lustre 1.4.6 on redhat as4 U2 问题[以解决]

suran007

问题以解决：可能还是lustre 版本的问题，我用lustre.1.4.6.2就没有问题了  




我在vmware gsx上作lustre的试验，系统是redhat as4 U2 ,内核是2.6.9-22.ELsmp,lustre安装包如下：
kernel-smp-2.6.9-22.0.2.EL_lustre.1.4.6
lustre-1.4.6-2.6.9_22.0.2.EL_lustre.1.4.6smp
lustre-debuginfo-1.4.6-2.6.9_22.0.2.EL_lustre.1.4.6smp
lustre-modules-1.4.6-2.6.9_22.0.2.EL_lustre.1.4.6smp
结构为1个ost,1个mds，1个client，每台机器的hosts内容均一样，hosts内容如下：
127.0.0.1 localhost.localdomain localhost
192.168.0.162 n01
192.168.0.164 n03
192.168.0.165 n04
注：n01（ost），n03(mds),n04(client)在ost和mds机器上分别添加了一块硬盘（sdb1），容量1G，作为lustre分区，显示如下：
[root@n01 ~]# fdisk -l

Disk /dev/sda: 4294 MB, 4294967296 bytes
255 heads, 63 sectors/track, 522 cylinders
Units = cylinders of 16065 * 512 = 8225280 bytes

   Device Boot      Start         End      Blocks   Id  System
/dev/sda1   *           1          16      128488+  83  Linux
/dev/sda2              17         143     1020127+  82  Linux swap
/dev/sda3             144         522     3044317+  83  Linux

Disk /dev/sdb: 4294 MB, 4294967296 bytes
255 heads, 63 sectors/track, 522 cylinders
Units = cylinders of 16065 * 512 = 8225280 bytes

   Device Boot      Start         End      Blocks   Id  System
/dev/sdb1               1         123      987966   83  Linux

每台机器的modprobe.conf内容如下：
[root@n01 ~]# cat /etc/modprobe.conf
alias eth0 pcnet32
alias scsi_hostadapter mptbase
alias scsi_hostadapter1 mptscsih
install kptlrouter modprobe portals ; modprobe --ignore-install kptlrouter
#install ptlrpc modprobe ksocknal ; modprobe --ignore-install ptlrpc
install llite modprobe lov osc ; modprobe --ignore-install llite
alias lustre llite
options lnet networks=tcp0

lustre脚本内容如下：
[root@n01 ~]# cat newconfig.sh
#!/bin/sh

#config.sh

#Create nodes
rm -f newconfig.xml
lmc -m newconfig.xml --add net --node n03 --nid n03 --nettype lnet
lmc -m newconfig.xml --add net --node n01 --nid n01 --nettype lnet
lmc -m newconfig.xml --add net --node generic-client --nid '*' --nettype lnet

#Configure mds
lmc -m newconfig.xml --add mds --node n03 --mds n03-mds1 --fstype ldiskfs --dev /dev/sdb1 --journal_size 400

#Configure ost
lmc -m newconfig.xml --add lov --lov lov1 --mds n03-mds1 --stripe_sz 1048576 --stripe_cnt 0 --stripe_pattern 0
lmc -m newconfig.xml --add ost --node n01 --lov lov1 --ost n01-ost1 --fstype ldiskfs --dev /dev/sdb1

#Configure client
lmc -m newconfig.xml --add mtpt --node generic-client --path /mnt/lustre --mds n03-mds1 --lov lov1
用sh newconfig.sh生成newconfig.xml文件并分发到n03和n04上，在ost上执行lconf --reformat --node n01 newconfig.xml命令启动ost成功，没有错误
在mds上执行lconf --reformat --node n03 newconfig.xml启动mds，出现kernel:  <0>Fatal exception: panic in 5 seconds错误，死机，此时ost也死机，重起后检查log显示如下内容：

1. 
   
2. Apr 14 13:30:14 n03 sshd(pam_unix)[2681]: session opened for user root by (uid=0)
   
3. Apr 14 13:30:50 n03 kernel: Lustre: 2701:0:(module.c:381:init_libcfs_module()) maximum lustre stack 8192
   
4. Apr 14 13:30:52 n03 kernel: Lustre: OBD class driver Build Version: 1.4.6-19691231190000-PRISTINE-.tmp.lbuild.lbuild-v1_4_6_RC3-2.6-rhel4-i686.lbuild.BUILD.lustre-kernel-2.6.9.lustre.linux-2.6.9-22.0.2.EL_lustre.1.4.6smp, [email]info@clusterfs.com[/email]
   
5. Apr 14 13:30:53 n03 kernel: Lustre: Added LNI 192.168.0.164@tcp [8/256]
   
6. Apr 14 13:30:54 n03 kernel: Lustre: Accept secure, port 988
   
7. Apr 14 13:31:02 n03 kernel: kjournald starting.  Commit interval 5 seconds
   
8. Apr 14 13:31:02 n03 kernel: LDISKFS FS on sdb1, internal journal
   
9. Apr 14 13:31:02 n03 kernel: LDISKFS-fs: mounted filesystem with ordered data mode.
   
10. Apr 14 13:31:03 n03 kernel: Lustre: 2762:0:(mds_fs.c:239:mds_init_server_data()) n03-mds1: initializing new last_rcvd
    
11. Apr 14 13:31:03 n03 kernel: Lustre: MDT n03-mds1 now serving /dev/sdb1 (c4d604e8-2506-42cc-97c3-c0c436f1440e) with recovery enabled
    
12. Apr 14 13:31:16 n03 kernel: Lustre: MDT n03-mds1 has stopped.
    
13. Apr 14 13:31:23 n03 kernel: loop: loaded (max 8 devices)
    
14. Apr 14 13:31:23 n03 hald[2237]: Timed out waiting for hotplug event 269. Rebasing to 273
    
15. Apr 14 13:31:29 n03 kernel: kjournald starting.  Commit interval 5 seconds
    
16. Apr 14 13:31:29 n03 kernel: LDISKFS FS on sdb1, internal journal
    
17. Apr 14 13:31:29 n03 kernel: LDISKFS-fs: mounted filesystem with ordered data mode.
    
18. Apr 14 13:31:30 n03 kernel: eip: c8a1e7aa
    
19. Apr 14 13:31:30 n03 kernel: ------------[ cut here ]------------
    
20. Apr 14 13:31:30 n03 kernel: kernel BUG at include/asm/spinlock.h:146!
    
21. Apr 14 13:31:30 n03 kernel: invalid operand: 0000 [#1]
    
22. Apr 14 13:31:30 n03 kernel: SMP
    
23. Apr 14 13:31:30 n03 kernel: Modules linked in: loop(U) fsfilt_ldiskfs(U) ldiskfs(U) mds(U) lov(U) osc(U) mdc(U) ptlrpc(U) obdclass(U) lvfs(U) ksocklnd(U) lnet(U) libcfs(U) md5(U) ipv6(U) autofs4(U) i2c_dev(U) i2c_core(U) sunrpc(U) iptable_filter(U) ip_tables(U) dm_mirror(U) dm_mod(U) button(U) battery(U) ac(U) shpchp(U) pcnet32(U) mii(U) floppy(U) ext3(U) jbd(U) mptscsih(U) mptbase(U) sd_mod(U) scsi_mod(U)
    
24. Apr 14 13:31:30 n03 kernel: CPU:    0
    
25. Apr 14 13:31:30 n03 kernel: EIP:    0060:[<c02d1a41>]    Not tainted VLI
    
26. Apr 14 13:31:30 n03 kernel: EFLAGS: 00010016   (2.6.9-22.0.2.EL_lustre.1.4.6smp)
    
27. Apr 14 13:31:30 n03 kernel: EIP is at _spin_lock_irqsave+0x20/0x45
    
28. Apr 14 13:31:30 n03 kernel: eax: c8a1e7aa   ebx: 00000002   ecx: c02e8bea   edx: c02e8bea
    
29. Apr 14 13:31:30 n03 kernel: esi: c5c44960   edi: c0a800a4   ebp: c7a1a000   esp: c415be98
    
30. Apr 14 13:31:30 n03 kernel: ds: 007b   es: 007b   ss: 0068
    
31. Apr 14 13:31:30 n03 kernel: Process socknal_cd00 (pid: 2736, threadinfo=c415a000 task=c4d4ebb0)
    
32. Apr 14 13:31:30 n03 kernel: Stack: c6d57f40 c5c44960 c8a1e7aa c7edb8a8 c7a1a000 c0a800a4 00000001 c8a17dab
    
33. Apr 14 13:31:30 n03 kernel:        0000bc84 00000000 c0a800a4 c0a800a2 00000000 00000000 000000b1 00000246
    
34. Apr 14 13:31:30 n03 kernel:        c5422100 c6d57f00 c5bb1c80 c7edb880 4a9b692d 0004115d c415bef0 c415bef0
    
35. Apr 14 13:31:30 n03 kernel: Call Trace:
    
36. Apr 14 13:31:30 n03 kernel:  [<c8a1e7aa>] ksocknal_queue_tx_locked+0x11e/0x1f7 [ksocklnd]
    
37. Apr 14 13:31:30 n03 kernel:  [<c8a17dab>] ksocknal_create_conn+0xd7c/0x1454 [ksocklnd]
    
38. Apr 14 13:31:30 n03 kernel:  [<c8dab11c>] lnet_connect+0x277/0x2c7 [lnet]
    
39. Apr 14 13:31:30 n03 kernel:  [<c8a232e3>] ksocknal_connect+0xd8/0x254 [ksocklnd]
    
40. Apr 14 13:31:30 n03 kernel:  [<c8a23638>] ksocknal_connd+0x1d9/0x326 [ksocklnd]
    
41. Apr 14 13:31:30 n03 kernel:  [<c011eb7c>] autoremove_wake_function+0x0/0x2d
    
42. Apr 14 13:31:30 n03 kernel:  [<c011eb7c>] autoremove_wake_function+0x0/0x2d
    
43. Apr 14 13:31:30 n03 kernel:  [<c02d2d5a>] ret_from_fork+0x6/0x14
    
44. Apr 14 13:31:30 n03 kernel:  [<c8a2345f>] ksocknal_connd+0x0/0x326 [ksocklnd]
    
45. Apr 14 13:31:30 n03 kernel:  [<c8a2345f>] ksocknal_connd+0x0/0x326 [ksocklnd]
    
46. Apr 14 13:31:30 n03 kernel:  [<c01041f1>] kernel_thread_helper+0x5/0xb
    
47. Apr 14 13:31:30 n03 kernel: Code: 81 00 00 00 00 01 c3 f0 ff 00 c3 56 89 c6 53 9c 5b fa 81 78 04 ad 4e ad de 74 18 ff 74 24 08 68 ea 8b 2e c0 e8 0f f5 e4 ff 59 58 <0f> 0b 92 00 a4 7c 2e c0 f0 fe 0e 79 13 f7 c3 00 02 00 00 74 01
    
48. Apr 14 13:31:30 n03 kernel:  <0>Fatal exception: panic in 5 seconds
    

复制代码

那位大哥帮忙看看这是什么问题，小弟先谢了Sample Text

[ 本帖最后由 suran007 于 2006-4-25 17:48 编辑 ]

suran007

先顶一下

suran007

请斑竹帮帮忙～

suran007

我在sles9上测试1.4.6版本没有问题，在as4 u2上测试过1.4.5也没有问题，不知道为什么1.4.6就不行了，但log，不知道为什么出现了kernel BUG字样，难道是内核有问题？

nntp

原帖由 suran007 于 2006-4-18 14:43 发表
我在sles9上测试1.4.6版本没有问题，在as4 u2上测试过1.4.5也没有问题，不知道为什么1.4.6就不行了，但log，不知道为什么出现了kernel BUG字样，难道是内核有问题？

Hi suran007,

前一阵子我的测试设备上在跑其他工作，没有办法腾开帮你测，昨天弄完了后，今天早上我做了一个和你类似的环境来测试，没有发现有问题.

==========================================================================
环境配置:

Server1: AMD64 ,  host OS SLES9SP3+errata x86-64 version, vmware server beta(latest build)

             vmware guestOS 1 :  RHEL4U3 x86-64 version     => mds
             vmware guestOS 2 :  RHEL4U3 x86-64 version     => client

             lustre的那些rpm包我装的是X86-64的版本

Server2: Intel dual core EM64T, host OS SLES9SP3+errara x86-64 version,vmware server beta(latest build)

            vmware guestOS 1: RHEL4U3 x86 version    => ost1
            vmware guestOS 1: RHEL4U3 x86 version    => ost1

            lustre的那些rpm包我装的是X86的版本
============================================================================
config.sh 文件内容

#!/bin/sh

# config.sh

# Create nodes
rm -f config.xml
lmc -m config.xml --add net --node node-mds --nid n1 --nettype tcp
lmc -m config.xml --add net --node node-ost1 --nid n3 --nettype tcp
lmc -m config.xml --add net --node node-ost2 --nid n4 --nettype tcp
lmc -m config.xml --add net --node client --nid n2 --nettype tcp

# Cofigure MDS
lmc -m config.xml --add mds --node node-mds --mds mds-test --fstype ldiskfs --dev /tmp/mds-test --size 50000

# Configures OSTs
lmc -m config.xml --add lov --lov lov-test --mds mds-test --stripe_sz 1048576 --stripe_cnt 0 --stripe_pattern 0
lmc -m config.xml --add ost --node node-ost1 --lov lov-test --ost ost1-test --fstype ldiskfs --dev /tmp/ost1-test --size 100000
lmc -m config.xml --add ost --node node-ost2 --lov lov-test --ost ost2-test --fstype ldiskfs --dev /tmp/ost2-test --size 100000

# Configure client (this is a 'generic' client used for all client mounts)
lmc -m config.xml --add mtpt --node client --path /mnt/lustre --mds mds-test --lov lov-test

===============================================================================

所有4个node 的 /etc/hosts 文件内容

[root@n1 ~]# cat /etc/hosts
# Do not remove the following line, or various programs
# that require network functionality will fail.
127.0.0.1               localhost
192.168.0.31            n1
192.168.0.32            n2
192.168.0.33            n3
192.168.0.34            n4
===============================================================================
产生xml文件之后，分别scp到每个node的/root目录
===============================================================================
启动OST
root 登陆到ost1,运行 lconf --reformat --node node-ost1 config.xml
root 登陆到ost1,运行 lconf --reformat --node node-ost2 config.xml
root 登陆到mds,运行 lconf --reformat --node node-mds config.xml
root 登陆到client,运行 lconf --node client config.xml

这个时候，在client node 上,用root运行 df -hT 命令， 已经看到 client node的 /mnt/lustre 被mount上了,  
===============================================================================
屏幕信息

启动OST1的时候的屏幕信息
[root@n3 ~]# lconf --reformat --node node-ost1 config.xml
loading module: libcfs srcdir None devdir libcfs
loading module: lnet srcdir None devdir lnet
loading module: ksocklnd srcdir None devdir klnds/socklnd
loading module: lvfs srcdir None devdir lvfs
loading module: obdclass srcdir None devdir obdclass
loading module: ptlrpc srcdir None devdir ptlrpc
loading module: ost srcdir None devdir ost
loading module: ldiskfs srcdir None devdir ldiskfs
loading module: fsfilt_ldiskfs srcdir None devdir lvfs
loading module: obdfilter srcdir None devdir obdfilter
NETWORK: NET_node-ost1_tcp NET_node-ost1_tcp_UUID tcp n3
OSD: ost1-test ost1-test_UUID obdfilter /tmp/ost1-test 100000 ldiskfs no 0 0
OST mount options: errors=remount-ro
[root@n3 ~]#

启动OST2的屏幕信息
[root@n4 ~]# lconf --reformat --node node-ost2 config.xml
loading module: libcfs srcdir None devdir libcfs
loading module: lnet srcdir None devdir lnet
loading module: ksocklnd srcdir None devdir klnds/socklnd
loading module: lvfs srcdir None devdir lvfs
loading module: obdclass srcdir None devdir obdclass
loading module: ptlrpc srcdir None devdir ptlrpc
loading module: ost srcdir None devdir ost
loading module: ldiskfs srcdir None devdir ldiskfs
loading module: fsfilt_ldiskfs srcdir None devdir lvfs
loading module: obdfilter srcdir None devdir obdfilter
NETWORK: NET_node-ost2_tcp NET_node-ost2_tcp_UUID tcp n4
OSD: ost2-test ost2-test_UUID obdfilter /tmp/ost2-test 100000 ldiskfs no 0 0
OST mount options: errors=remount-ro
[root@n4 ~]#


启动MDS的屏幕信息

[root@n1 ~]# lconf --reformat --node node-mds config.xml
loading module: libcfs srcdir None devdir libcfs
loading module: lnet srcdir None devdir lnet
loading module: ksocklnd srcdir None devdir klnds/socklnd
loading module: lvfs srcdir None devdir lvfs
loading module: obdclass srcdir None devdir obdclass
loading module: ptlrpc srcdir None devdir ptlrpc
loading module: mdc srcdir None devdir mdc
loading module: osc srcdir None devdir osc
loading module: lov srcdir None devdir lov
loading module: mds srcdir None devdir mds
loading module: ldiskfs srcdir None devdir ldiskfs
loading module: fsfilt_ldiskfs srcdir None devdir lvfs
NETWORK: NET_node-mds_tcp NET_node-mds_tcp_UUID tcp n1
MDSDEV: mds-test mds-test_UUID /tmp/mds-test ldiskfs no
recording clients for filesystem: FS_fsname_UUID
Recording log mds-test on mds-test
LOV: lov_mds-test 4f3bf_lov_mds-test_f34d7ba738 mds-test_UUID 0 1048576 0 0 [u'ost1-test_UUID', u'ost2-test_UUID'] mds-test
OSC: OSC_n1_ost1-test_mds-test 4f3bf_lov_mds-test_f34d7ba738 ost1-test_UUID
OSC: OSC_n1_ost2-test_mds-test 4f3bf_lov_mds-test_f34d7ba738 ost2-test_UUID
End recording log mds-test on mds-test
MDSDEV: mds-test mds-test_UUID /tmp/mds-test ldiskfs 50000 no
MDS mount options: errors=remount-ro
[root@n1 ~]#


启动client 的屏幕信息

[root@n2 ~]# lconf --node client config.xml
loading module: libcfs srcdir None devdir libcfs
loading module: lnet srcdir None devdir lnet
loading module: ksocklnd srcdir None devdir klnds/socklnd
loading module: lvfs srcdir None devdir lvfs
loading module: obdclass srcdir None devdir obdclass
loading module: ptlrpc srcdir None devdir ptlrpc
loading module: osc srcdir None devdir osc
loading module: lov srcdir None devdir lov
loading module: mdc srcdir None devdir mdc
loading module: llite srcdir None devdir llite
NETWORK: NET_client_tcp NET_client_tcp_UUID tcp n2
LOV: lov-test e0002_lov-test_a77190f32b mds-test_UUID 0 1048576 0 0 [u'ost1-test_UUID', u'ost2-test_UUID'] mds-test
OSC: OSC_n2_ost1-test_MNT_client e0002_lov-test_a77190f32b ost1-test_UUID
OSC: OSC_n2_ost2-test_MNT_client e0002_lov-test_a77190f32b ost2-test_UUID
MDC: MDC_n2_mds-test_MNT_client 96c98_MNT_client_1567f4dc95 mds-test_UUID
MTPT: MNT_client MNT_client_UUID /mnt/lustre mds-test_UUID lov-test_UUID


检查 client node  文件系统加载情况

[root@n2 ~]# df -hT
Filesystem    Type    Size  Used Avail Use% Mounted on
/dev/mapper/VolGroup00-LogVol00
              ext3    4.1G  3.0G  920M  77% /
/dev/sda1     ext3     99M   14M   80M  15% /boot
none         tmpfs    187M     0  187M   0% /dev/shm
config lustre_lite    190M  8.5M  171M   5% /mnt/lustre
[root@n2 ~]#


因为时间关系，暂时还不能做更多的变化和测试。

希望对你有帮助.

suran007

先谢谢斑竹的帮助，等你有工夫的时候，希望斑竹能做一下oss或mds自动failover的测试，小弟感激不尽

nntp

原帖由 suran007 于 2006-4-30 09:39 发表
先谢谢斑竹的帮助，等你有工夫的时候，希望斑竹能做一下oss或mds自动failover的测试，小弟感激不尽

你最好把你的问题同时抄送 lustre maillist.

suran007

原帖由 nntp 于 2006-4-30 10:39 发表



你最好把你的问题同时抄送 lustre maillist.

你是使说我上面这个panic问题么？我已经发到maillist了，可能是我的英语书写的太差，没人理我，：（

gaolimin_lose

"loading module: libcfs srcdir None devdir libcfs
Bad module options? Check dmesg.
! modprobe (error 1):
> FATAL: Module libcfs not found."
我的为什么老出这种报错信息