一、故障现象

某客户TSM备份值班人员报告TSM server 某个驱动器工作异常，备份仅一个通道可以使用，部分schedule因没有通道导致备份失败。

工程师接到电话后立即处理，登录后查看故障现象如下：

l .一个server与drive01对应的path offline：

tsm: tsm-server>q path

Source Name Source Type Destination Destination On-Line

Name Type

----------- ----------- ----------- ----------- -------

tsm-server    SERVER     ts3200lib       LIBRARY   Yes

tsm-server    SERVER     DRIVE01      DRIVE     No    

tsm-server      SERVER     DRIVE02       DRIVE     Yes

l .查看TS3200带库管理界面，显示带库状态正常，处于“Ready”状态：

l .分析act log，出现大量的读写错误：

Q act search=error begind=-1 endd=+1

10/02/20 13:19:32 ANR8310E An I/O error occurred while accessing library

ts3200lib. (SESSION: 4566100)

10/02/20 13:20:04 ANR8310E An I/O error occurred while accessing library

ts3200lib. (SESSION: 4566100)

10/02/20 13:20:35 ANR8310E An I/O error occurred while accessing library

ts3200lib. (SESSION: 4566100)

10/02/20 13:21:07 ANR8310E An I/O error occurred while accessing library

ts3200lib. (SESSION: 4566100)

10/02/20 13:21:39 ANR8310E An I/O error occurred while accessing library

ts3200lib. (SESSION: 4566100)

二、故障分析

TSM server的path offline大多是由于driver故障引起读写错误导致。根据以往经验，如果driver故障，TS3200 web管理界面会出现类似下图红色的Error报警，但此案例中并未出现，说明带库的driver没有故障，那么为什么path会offline？

1、初步判断

重启带库，更新offline的path，尝试解决故障：

l. update drive ts3200lib DRIVE01 online=yes，此命令执行成功，说明driver状态正常；

l. 再次发起备份，用q mount可以看到driver里mount了磁带，但经过一段时间后，path再次offline。

通过以上故障现象，初步判断是driver清洗不及时造成的driver损坏。之前清洗方法是出现报警后清洗，这样极易引起driver损坏，至此得出结论：需要更换drive01。

2、发现新线索

等待更换driver时，检查备份，尝试update drive ts3200lib DRIVE01 online=yes成功，path online，但磁带CI0898L5一旦mount进driver后path立即offline。检查act log，此node的备份报failed，有大量I/O报错，检查对应的磁带，发现该磁带处于不可用状态，并且处于错误状态（Error State）：

tsm: TSM>QUERY VOLUME CI0898L5 f=d

Volume Name: CI0898L5

用DB2的SQL检查读写错误磁带，发现还有2个盘出现类似现象：

Tsm: TSM6>SELECT volumes.volume_name, volumes.stgpool_name, volumes.pct_utilized, volumes.status, volumes.write_errors, volumes.read_errors FROM volumes, libvolumes WHERE volumes.volume_name=libvolumes.volume_name AND ( volumes.write_errors>0 OR volumes.read_errors>0 )

VOLUME_NAME: C04780L5

STGPOOL_NAME: ORA_POOL

PCT_UTILIZED: 17.7

STATUS: FILLING

WRITE_ERRORS: 1

READ_ERRORS: 0

VOLUME_NAME: NIN039L5

STGPOOL_NAME: ORA_POOL

PCT_UTILIZED: 100.0

STATUS: FILLING

WRITE_ERRORS: 1

READ_ERRORS: 0

这3盘不可用的磁带一旦mount到drive1，TSM server会认定driver里的C磁带不可用，从而导致了path offline。

3、分析原因

当带库使用年限过长，或清洗磁头不及时，或清洗带超次数使用，必然会造成磁带读写错误，被标记为“Unavailable”和In Error State=yes。

根据本案例上述现象，并结合备份过程中是循环使用磁带（即超过保留期后删除数据回收使用）的情况，确定此次故障原因是磁带读写错误引起的path offline。

三、故障处理

1、将不可用的3盘磁带标记为” readonly”,避免TSM写入这3盘磁带。

UPDATE VOLUME CI0898L5 access= readonly

UPDATE VOLUME NIN039L5 access= readonly

UPDATE VOLUME C04780L5 access= readonly

2、Checkout不可用的3盘磁带；

3、Checkin3盘新磁带；

4、由于ora_pool没有copy pool，只能立即发起手动全备，保证有最新的备份版本;

5、删除path，重建define path：

define path tsm DRIVE1 SRCTYPE=SERVER DESTTYPE=DRIVE LIBRARY=ts3200lib device=/dev/rmt1 online=yes

至此，备份恢复正常，问题解决。

四、经验总结

1、TSM server的path offline的大部分原因是由于driver故障，对于Lan Free的节点也有配置问题引起的报错；但也有小部分原因是磁带读写Error所致，对于长期循环使用的磁带尤其要引起重视；

2、建议采用自动清洗driver，定时检查清洗带的剩余次数；

3、建议及时检查schedule的执行状态；

4、建议经常用SQL命令检查带库内磁带的状态，对于已经报了WRITE_ERRORS>1的磁带，需要考虑更换新磁带。

如欲了解更多，请登录365bet足球比分官方网站:wm0t.aredsa.com