SCHA_ERR_NOERR || rc != 0) {

      scds_syslog(LOG_ERR,
         "Failed to check server status with command <%s>",
         testcmd);
      return (SCDS_PROBE_COMPLETE_FAILURE/2);
   }
   return (0);
}

Bei Beendigung gibt svc_probe() einen Wert aus, der auf Erfolg (0), Teilfehler (50) oder Totalfehlschlag (100) hinweist. Die xfnts_probe-Methode übergibt diesen Wert an scds_fm_action().

Festlegen der Fehler-Monitor-Aktion

Die xfnts_probe -Methode ruft scds_fm_action() zum Festlegen der zu unternehmenden Aktion auf. Die Logik in scds_fm_action() lautet wie folgt:

• Aufbewahren eines kumulativen Fehlerprotokolls innerhalb des Werts der Retry_interval-Eigenschaft.

• Wenn der kumulative Fehler 100 (Totalfehlschlag) erreicht, starten Sie den Datendienst neu. Wenn Retry_interval überschritten ist, wird die Historie zurückgesetzt.

• Wenn die Anzahl der Neustarts den Wert der Retry_count -Eigenschaft überschreitet, innerhalb des von Retry_interval festgelegten Zeitraums, Failover des Datendienstes.

Angenommen, der Test stellt eine Verbindung mit dem XFS-Server her, kann die Verbindung jedoch nicht trennen. Das bedeutet, dass der Server läuft, aber vielleicht hängt oder nur momentan überlastet ist. Der Fehler beim Trennen der Verbindung sendet einen Teilfehler ( 50) an scds_fm_action(). Dieser Wert liegt unter dem Schwellenwert für das Neustarten des Datendienstes. Der Wert wird jedoch in der Fehlerhistorie festgehalten.

Wenn der Server während des nächsten Tests die Verbindung erneut nicht trennen kann, wird dem Fehlerprotokoll von scds_fm_action () ein Wert von 50 hinzugefügt. Der kumulative Fehlerwert beträgt jetzt 100, sodass scds_fm_action() den Datendienst neu startet.