故障現(xiàn)象

一日，筆者在工作群收到信息，得知業(yè)務(wù)系統(tǒng)（信息交換平臺）不能訪問，群里同事你一言我一語，影響較大。筆者很快遠(yuǎn)程登錄服務(wù)器，發(fā)現(xiàn)連接不上，通過Ping，網(wǎng)絡(luò)不通。趕緊進(jìn)入機(jī)房，發(fā)現(xiàn)服務(wù)器已經(jīng)宕機(jī)。

服務(wù)器是Sun Fire V240，安裝的 Solaris 9系統(tǒng)，筆者自承擔(dān)該機(jī)房運(yùn)維以來，此臺服務(wù)器一直運(yùn)行穩(wěn)定，未出現(xiàn)過宕機(jī)。關(guān)閉電源，重新開機(jī)，還好服務(wù)器啟動了。查看服務(wù)器日志（messages等日志文件），沒有異常，通過prtdiag檢查硬件狀態(tài)全部是OK或Good，查看服務(wù)器各指示燈和部件，未發(fā)現(xiàn)硬件方面異常。重新啟動業(yè)務(wù)系統(tǒng)，沒有問題。

考慮到硬件沒有異常，可能是應(yīng)用方面的問題，而且服務(wù)器只是業(yè)務(wù)系統(tǒng)的Web服務(wù)器，無業(yè)務(wù)數(shù)據(jù)方面的信息。由于近期工作較忙，筆者決定先觀察服務(wù)器一段時間，再查看相關(guān)資料或咨詢專業(yè)公司查找原因來解決。

很快到了第二天，剛到單位就接到電話，告知業(yè)務(wù)系統(tǒng)上不去了，請查看解決。很快進(jìn)入機(jī)房后，按照昨天的“經(jīng)驗”重啟服務(wù)器，先保障業(yè)務(wù)系統(tǒng)可用。但是實際上，手動重啟服務(wù)器后，等了十幾分鐘服務(wù)器也沒有啟動起來，Ping服務(wù)器，網(wǎng)絡(luò)不通。

故障排查

通過串口線連接服務(wù)器，發(fā)現(xiàn)啟動過程中出現(xiàn)錯誤，描述內(nèi)容屬于硬件故障。幸好，我們單位技術(shù)人員一起討論并編制了一份“網(wǎng)絡(luò)應(yīng)急預(yù)案”操作手冊，按照應(yīng)急預(yù)案的操作，找到業(yè)務(wù)系統(tǒng)備用服務(wù)器，開機(jī)，遠(yuǎn)程連接，通過telnet連不上服務(wù)器，Ping服務(wù)器網(wǎng)絡(luò)不通，接上顯示器、鼠標(biāo)和鍵盤，顯示器無信號。

通過串口線連接服務(wù)器，可以訪問維護(hù)系統(tǒng)，發(fā)現(xiàn)var目錄不見了?？紤]到如果重建操作系統(tǒng)，需要備份數(shù)據(jù)，會花費(fèi)很長時間，業(yè)務(wù)系統(tǒng)就需要中斷很長時間。筆者急中生智，想到兩臺服務(wù)器型號、操作系統(tǒng)版本等都是一樣，而且應(yīng)用方面，主要是運(yùn)行iPlanet服務(wù)組件，提供Web服務(wù)、Web頁面、主服務(wù)器宕機(jī)，屬于硬件故障，操作系統(tǒng)應(yīng)該沒問題，業(yè)務(wù)系統(tǒng)應(yīng)用也在。筆者想了想可以試試將主服務(wù)器硬盤按順序插入到備用服務(wù)器上面，只要操作系統(tǒng)能啟動，業(yè)務(wù)系統(tǒng)應(yīng)用估計也沒有問題。

故障解決

按照上面的想法操作了一下，將主服務(wù)器四塊磁盤全部按順序插入到備用服務(wù)器上，備用服務(wù)器可以正常啟動，但遠(yuǎn)程telnet連不上備用設(shè)備?？紤]到可能是網(wǎng)絡(luò)問題，本地登錄備用服務(wù)器，清除arp信息，清除相關(guān)網(wǎng)絡(luò)設(shè)備arp信息，嘗試遠(yuǎn)程登錄服務(wù)器，可以登錄。啟動iPlanet，通過瀏覽器訪問業(yè)務(wù)系統(tǒng)，輸入用戶名密碼登錄，業(yè)務(wù)系統(tǒng)可用。

經(jīng)驗總結(jié)

雖然筆者急中生智靈活應(yīng)對了這次故障，保障了業(yè)務(wù)系統(tǒng)可用，但還是暴露了很多管理和技術(shù)問題。一是備用服務(wù)器的日常檢查不到位，建立的機(jī)房巡視檢查制度一定要落到實處。二是服務(wù)器上的應(yīng)用數(shù)據(jù)一定要及時備份。此外，雖然Solaris操作系統(tǒng)比較穩(wěn)定，但考慮到特殊情況，也應(yīng)定期備份，可以采用每月或幾個月等大周期備份。三是多掌握操作系統(tǒng)修復(fù)的技術(shù)方法。四是制定的應(yīng)急預(yù)案要定期演練實操。